Sistemas de Controle - Provisório PDF

UNIVERSIDADE DE UBERABA
Sistemas de controle
Florisvaldo Cardozo Bomfim Junior

Marcelo Lucas
Edilberto Pereira Teixeira
Uberaba - MG
2011
© 2011 by Universidade de Uberaba
Todos os direitos de publicação e reprodução, em parte ou no todo, reservados para a
Universidade de Uberaba.
Reitor:
Marcelo Palmério
Pró-Reitora de Ensino Superior:

Inara Barbosa Pena Elias
Pró-Reitor de Logística para Educação a Distância:

Fernando César Marra e Silva
Assessoria Técnica:
Ymiracy N. Sousa Polak
Produção de Material Didático:

• Comissão Central de Produção
• Subcomissão de Produção
Editoração:
Supervisão de Editoração
Equipe de Diagramação e Arte
Capa:
Toninho Cartoon
Edição:
Universidade de Uberaba
Av. Nenê Sabino, 1801 – Bairro Universitário
Sobre os autores
Florisvaldo Cardozo Bomfim Junior
Especialista em Geração de Energia; Bacharel em Engenharia da Computação e

Engenharia Elétrica, com ênfase em Automação Industrial, pela Universidade de Uberaba.
Formação em diferentes cursos na área de tecnológica e industrial. Professor nos cursos da
área de tecnologia na Universidade de Uberaba.
Marcelo Lucas
Graduado em Engenharia Elétrica com ênfase em eletrônica e telecomunicações pelo

Instituto Nacional de Telecomunicações (1988), especialista em Sistemas de
Telecomunicações pela Universidade de Uberaba (2000). Atua como professor em diversos
cursos desta Universidade.
Doutor em Engenharia Elétrica pela Universidade Estadual de Campinas (1991), mestre em

Engenharia Elétrica pela Universidade Federal de Itajubá (1974) e graduado em Engenharia
Elétrica pela Universidade Federal de Itajubá (1972). Tem experiência na área de
Engenharia Elétrica, com ênfase em controle de processos eletrônicos e sistemas elétricos
de potência, atuando principalmente nos seguintes temas: sistemas elétricos de potência,
controle de processos multivariável, controle de sistemas não-lineares, lógica nebulosa e
redes neurais artificiais.
Sumário
Apresentação.....................................................................................................................................05
Capítulo 1 – Sistemas de controle industrial.................................................................................06
Capítulo 2 – Modelamento matemático de sistemas...................................................................54
Capítulo 3 – Projeto de sistemas de controle no domínio do tempo.........................................78

Apresentação
Caro(a) aluno(a).
Você está recebendo um livro da Universidade de Uberaba, ofertado para a modalidade de

Educação a distância, composto por três capítulos, com os conteúdos relacionados ao
Controle, Automação e Integração de Processos Industriais.
Os capítulos que compõem este material são:

1. Sistema de controle industrial
2. Modelamento matemático de sistemas
3. Projeto de sistemas de controle no domínio do tempo
No primeiro capítulo, iremos conhecer alguns aspectos relacionados ao projeto e ao correto

funcionamento dos dispositivos e processos de controle e automação, presentes em
indústrias.
No segundo capítulo, estudaremos alguns aspectos relacionados à modelagem matemática

de sistemas de controle, em que trabalharemos com funções de transferência, no domínio
do tempo e no domínio da frequência.
No terceiro capítulo, você estudará os controladores PID e os fatores que interferem em seu
desempenho. Aprenderá projetar sistemas de controle que utilizem esses controladores,
assim como os principais métodos de sintonia de controladores.
Contamos com o seu esforço e dedicação para que a interação entre você, aluno(a),
professores, preceptores e gestores do curso seja de forma síncrona em relação ao
conteúdo ministrado e ao conteúdo aprendido.
Será um prazer poder ajudá-lo(a). Pode contar conosco! Sucesso aos seus estudos!
5
1 Sistema de controle industrial
Florisvaldo Cardozo Bomfim Júnior
Introdução
Neste capítulo, são apresentados os fundamentos teóricos relativos à análise de sistemas
dinâmicos regidos por equações diferenciais lineares. Apesar do conteúdo eminentemente
teórico, o curso de Engenharia Elétrica possui aplicações práticas imediatas no controle de
processos industriais. Inicialmente, apresentamos uma revisão dos conceitos relativos ao
equacionamento clássico de sistemas com uma entrada e uma saída e que sejam passíveis
de representação por funções de transferência, por meio da transformada de Laplace. Os
principais procedimentos do controle clássico são apresentados e ilustrados com exemplos
práticos implementados no sistema Scilab.
Em seguida, veremos o equacionamento de sistemas dinâmicos por meio do conceito de

variáveis de estado que caracteriza a essência do controle moderno de processos. Serão
apresentados diversos exemplos práticos, também ilustrados por meio do sistema Scilab.
Conceitos fundamentais, tais como controlabilidade e observabilidade, também, serão
enfocados, concluindo-se com o projeto de controladores de estado.
Objetivos
Ao término dos estudos propostos, você estará apto(a) a:
• modelar sistemas dinâmicos utilizando transformada de Laplace;

• resolver problemas por meio da álgebra de blocos;
• determinar a solução de sistemas de ordem superior;
• obter equações de estado para sistemas dinâmicos.
6
Esquema
1 Modelamento de sistemas dinâmicos lineares

2 Transformada de Laplace
2.1 Teoremas principais das transformadas de Laplace
2.2 Transformada de Laplace inversa
2.2.1 Decomposição em frações parciais
2.3 Funções de transferência
2.4 Solução de equações diferenciais por meio da transformada de Laplace
3 Análise de transitórios em sistemas dinâmicos lineares
3.1 Sistemas de primeira ordem
3.2 Sistemas de segunda ordem
4 Álgebra de Blocos
4.1 Blocos em Série
4.2 Blocos em paralelo
4.3 Blocos em realimentação
4.4 Sistemas com mais de uma entrada
5 Equações de estado
5.1 Mudança de variáveis
5.2 Autovalores da matriz de estado
5.2.1 Autovalores de uma matriz
5.2.2 Invariância dos autovalores
5.2.3 Solução da equação de estado homogênea
6. Propriedades dos sistemas dinâmicos lineares
1. Modelamento de sistemas dinâmicos lineares

Os sistemas dinâmicos são regidos por equações diferenciais, cuja variável independente é
o tempo. Se, a esses sistemas puder ser aplicado o princípio da superposição, diz-se que o
sistema é linear. Considere o sistema da figura 1, que recebe uma excitação r(t) e responde
com a variável y(t).
Figura 1: Esquema de um sistema dinâmico.
Considere que se aplique K1r1(t) como excitação. Se o sistema for linear, a resposta será
K1y1(t). Da mesma forma, aplicando-se K2r2(t), obtém-se K2y2(t) como resposta. Ainda, se
for aplicada a excitação K1r1(t) + K2r2(t), será obtida a resposta K1y1(t) + K2y2(t). Este é o
princípio da superposição, que caracteriza os sistemas dinâmicos lineares.
Na prática, os sistemas sempre apresentam não linearidades, que impedem a aplicação do

princípio da superposição. Entretanto, dentro de certa faixa de operação, as características
do sistema se aproximam de uma equação diferencial linear. Por essa razão, podemos, na
maioria dos casos, aplicar as técnicas de sistemas lineares.
7
Neste capítulo, primeiramente, apresentaremos os fundamentos teóricos do controle
clássico, iniciando pela transformada de Laplace. A análise por meio de variáveis de estado
completa o curso.
2 Transformada de Laplace
Por meio da transformada de Laplace, podemos transformar uma equação diferencial em
uma equação algébrica, facilitando a sua solução. Por definição, a transformada de Laplace
de uma função f(t) é dada por:
∞
£ [ f (t )] = ∫ 0
f (t ) e-st dt (1)
Em que:
f(t) – função da variável t, tal que f(t) = 0 para t < 0;
s - variável complexa;
£ - simboliza a transformada de Laplace.
Aplicando-se a equação (1), pode-se determinar a transformada de Laplace de quaisquer

funções, como nos exemplos a seguir.
Exemplo 1
Determine a transformada de Laplace da função degrau.
Solução:
A função degrau tem forma apresentada na figura 2.
Figura 2: Função degrau
Essa função pode ser definida por:
 f (t ) = 0 , para t ≤ 0
 (2)
f(t) = A , para t > 0
Aplicando-se a definição, tem-se:
∞ A − st ∞ A A
£ [ f (t ) ] = ∫
0
A e -st dt = −
s
 e  = − [ 0 − 1] =
0 s s
(3)
8
Exemplo 2
Determinar a transformada de Laplace da função rampa.
Solução:
A função rampa tem a forma apresentada na figura 3.
Figura 3: Função rampa.
Essa função pode ser definida por:
 f (t ) = 0 , para t < 0
 (4)
f(t) = At , para t ≥ 0
Aplicando-se a definição de transformada de Laplace, tem-se:
∞ A ∞ − st A
£ [ f (t ) ] = ∫
0
At e -st dt =
s ∫0
e dt = 2
s
(5)
A aplicação da definição da transformada de Laplace permite que sejam determinadas as

expressões da transformada de Laplace para as funções que sejam de interesse. A tabela 1
apresenta algumas funções importantes.
Tabela 01: Transformada de Laplace
f(t) F(s)
1
1) Impulso unitário: δ(t)
1
2) Degrau unitário s
1
3) t s2
1
4) e-at s+a
9
1
-at
5) t e (s + a ) 2
ω
6) senωt s + ω2
2
s
7) cosωt s + ω2
2
K
K
8) (1 − e −at ) s(s + a )
a
Exemplo 3
Determinar a transformada de Laplace da função transladada f(t – a).
Solução:
Seja u(t) a função degrau unitário. Sendo assim, a função u(t – a) corresponde ao degrau
unitário atrasado de “a” segundos, como na figura 4.
Figura 4: Função degrau transladada.
Por ser unitário, pode-se dizer que:

f(t – a) = f(t – a) u(t – a) (6)
Sendo assim, a transformada de Laplace fica:
∞
∫0
f (t − a) u(t-a) e-st dt (7)
Substituindo t por τ, em que τ = t - α, obtém-se:
∞ ∞
∫0
f (t − a) u(t-a) e-st dt = ∫ f (τ ) u(τ ) es(τ + a) dt
0
(8)
10
Observando-se que f(t) = 0 para t < 0 e f(τ) u(τ) = 0 para τ < 0, pode-se considerar o limite
inferior da equação (8) igual a zero.
Sendo assim:
∞ ∞ ∞
∫ 0
f (τ ) u(τ ) e-s(t + a) dτ = ∫ f (t ) u(τ ) e-s(τ + a) dτ = ∫ f (τ ) e-sτ eas dτ =
0 0
∞
= e as ∫ f (τ ) e-sτ dτ = e − as F ( s)
0
Então: £[f(t – 1)] = e-as F(s) (9)
2.1 Teoremas principais das transformadas de Laplace

Nesta seção, serão apresentados os principais teoremas referentes à transformada de
Laplace, e que serão fundamentais à análise de sistemas lineares.
Teorema da derivação real
A transformada de Laplace da derivada de uma função f(t) é dada por:
 d f(t) 
£ = s F(s)-f(0) (10)
 dt 
em que:
F(s): transformada de Laplace de f(t)
f(0): valor de f(t) no instante t = 0
A demonstração desse teorema pode ser encontrada em [1].
Exemplo 4
Sabendo-se que a transformada de Laplace da função seno é:
ω
£ [sen ωt ] = (11)
s + ω2
2
Pede-se determinar a transformada de Laplace da função cosωt.
Solução:
d (sen ω t )
Como = ω cos ωt , então:
dt
11
1 d 
£ [cos ωt ] = £  sen ωt  (12)
ω  dt 
ω
sendo f(t) = senωt, f(0) = 0 e F(s) = £[f(t)] =
s + ω2
2
1 d  1 ω
£ [ cos ωt ] = £  sen ωt  = s 2 2
(13)
ω  dt  ω s +ω
s
£ [cos ωt ] = (14)
s +ω2
2
Teorema do Valor Final (vide demonstração em [1]).
Se uma função f(t) tender a um valor constante quando t → ∞, esse valor poderá ser
determinado, aplicando-se:
lim f (t ) = lim s F(s) (15)

t →∞ s →∞
Exemplo 5
Determine o valor final da função, cuja transformada de Laplace é:
0,8
F (s) = (16)
s ( s + 1) (s + 2)
Solução:
Aplicando-se o teorema do valor final, tem-se:
0,8
lim f (t ) = lim s = 0, 4 (17)
t →∞ s →∞ s(s + 1) (s + 2)
Exemplo 6
Determine o valor final da função, cuja transformada de Laplace é:
0,9
F (s) = (18)
s ( s + 2)
Comprove o resultado, usando a transformada inversa.
Solução:
Aplicando-se o teorema do valor final, tem-se:
12
0,9
lim f(t) = lim s = 0, 45 (19)
t→∞ s →∞ s(s + 2)
A comprovação pode ser feita, usando-se a tabela em que se tem:
K  K
£  (1 − e − at )  = (20)
a  s( s + a)
0.9
Portanto, tem-se K = 0,9 e a = 2. Então, f(t) = (1 – e-2t)
2
Aplicando-se lim f(t) = 0,45 (vide figura 4)

t→∞
Figura 5: Resposta no tempo.
Agora é a sua vez
Atividade 1
Determine o valor final de uma função no tempo, cuja transformada de

12
Laplace é F ( s ) =
s ( s + 3)
Comprove o resultado, usando a transformada inversa.
2.2 Transformada de Laplace inversa
Conhecendo-se a transformada de Laplace de uma função, pode-se obter a função no

tempo que a originou, aplicando-se as técnicas de transformação inversa. Em muitos casos,
pode-se usar diretamente as tabelas de transformadas de Laplace. Quando aplicar as
técnicas de decomposição, apresentadas, a seguir:
13
2.2.1 Decomposição em frações parciais
As transformadas de Laplace são, muitas vezes, expressas por meio da relação entre dois
polinômios, isto é:
N (s)
F (s) = (21)
D( s )
Quando as raízes do polinômio forem reais e diferentes entre si, esta relação poderá ser
decomposta por:
A B
F (s) = + + (22)
s −a s −b
em que a, b, ... : raízes do polinômio D(s) e A, B, ... são constantes que podem ser
determinadas pela equação:
N (s) A B
= + + ... (23)
D( s) s − a s − b
As constantes A, B, ... poderão também ser determinadas aplicando-se:
(s-a) N(s)
A = lim
s→a D(s)
(24)
(s-b) N(s)
B = lim
s →b D( s )
Desta forma, pode-se aplicar diretamente a tabela de transformadas, em que:
A
£  A e at  = (25)
s−a
Então: f(t) = A eat + B ebt + ... (26)
Exemplo 7
Obtenha a função no tempo correspondente à seguinte função transformada:
1
F (s) = (27)
s + 3s 2 + 2 s
3
14
Solução:
Inicialmente, deve-se decompor o polinômio do denominador. A equação resultante é

conhecida como “equação característica”.
S3 + 3s2 + 2s = 0 (28)
As raízes dessa equação são:
s(s2 + 3s + 2) = 0 (29)
A primeira raiz é s1 = 0
Resolvendo: s2 + 3s + 2 = 0
Tem-se: s2 = -1 e s3 = -2
A transformada de Laplace pode, então, ser escrita na forma fatorada:
1
F (s) = (30)
s ( s + 1) (s + 2)
Pode-se, agora, aplicar a decomposição em frações parciais:
1 A B C
F ( s) = = + + (31)
s ( s + 1) (s + 2) s s + 1 s + 2
Para se determinar A, B e C, aplicam-se as expressões (24):
s 1
A = lim = (32)
s →0 s(s + 1) (s + 2) 2
s +1 1
B = lim = = −1 (33)
s →−1 s(s + 1) (s + 2) −1(−1 + 2)
s+2 1 1
C = lim = = (34)
s →−2 s(s + 1) (s + 2) −2(−2 + 1) 2
A transformada de Laplace fica:
1 1 1
F ( s) = − + (35)
2 s ( s + 1) 2( s + 2)
A transformada inversa pode então ser obtida, diretamente da tabela 1.
1 − t 1 -2t
f (t ) = −e + e (36)
2 2
15
A transformada inversa de 1/s é o degrau unitário, que não foi indicado na
expressão (36). Como toda a função só é válida para t > 0, pode-se multiplicar
toda a expressão (36) por u(t), obtendo-se:
1 1 
f (t ) =  − e −t + e−2t  u (t ) (37)
2 2 
Agora é a sua vez
Atividade 2
Obtenha a função no tempo correspondente à seguinte função transformada:

2
F ( s) =
s + 7 s 2 + 12 s
3
Exemplo 8
Aplique o teorema do valor final na transformada de Laplace do exemplo anterior e

comprove o resultado pela resposta no tempo.
Solução:
Aplicando-se o teorema do valor final:
lim f(t) = lim s F(s)

t→∞ s →0
1 1 (38)
lim s =
a →0 s(s + 1) (s + 2) 2
Calculando-se o valor final, diretamente da resposta no tempo:
1 1  1
lim f(t) = lim  − e −t + e −2t  = (39)
t →∞ t →∞
2 2  2
As transformadas inversas de funções, cujas equações características têm raízes múltiplas,

não podem ser obtidas diretamente pelo método anterior. A solução desse problema pode
ser obtida na referência [1].
16
2.3 Funções de transferência
Sistemas lineares com apenas uma entrada e uma saída são comumente representados por
funções de transferência. Trata-se da relação entre a transformada de Laplace da saída pela
transformada de Laplace da entrada.
Figura 6: Função de transferência.
Quando se conhece a equação diferencial que representa um sistema físico, pode-se

facilmente obter a função de transferência, aplicando-se a transformada de Laplace. O
exemplo seguinte ilustra esse método.
Exemplo 9
Obtenha a função de transferência do sistema apresentado na figura 6, considerando a

força r(t) como entrada e o deslocamento x(t) como saída.
Figura 7: Sistema mecânico.
Solução:
Sabe-se que a equação diferencial que rege esse sistema é dada por:
d 2 x(t ) dx(t )
M 2
+B + K x(t) = r(t) (40)
dt dt
Aplicando-se a transformada de Laplace em ambos os lados da equação e, considerando as

condições iniciais nulas, tem-se, pela expressão (10):
M s2 x(s) + Bs x(s) + K x(s) = r(s) (41)
17
Em que:
x(s) = £ [x(t)]
u(s) = £ [u(t)]
Então:
x( s) 1
= 2
(42)
r ( s ) Ms + Bs + K
A expressão (41) é a função de transferência do sistema mecânico da figura 6.
Exemplo 10
Determine a função de transferência do sistema da figura 7, considerando a voltagem v(t)

como entrada e a corrente como saída.
Figura 8: Circuito R – L.
Solução:
A equação diferencial que rege esse sistema pode ser obtida aplicando-se a lei das tensões
de Kirchoff, isto é, a soma algébrica das tensões em cada malha é nula.
Então:
di(t)
v (t ) = R i(t) + L (43)
dt
Aplicando-se a transformada de Laplace em ambos os lados da equação, tem-se:
V(s) = R I(s) + Ls I(s)
E a função de transferência fica:
I (s) 1
= (44)
V ( s ) Ls + R
18
2.4 Solução de equações diferenciais por meio da transformada de Laplace
Dada uma equação diferencial linear, pode-se aplicar a transformada de Laplace em ambos
os lados da equação, transformando-a em uma equação algébrica. Desta forma, pode-se
resolver a equação algébrica e, em seguida, calcular a transformada inversa, obtendo-se a
solução da equação diferencial. Esse procedimento é mostrado, a seguir, por meio de um
exemplo.
Exemplo 11
Determine a forma de onda da corrente quando a chave for fechada no instante t = 0 s, no

circuito da figura 7.
Solução:
O ato de se fechar a chave no instante t = 0 corresponde a se aplicar um degrau de tensão

de amplitude igual a 10V no circuito. Então, a tensão v(t) pode ser considerada como um
degrau de amplitude igual a 10.
v(t) = 10 u(t) (45)
A equação diferencial fica:
di(t)
R i(t) + L = v (t ) (46)
dt
Aplicando os valores:
di(t)
5 i(t) + 0,1 = 10 r(t) (47)
dt
Aplicando Laplace em ambos os lados:
10
5 I(s) + 0,1 s I(s) = (48)
s
Observe que a corrente inicial foi considerada nula i(0+) = 0, pois, no instante que se fecha a
chave, a indutância tem a propriedade de se comportar como um circuito aberto. Observe,
também, que se aplicou £[u(t)] = 1/s, conforme foi deduzido no exemplo 1.
Pode-se, então, determinar I(s) de (48):
10
I ( s) = (49)
s (0,1s + 5)
Aplica-se, então, a decomposição em frações parciais, sendo as raízes da equação

característica iguais a 0 e – 50.
10 A B
= + (50)
s (0,1s + 5) s 0,1s + 5
19
Sendo:
10s
A = lim =2
s →0 s(0,1s + 5)
(51)
10(0,1s + 5)
B = lim = −0, 2
s → -50 s (0,1s + 5)
Então, a expressão de I(s) fica:
2 0, 2
I (s) = − (52)
s 0,1s + 5
Usa-se, então, a tabela 1 para se obter a transformada inversa. Para facilitar, divide-se o
numerador e o denominador da segunda parcela de (52) por 0,1. Então:
2 2
I ( s) = − (53)
s s + 50
Observe que, desta forma, o coeficiente de “s” se torna igual a 1, facilitando o uso da tabela.
A resposta no tempo fica, então:
i(t) = (2 – 2 e-50t) u(t) (54)
Exemplo 12
Determine a resposta no tempo x(t), quando se aplicar, no instante t = 0, uma força

constante igual 1 N, na massa da figura 6. Considere M = 1, B = 3, K = 2 e as condições
iniciais nulas.
Solução:
Como a força constante foi aplicada no instante t = 0, pode-se considerar r(t) igual ao degrau
unitário. A equação fica:
d 2 x(t ) d x(t )
2
+3 + 2 x(t) = u(t) (55)
dt dt
Aplicando-se Laplace:
1
s2 x(s) + 3 s x(s) + 2 x(s) = (56)
s
1
x( s) = 2
(57)
s ( s + 3s + 2)
20
Extraindo-se as raízes da equação característica, tem-se:
s1 = 0
s2 + 3s + 2 = 0
Em que:
s2 = -1 e s3 = -2
Então:
1
x( s ) = (58)
s ( s + 1) (s + 2)
Decompondo-se em frações parciais
A B C
x(s) = + + (59)
s s +1 s + 2
Então:
s 1
A = lim =
s → 0 s(s + 1) (s + 2) 2
s +1
B = lim = −1 (60)
s →−1 s(s + 1) (s + 2)
s+2 1
C = lim =
s →−2 s(s + 1) (s + 2) 2
A resposta no tempo se torna:
1 1 
x(t ) =  − e −t + e −2t  u (t ) (61)
2 2 
Agora é a sua vez
Atividade 3
Calcule a solução da seguinte equação diferencial, sendo r(t) um degrau

unitário: s2 + 6s2 + 5s = 7 u(t)
21
3. Análise de transitórios em sistemas dinâmicos lineares
Quando um sistema dinâmico for perturbado, ocorrerá uma resposta que dependerá das
características do sistema e da perturbação. Nesta seção, são analisadas as respostas
dinâmicas de sistemas lineares de primeira e segunda ordens, isto é, regidos por equações
diferenciais de primeira e de segunda ordens, respectivamente. Inicialmente, são analisados
os sistemas de primeira ordem.
3.1 Sistemas de primeira ordem
Considere um sistema dinâmico representado pela equação:

+ ay(t) = u(t)
y(t) (62)
dy(t)
Em que y(t)
representa
dt
Aplicando-se a transformada de Laplace:
sY(s) + aY(s) = U(s) (63)
Obtém-se a função de transferência:
Y(s) 1
G(s) = = (64)
U(s) s + a
É comum representar as funções de transferência por blocos, indicando as entradas e

saídas.
Figura 10: Representação da função de transferência
A resposta no tempo y(t) dependerá da entrada u(t). Nesta secção, será considerado
sempre que u(t) seja um degrau unitário e que as condições iniciais sejam nulas.
Então:
1
Y(s) = (65)
s(s + a)
ou
K 1 1
Y(s) = , onde K = , T = (66)
s(Ts + a1 a a
22
A transformada inversa pode ser obtida diretamente da tabela:
1
y(t) = (1 − e − at ) (67)
a
ou
t
−
y(t) = K(1 − e T ) (68)
O gráfico da figura 11 mostra o comportamento dessa função, que se estabiliza no valor K,

quanto t → ∞.
a
Figura 11: Resposta do sistema de 1 ordem ao degrau unitário.
Traçando-se uma tangente à curva, no instante t = 0, esta encontra a reta y(t) = K, no

instante T. Este valor é conhecido como constante de tempo do sistema de 1a ordem.
Pode-se determinar as respostas do sistema de primeira ordem a outros tipos de excitação,

tais como, rampas, senóides etc.[1]. Estas notas se restringem à resposta ao degrau.
Exemplo 13
Determine a forma de onda da corrente, quando a chave for fechada, no instante t = 0, para
o circuito da figura 9. Considere:
v(t) = 100 u(t)
R = 2 ohm
L = 0,1 ohm
Solução:
L di(t)
A equação diferencial que rege o sistema é: v(t) = R i(t) +
dt
Aplicando-se a transformada de Laplace:

23
V(s) = R I(s) + Ls I(s)
Substituindo-se os valores
100
= 2 I(s) + 0,1 s I(s)
s
100 1
I(s) = x
s 2 + 0,1 s
Dividindo-se por 2 o numerador e o denominador, tem-se:
50
I(s) =
s(0, 05 s + 1)
A resposta no tempo, conforme a equação (67) é:
i(t) = 50(1 – e-20t)
3.2 Sistemas de segunda ordem
Os sistemas dinâmicos e lineares de segunda ordem são representados por equações

diferenciais do tipo:
y + by + cy = r(t)
(69)
Costuma-se representar essa equação na seguinte forma:
y + 2ζωn y + ω2n y = r(t)

(70)
em que
ζ: coeficiente de amortecimento do sistema;
ωn: frequência natural não amortecida.
Aplicando-se a transformada de Laplace, pode-se obter a função de transferência desse

sistema, considerando nulas as condições iniciais:
Y(s) 1
= 2 (71)
U(s) s + 2ζωn s + ω2n
Dependendo do valor de ζ, o polinômio do denominador poderá ter:
• 2 raízes reais e diferentes (ζ > 1);

• 2 raízes reais e iguais (ζ = 1);
• 2 raízes complexas conjugadas (0 < ζ < 1);
• 2 raízes complexas conjugadas com parte real nula (ζ = 0).
24
Essas quatro condições estabelecem os tipos de sistemas de segunda ordem, analisados a
seguir.
Caso Superamortecido ζ > 1
Nesse caso, o sistema apresenta 2 raízes diferentes. Por exemplo, considere que as raízes
da equação característica sejam s1 e s2, a função de transferência terá a forma:
Y(s) 1
= (72)
U(s) (s − s1 ) (s-s 2 )
Sendo assim, pode-se facilmente determinar a resposta ao degrau, aplicando a

transformação em frações parciais. O exemplo seguinte ilustra esse caso.
Exemplo 14
Determine a resposta ao degrau de um sistema regido pela seguinte função de

transferência:
Y(s) 1
= 2 (73)
U(s) s + 3s + 2
Solução
Pode-se determinar ζ e ωn. Como a forma geral da equação é:
s 2 + 2ζωn s + ω2n = 0 (74)
e a equação geral do sistema:
s2 + 3s + 2 = 0 (75)
Comparando (74) e (75):
2ζωn = 3
ω2n = 2
Então:
3
ωn = 2 = 1, 41 e ζ= = 1, 06
2 2
Trata-se, portanto, do caso superamortecido, em que se tem 2 raízes reais e diferentes. As

raízes são:
s1 = -1
s2 = -2
25
Então, a resposta ao degrau pode ser escrita:
1 1
Y(s) = x (76)
S (s + 1) (s + 2)
Decompondo-se em frações parciais:
1 A B C
= + + (77)
s(s + 1) (s + 2) s s + 1 s + 2
Em que:
s 1
A = lim = (78)
S→−1 s(s + 1)(s + 2) 2
s +1
B = lim = −1 (79)
S→−1 s(s + 1)(s + 2)
s+2 1
C = lim = (80)
S→−2 s(s + 1)(s + 2) 2
Desta forma, a transformada de Laplace da resposta ao degrau fica:
1/ 2 1 1/ 2
Y(s) = − + (81)
s s +1 s + 2
Da tabela I, obtém-se a função no tempo:
1 
y(t) =  − e− t + e −2t  u(t) (82)
2 
Caso Subamortecido 0 < ζ < 1
Nesse caso, as raízes da equação característica serão dois valores complexos conjugados.
Pode-se demonstrar (vide [1]) que, nesse caso, a resposta ao degrau, considerando nulas
as condições iniciais, será:
e −ζωn t  1− ζ2 
y(t) = 1 − sen  ωd t + arctg  (83)
1− ζ2  ζ 
 
em que
ωd = ω n 1 − ζ 2 (84)
26
O gráfico da figura 12 mostra que a resposta no tempo é oscilatória, estabilizando-se em y =
K.
a
Figura 12: Resposta ao degrau de um sistema de 2 ordem subamortecido.
Caso Criticamente amortecido ζ = 1
Nesse caso, as raízes da equação características serão reais e iguais. A resposta ao

degrau (vide [1]) será:
y(t) = 1 – cos ωn t (85)
O gráfico da figura 13 mostra que a resposta ao degrau, para o sistema criticamente

amortecido, é bastante semelhante ao caso subamortecido. A vantagem desse caso é que
se atinge mais rapidamente o valor de regime permanente.
a
Figura 13: Resposta ao degrau de um sistema de 2 ordem criticamente amortecido.
Caso Não Amortecido ζ = 0
Nesse caso, a resposta ao degrau senóide não amortecida. Pode-se deduzir a sua
expressão, fazendo-se ζ = 0 em (83), obtendo-se:
y(t) = 1 – sen ωn t (86)
O gráfico da figura 14 ilustra a resposta ao degrau.
27
Figura 14: Resposta ao degrau de um sistema não amortecido.
4. Álgebra de blocos
Os sistemas dinâmicos mais complexos são compostos de diversas unidades interligadas e

que interagem entre si. Para simplificar a sua representação, cada uma dessas unidades ou
blocos pode ser representada por sua função de transferência. Pode-se, então, obter a
função de transferência global do sistema, fazendo-se a composição desses blocos. A
seguir, são apresentadas as principais operações da álgebra de blocos.
4.1 Blocos em série
Sejam os blocos da figura 15 com as funções de transferência G1(s) e G2(s).
Figura 15: Blocos em série.
Como U1(s) = G1(s) U(s),

e Y(s) = G2(s) U1(s), (87)
tem-se Y(s) = G2(s) G1(s) U(s)
Portanto, a função de transferência do sistema global será:

Y(s)
= G1 (s) G 2 (s) (88)
U(s)
Sendo assim, a função de transferência do sistema é igual ao produto das funções de
transferência de cada bloco.
28
Exemplo 15
Qual a função de transferência do sistema equivalente.
Figura 16: Blocos em série.
Solução: A função de transferência será:

Y(s) 1.5
=
U(s) (s + 1)(s + 2)
4.2 Blocos em paralelo

Considere um sistema com duas entradas e uma saída, como na figura 17.
Figura 17: Blocos em paralelo.
Observe que, nesse caso, foi usado o bloco somador.
Figura 18: Somador
Trata-se de uma representação que pode ser usada para adições e subtrações com
qualquer número de entradas.
O resultado Y(s) será:
Y(s) = G1(s).U1(s) + G2(s) U2(s) (89)
29
4.3 Blocos em realimentação
O arranjo mostrado na figura 19 é a base dos sistemas de controle automáticos, em que se

deseja que a saída y(t) acompanhe a entrada u(t). Para tanto, através de um somador,
calcula-se o erro de controle e(t) que é usado como excitação.
Figura 19: Sistema com realimentação.
Para se deduzir a saída Y(s), basta aplicar:

Y(s) = G(s) . E(s) (90)
Como E(s) = U(s) – H(s) Y(s) (91)

Então, Y(s) = G(s) (U(s) – H(s) Y(s))
Em que
Y(s) G(s)
= (92)
U(s) 1 + G(s)H(s)
Exemplo 16
Determine o bloco equivalente ao seguinte arranjo:
Figura 20: Exemplo de realimentação
Solução: por se tratar de um sistema realimentado, basta aplicar a expressão (92).
30
2
Y)(s) S +1
=
U(s) 1 + 2 1
.
s +1 s + 2
Y(s) 2
Portanto: = 2
U(s) s + 3s + 4
Agora é a sua vez

Atividade 4
Determine o bloco equivalente:
Figura 21: Sistema com realimentação unitária.
4.4 Sistemas com mais de uma entrada
Nas indústrias, são muito comuns os processos com diversas entradas. Nesses casos,
pode-se aplicar o princípio da superposição dos sistemas lineares, para se determinar a
saída.
A figura 22 apresenta um caso com 2 entradas.
Figura 22: Sistema com duas entradas.
31
Nesse caso, considera-se, inicialmente P(s) = 0, calculando-se Y1(s)
Figura 23: Considerando-se P(s) = 0.
G1 (s)G 2 (s)
Então: Y1 (s) = 4(s) (93)
1 + G1 (s)G 2 (s)H(s)
Considera-se, em seguida, U(s) = 0 e calcula-se Y2(s). Observa-se que, nesse caso, a

realimentação passa a ser G1(s) H(s).
Figura 24: Considerando-se U(s) = 0.
G 2 (s)
Então: Y2 (s) = P(s) (94)
1 + G1 (s)G 2 (s)H(s)
A saída Y(s) será, então, a soma de Y1(s) e Y2(s):
G1 (s)G 2 (s) G 2 (s)

Y(s) = 4(s) + P(s) (95)
1 + G1 (s)G 2 (s)H(s) 1 + G1 (s)G 2 (s)H(s)
32
Exemplo 17
No sistema da figura 22, determine Y(s), considerando:
1 2
G1 (s) = G 2 (s) =
S +1 S+3
H(s) = 1 e U(s) = P(s) = degrau unitário.
Solução: Sendo U(s) = P(s) = 1/s, tem-se pela expressão (95):
1 2 2
.
1 1
Y(s) = s + 1 s + 3 . + s+3 .
1 2 s 1 2 s
1+ . 1+ .
s +1 s + 3 s +1 s + 3
1 2 1 2(s + 1) 2 s+4
Y(s) = + => Y(s) = 2
s (s + 1)(s + 3) + 2 s (s + 1)(s + 3) + 2 s(s + 4s + 5)
Agora é a sua vez
Atividade 5
Determine o bloco equivalente.
Figura 25: Exemplo de sistema com 2 malhas.
5. Equações de estado
A teoria dos sistemas de controle costuma ser dividida em:

• controle clássico: analisa os sistemas lineares que possuem apenas uma entrada
e uma saída. Usa, como ferramenta matemática, a transformada de Laplace;
• controle moderno: analisa sistemas com múltiplas entradas e saídas, lineares ou
não-lineares. Usa como ferramenta matemática a representação por variáveis de
estado.
33
Nesta parte do capítulo, veremos o estudo do controle moderno. Para tanto, analisaremos
os sistemas lineares com uma entrada e uma saída. Inicialmente, apresentaremos o
conceito de variáveis e equações de estado, mostrando como é possível transformar uma
equação diferencial de ordem n em n equações de estado, isto é n equações diferenciais de
primeira ordem. No caso de equações que representam sistemas físicos reais, pode-se
escolher as variáveis de estado que representem grandezas físicas mensuráveis, embora
isso não seja mandatório. Em seguida, mostraremos que o conjunto de variáveis de estado
não é único, isto é, pode-se criar um número infinito de conjuntos de variáveis de estado
para o mesmo sistema físico.
Pode-se definir equações de estado como um conjunto de equações diferenciais de primeira
ordem que representam um sistema dinâmico. Por exemplo, considere a seguinte equação
diferencial de segunda ordem.
y + ay + by = r

(96)

y(0) = y(0) + 0
em que:
d 2 y (t ) dy(t)
y ,
y : representam 2
e , respectivamente.
dt dt
a, b: constantes
r: trata-se da função de excitação r(t), em que se omite a variável t, para simplificar a
notação.
y(0),
y(0) : condições iniciais, isto é valores de y ( t ) e y(t) para t = 0.
A obtenção das equações de estado deve seguir os seguintes passos:
1o Passo: escolha das variáveis de estado

O número de variáveis de estado deve ser igual à ordem do sistema. Para o sistema da
equação (95), pode-se escolher quaisquer combinações lineares das variáveis y e y . Por
exemplo, pode-se escolher as variáveis de estado x1 e x2, tal que:
x1 = y
(97)
x2 = y
2o Passo: dedução das equações de estado

Derivando-se x1 e x2, tem-se:
x 1 = y
(98)
x 2 =
y
34
Em que, substituindo-se y de (96):
x 1 = y
(99)
x 2 = −ay − by + r
Substituindo y e y de (97) em (99), tem-se:
 x = x 2
Equações de Estado  1 (100)
 x 2 = bx1 − ax 2 + r
Equação de saída {y = x1 (101)
Observe que, tanto as variáveis de estado, como a equação de saída, podem ser escolhidas
conforme a conveniência. Por exemplo, o sistema da equação (96) poderia estar
representando um sistema mecânico. Poder-se-ia, então, escolher, como variável de saída,
tanto a velocidade y como o deslocamento y.
3o Passo: escrevendo na forma matricial

As equações (100) e (101) podem ser facilmente colocadas na forma matricial.
 x 1   0 1   x1   0 
 x  =  − b −a   x  1  r
 2    2  
(102)
x 
y = [1 0]  1 
x2 
ou na forma concisa:
x = Ax + Br
(103)
y = Cx
em que x ∈Rn: vetor de estado

A: matriz de estados n x n
B : matriz de entrada n x 1
C: matriz de saída 1 x n
O exemplo seguinte ilustra esse método.
Exemplo 18
Escreva um conjunto de equações de estado correspondente à seguinte equação
diferencial:
35

y + 3y + 2y = r

= y(0) = 0
 y(0)
Solução:
1o Passo Escolha das variáveis de estado:
x1 = y
x 2 = y
2o Passo Dedução das equações de estado:
x 1 = x 2
x 2 = −2x1 − 3x 2 + r
y = x1
3o Passo Forma matricial:
 x 1   0 1   x1   0 
 x  =  −2 −3  x  1  r
 2    2  
x 
y = [1 0]  1 
x 2 
Agora é a sua vez

Atividade 6
Escreva um conjunto de equações de estado, correspondentes à seguinte
equação diferencial:
y + 3y
+ 2y + y = r(t)
A obtenção das equações de estado pode ser feita de várias formas. O exemplo seguinte
mostra como se pode obter as equações de estado de um sistema, apresentado na forma
de função de transferência.
Exemplo 19
Escreva um conjunto de equações de estado de um sistema cuja função de transferência é:
Y(s) 1
=
R(s) (s + 2)(s + 3)
36
Solução:
Pode-se, inicialmente, obter a equação diferencial:
Y(s) 1
= 2
R(s) s + 5s + 6
s2 Y(s) + 5s Y(s) + 6 Y(s) = R(s)
Ou y = +5y + 6y = r

Escolhendo: x1 = y
x 2 = y
Tem-se: x 1 = x 2
x 2 = −6x1 − 5x 2 + r
y = x1
Na forma matricial:
 x 1   0 1   x1  0 
 x  =  −6 −5  x  + 1  r
 2    2  
x 
y = [1 0]  1 
x2 
Agora é a sua vez
Atividade 7
Escreva um conjunto de equações de estado que possa representar o
Y(s) 1
sistema = 3 2
R(s) s + 3s + 4s + 5
5.1 Mudança de variáveis
Um mesmo sistema dinâmico pode ser representado por inúmeros conjuntos de equações
de estado. Pode-se, por exemplo, definir novas variáveis de estado e relacioná-las por meio
de uma transformação linear.
Considere um sistema dinâmico representado por:
37
x = Ax + Bu
(104)
y = Cx , x ∈ R n .
Considere que se escolham as novas variáveis de estado z ∈ Rn, tais que:
X = Pz (105)
Em que:
p: matriz n x n não singular
Derivando-se (105), tem-se:
x = Pz (106)
Substituindo-se (105) e (106) em 104),
Pz = APz + Bu
(107)
y = CPz
Premultiplicando por P-1, tem-se,
P −1Pz = P −1APz + P −1Bu

(108)
y = CPz
Como P-1 P = I, matriz identidade, tem-se,
z = P −1APz + P −1Bu
(109)
y = CPz
Observe que este é um novo conjunto de equações de estado, representando o mesmo

sistema dinâmico, como mostra a figura 26.
Figura 26: Duas representações para o mesmo sistema dinâmico.
Exemplo 20
Obtenha outro conjunto de equações de estado para o sistema, representado no exemplo

17.
Solução: A equação de estado obtida no exemplo 17 foi:
38
 x 1   0 1   x1  0 
 x  =  −6 −5  x  + 1  u
 2    2  
x 
y = [1 0]  1 
x2 
Escolhendo-se as novas variáveis z1 e z2 e aplicando-se a transformação linear x = Pz:
 x1  1 0   z1 
 x  = 0 2   z 
 2    2
tem-se:
1 0   z 1   0 1  1 0   z1  0 
0 2   z  =  −6 −5 0 2   z  + 1  ou
   2      2  
1 0   z1 
y = [1 0]    
0 2   z 2 
Pré-multiplicando pro P-1, sendo:
1 0 
P −1 =  
 0 1/ 2
Tem-se:
 z 1  1 0   0 1  1 0   z1  11/ 2 0   0 
 z  = 0 1/ 2  .  −6 −5 0 2   z  + 0   1  u
 2        2    
z 
y = [1 2]  1 
z2 
Então,
 z 1   −6 2   z1   0 
 z  =  −3 −5  z  + 1/ 2  u
 2    2  
z 
y = [1 0]  
z2 
39
5.2 Autovalores da matriz de estado
Pode-se demonstrar que os autovalores da matriz de estado correspondem aos polos da

função de transferência, isto é, as raízes da equação característica. Inicialmente, faz-se uma
breve revisão do conceito de autovalores de uma matriz.
5.2.1 Autovalores de uma matriz

Por definição, os autovalores de uma matriz A é a solução da seguinte equação:
|λ I – A | = 0 (110)
em que
| | : indica o determinante da matriz
I : matriz identidade
λ : escalar
O exemplo seguinte ilustra essa operação:
Exemplo 21
Obtenha os autovalores da matriz:
 0 1
A= 
 −6 5
Solução: aplicando a definição dada pela equação (110), tem-se:
1 0   0 1 
λ −  =0
 0 1   −6 5
Então:
λ −1
=0
6 λ+5
Em que:
λ(λ + 5) + 6 = 0 ou λ2 + 5λ + 6 = 0
Extraindo-se as raízes:
40
−5 ± 25 − 24
λ=
2
Então, os autovalores serão: λ1 = - 2 e λ2 = -3
Observe que a matriz A do exemplo 19 corresponde à matriz de estado do exemplo 17 e os

seus autovalores são iguais ao pólo da função de transferência correspondente.
Exemplo 22
Obtenha os autovalores da matriz

0 1 0 
A = 0 0 1 
0 −2 −3
Solução:
Aplicando a definição:
|λI–A|=0
Tem-se,
1 0 0   0 1 0 
λ 0 1 0  −  0 0 1  = 0
0 0 1   0 −2 −3
em que,
λ −1 0
0 λ −1 = 0
0 2 λ+3
Resolvendo o determinante, temos λ3 + 3λ2 + 2λ = 0
Cujas raízes λ1 = 0, λ2 = -1 e λ3 = -2 são os autovalores de A.
5.2.2 Invariância dos autovalores
Pode-se verificar que os autovalores de uma matriz A não variam caso esta matriz seja
submetida a uma transformação linear do tipo:
A’ = P-1 AP (111)
Em que:
P = matriz não singular

41
Este lema pode ser facilmente verificado. Considere a definição dos autovalores de A’.
| λ I – A’| = 0 (112)
ou
| λ I – P-1 AP | = 0 (113)
Como:
I = P-1 P (114)
tem-se:
| λ P-1 P – P-1 AP | = 0 (115)
Colocando P-1 e P em evidência:
| P-1 (λ I – A) P | = 0 (116)
Mas, o determinante de um produto de matrizes é igual ao produto dos determinantes

dessas matrizes. Então:
| P—1 | | λ I – A| | P | = 0 (117)
Como o determinante de uma matriz é um escalar, então o produto é comutativo. Então:
| P-1 | | P | | λ I – A| = 0 (118)
Novamente, aplica-se a propriedade do produto de determinantes:
|P-1 P | | λ I – A | = 0 (119)
Como |P-1 P | = I, obtém-se a equação | λ I – A | = 0, demonstrando que as suas raízes são

as mesmas de | λ I – P-1 AP | = 0.
Esse resultado mostra que, aplicando-se uma transformação linear para se produzir uma
mudança de variáveis em uma equação de estado, obtém-se uma nova equação cuja matriz
de estado possui os mesmos autovalores da equação anterior. Ele está de acordo com a
afirmação de que os autovalores da matriz de estado correspondem aos polos da função de
transferência correspondente. Vejamos, outro exemplo que ilustra esse fato.
Exemplo 23
Dada a seguinte função de transferência:
Y(s) 1
=
R(s) s(s + 3)(s + 4)
42
Pede-se:
a) obter uma equação de estado correspondente;

b) verificar se os autovalores da matriz de estado correspondem aos polos da função de
transferência;
c) aplicar uma transformação linear;
d) verificar se os autovalores da nova matriz de estado correspondem aos polos da função
de transferência original.
Solução:
a) Obtenção da equação de estado:
Y(s) 1
= 3
R(s) s + 7s 2 + 12s
A equação de estado fica:
y + 7y
+ 12y = r
Adotando:
x1 = y x 2 = y x 3 =
y
Então:
x 1 = x 2
x 2 = x 3
x 3 = −12x 2 − 7x 3 + r
y = x1
Na forma matricial
 x 1  0 1 0  x1   0 
 x  = 0 0 1   x  + 0  r
 2   2  
 x 3  0 −12 −7   x 3  1 
 x1 
y = [1 0 0]  x 2 
 x 3 
b) Cálculo dos autovalores:
43
1 0 0   0 1 0
  
λ 0 1 0  − 0 0 1  = 0
0 0 1  0 −12 −7 
λ −1 0
0 λ −1 = 0
0 12 λ + 7
λ2(λ + 7) + 12λ = 0
λ3 + 7λ2 + 12λ = 0
Cujas raízes são: λ1 = 0, λ2 = - 3, λ3 = - 4, que correspondem aos polos da função de

transferência original.
c) Aplicando-se uma transformação linear:
 x1  1 0 0   z1 
 x  = 0 2 0 z 
 2    2
 x 3   0 0 1   z3 
A matriz inversa é:
1 0 0 
P = 0 1 / 2 0 
−1
0 0 1 
z = P −1APz + P −1Br
 z 1  1 0 0  0 1 0  1 0 0   z1  1 0 0  0 
 z  = 0 1/ 2 0  0 0 1  0 2 0   z  + 0 1/ 2 0  0  r
 2        2    
 z 3  0 0 1  0 -12 -7  0 0 1   z 3  0 0 1  1 
1 0 0   z1 
y = [1 0 0] 0 2 0   z 2 
0 0 1   z 3 
44
 z 1  0 2 0   z1  0 
 z  = 0 0 1/ 2  z  + 0  r
 2    2  
 z 3  0 −24 −7   z3  1 
 z1 
y = [1 0 0]  z 2 
 z 3 
d) Determinação dos autovalores da nova matriz de estado:
λ 0 0  0 2 0
   
 0 λ 0  - 0 0 1/2  = 0
 0 0 λ  0 -24 -7 
λ −2 0
0 λ −1/ 2 = 0
0 24 λ+7
λ2(λ + 7) + 12λ = 0
λ3 + 7λ2 + 12λ = 0
As raízes são λ1 = 0, λ2 = -3 e λ3 = -4, que correspondem aos polos da função de

transferência original.
Sintetizando...
O exemplo 22 mostra que o comportamento dinâmico do sistema se mantém

quando se aplica uma transformação de variáveis. Esse comportamento é
característico pelos autovalores da matriz de estado.
5.2.3 Solução da equação de estado homogênea
Para que uma equação diferencial tenha resposta não nula é necessário que haja excitação
ou condições iniciais não nulas. Se a equação é homogênea, isto é, se a excitação for nula,
então a resposta dinâmica dependerá somente das condições iniciais. Nessa seção, deduz-
se a expressão da resposta dinâmica de um sistema cuja excitação é nula. A essa
expressão, dá-se o nome de resposta da homogênea. Inicialmente, deduz-se a expressão
da resposta da homogênea de uma equação de primeira ordem.
45
• Equação de primeira ordem
Seja um sistema de primeira ordem representado pela equação (110):

= ax(t)
x(t)
(120)
x(0) = x 0
Como se trata de um sistema de tempo contínuo, a sua resposta x(t) será contínua e poderá
ser aproximada por um polinômio, tal como a expressão (121):
x(t) = b0 t + b2 t2 + b3 t3 + ... (121)
Se a expressão (121) for a solução da equação (120), então deverá satisfazê-la. Então,
derivando (121) e substituindo em (120):
B1 + 2 b2t + 3 b3 t2 + ... = a(b0 + b1t + b2t2 + b3t3 + ...) (122)
Portanto, igualando-se os termos de mesma ordem, tem-se:
b1 = ab 0
a
b2 = b1
2 (123)
ab
b3 = 2
3

Para que o conjunto (123) possa ser determinado, deve-se, inicialmente, calcular b0. Este
deve ser obtido do estado inicial, isto é, em (121) aplica-se t = 0, obtendo-se:
B0 = x(0) = x0 (124)
Então:
b1 = ax 0
a a2
b 2 = ( ax 0 ) = + x 0
2 2 (125)
2
a a a3
b3 = x x 0 = − x 0
3 2 3!

Substituindo-se em (121), obtém-se a resposta no tempo:
a2 2 a3 3
x(t) = 1 + at + t + t + )x 0 (126)
2! 3!
46
A série entre parâmetros na expressão (117) converge para eat. Então, a solução da não
homogênea fica:
X(t) = eat . x0 (127)
Para se obter a solução de um sistema de ordem superior, pode-se aplicar o mesmo

procedimento.
• Solução da Equação de Estado Homogênea de Ordem n

Seja o sistema
= Ax(t)
x(t)
(128)
x(0) = x 0
em que
x ∈ Rn: vetor de estado
Como se trata de um sistema de tempo contínuo, todas as variáveis de estado x1(t), x2(t), ...
serão contínuas no tempo e poderão ser aproximadas por polinômios, tal como:
x1(t) = B01 + B11t + B21t2 + B31t3 + ...
x2(t) = B02 + B12t + b22t2 + B32t3 + ... (129)
...
Escrevendo (117) de forma concisa:
x(t) = B0 + B1t + B2t2 + B3t3 + ... (130)
Em que
x(t), B0, B1, B2, ... ∈ Rn.
Se a expressão (130) for a solução da equação (128), então deverá satisfazê-la. Então,
derivando (130) e substituindo-se em (128):
B1 + 2B2t + 3B3t2 + ... = A(B0 + B1t + B2t2 + ...) (131)
Portanto, igualando-se os termos de mesma ordem, tem-se:
B1 = AB0
1
B2 = AB1
2 (132)
1
B3 = AB2
3

Para que os vetores B1, B2, B3 ... possam ser determinados, deve-se, inicialmente,
determinar B0. Este deve ser obtido a partir do estado inicial, isto é, em (129) aplica-se t = 0,
obtendo-se:
47
B0 = x(0) = x0,
então,
B1 = Ax 0
1 1
B2 = A(Ax 0 ) = A 2 x 0 (133)
2 2
1 1 1
B3 = A A 2 x 0 = − A3 x 0
3 2 3!
Substituindo-se em (130), obtém-se a resposta no tempo:
1 2 2 1
x(t) = x 0 + Ax 0 t + A x 0 t + x 0 t 3 + ... (134)
2! 3!
Como cada parcela da expressão (134) é um vetor, colocando-se x0 em evidência, obtém-

se:
 t2 t3 
x(t) =  I + At + A 2 + A 3 + ...  x 0 (135)
 2! 3! 
Em que:
I: matriz identidade.
Nesse caso, o termo entre parênteses na expressão (135) não pode ser diretamente
aproximado por uma série, pois se trata de uma soma de matrizes. Porém, cada elemento
da matriz resultado é um polinômio em t, que poderá ser aproximado por uma soma de
exponenciais em t.
Por esse motivo, o termo entre parênteses na expressão (135) foi denominado matriz
exponencial, isto é:
t2 t3
eAt = I + A 2 + A3 + ... (136)
2! 3!
Então, a solução da homogênea fica:
X(t) = eAt x0 , x(t) ∈ Rn (137)
Observe que eAt é uma matriz, cujos elementos são polinômios em t. Como x0 é um vetor de
n elementos, tem-se que x(t) também é um vetor de n elementos compostos de polinômios
em t. Esses polinômios podem ser aproximados por somas de funções exponenciais.
Há vários métodos para se obter essa solução, dependendo de como se classificam os

autovalores da matriz de estado. Estes podem ser:
• reais e diferentes;
• complexos conjugados;
• múltiplos.
48
Parada obrigatória
Quando os autovalores são complexos, a resposta no tempo se torna

oscilatória.
Na seção seguinte, apresentamos um método simples para se obter a resposta no tempo.
• Solução exata da equação de estado homogênea
Pode-se demonstrar (vide [1]) que a solução da equação de estado homogênea pode ser
obtida a partir de:
X(t) = £-1[(sI – A)-1 x(0)] (138)
O exemplo seguinte ilustra a aplicação desse método.
Exemplo 24
Obtenha a resposta no tempo x1(t) e x2(t) do sistema representado por:
 x 1   0 1   x1 
 x  =  −6 −5  x 
 2    2
Considere as seguintes condições iniciais:
x1(0) = 1 e x2(0) = 0
Solução:
Por se tratar de uma equação homogênea, pode-se aplicar diretamente a expressão (138).
Determinando (sI – A):
 s 0   0 1   s −1 
[sI − A] =   −  −6 −5 = 6 s + 5
 0 s     
Determinando (sI – A)-1:
T s 6 
( sI − A ) = 
 −1 s + 5
|sI –A| = s(s + 5) + 6 = s2 + 5s + 6 = (s + 2) (s + 3)
49
 s+5 1 
 (s + 2(s + 3) (s + 2)(s + 3) 
( sI − A ) =  
−1
 −6 S 
 (s + 2)(s + 3) (s + 2)(s + 3) 

 s+5 1 
 (s + 2)(s + 3) (s + 2)(s + 3)  1 
( sI − A ) .x(0) =    
−1
 −6 s  0 
 (s + 2)(s + 3) 
(s + 2)(s + 3) 

 s+5 
 (s + 2)(s + 3) 
= 
 −6 
 (s + 2)(s + 3) 
 
Então:
 s+5 
x1 (t) = £ −1  
 (s + 2)(s + 3) 
 −6 
x 2 (t) = £ −1  
 (s + 2)(s + 3) 
Decompondo em frações parciais:
s+5 A B
= +
(s + 2)(s + 3) s + 2 s + 3
(s + 2)(s + 5)
A = lim =3
S→−2 (s + 2)(s + 3)
(s + 3)(s + 5)
B = lim = −2
S→−3 (s + 2)(s + 3)
−6 C D
= +
(s + 2)(s + 3) s + 2 s + 3
−6(s + 2)
C = lim = −6
S→−2 (s + 2)(s + 3)
−6(s + 3)
D = lim =6
S→−3 (s + 2)(s + 3)
50
Então:
 3 2 
x1 (t) = £ −1  −  = 3e −2t − 2e−3t
s + 2 s + 3
 −6 6 
x 2 (t) = £ −1  −  = 6e −3t − 6e −2t
s + 2 s + 3
• Solução da equação de estado não homogênea
Um sistema dinâmico submetido a uma excitação é representado por equações diferenciais

não homogêneas ou equações de estado não homogêneas, tais como:
x = Ax + Br
(139)
x(0) = x 0 , x ∈ Rn
A solução dessa equação fornecerá a resposta no tempo para todas as variáveis de estado,
quando o sistema for submetido à excitação r(t).
Pode-se demonstrar (vide [1]) que a resposta no tempo é dada por:
t
x(t) = e At x(0) + ∫ e A(t −τ) Br( τ)dτ (140)
0
em que eAt: matriz exponencial.
A solução apresentada em (140) exige, inicialmente, a determinação da matriz exponencial

eAt.
Pode-se, também, demonstrar (vide [1]) que a resposta no tempo poderá também ser obtida
por:
s(s) = (sI – A)-1 x(0) + (sI – A)-1 BR(s) (141)
Determinando-se a transformada inversa de (141), obtém-se a resposta no tempo.
Do exemplo 23:
 s+5 1 
 (s + 2)(s + 3) (s + 2)(s + 3) 
(sI − A)−1 =  
 −6 s 
 (s + 2)(s + 3) (s + 2)(s + 3) 

0 1
B=  e R(s) =
1  s
Então:
51
1 1 s 1
X1 (s) = . X 2 (s) = .
(s + 2)(s + 3) s (s + 2)(s + 3) s
6. Propriedades dos sistemas dinâmicos lineares

Diversas características dos sistemas dinâmicos devem ser analisadas para que se possa
obter o melhor desempenho possível dos processos industriais e equipamentos. A análise
dos sistemas lineares estabelece a base teórica para o projeto de sistemas de controle, ou
controladores. Esses controladores estão presentes nas indústrias, eletrodomésticos,
equipamentos hospitalares, automóveis, entre outros. Nesta seção, apresentam-se de forma
qualitativa as propriedades mais importantes dos sistemas lineares.
• Causalidade
Na formulação das equações dinâmicas, deve-se atentar para o fenômeno causalidade,
que estabelece que em um sistema causal, o estado presente sempre afetará o futuro,
nunca o passado.
• Estabilidade
Um sistema estável, quando submetido a uma excitação limitada, deverá produzir uma
resposta limitada. Sistemas lineares, cujos autovalores da matriz de estados possuem
parte real negativa são estáveis. Liapunov, no final do século XIX, estabeleceu as bases
para a análise de sistemas dinâmicos lineares e não lineares. Sua teoria continua até os
dias atuais em aplicação e desenvolvimento.
• Controlabilidade
A análise de controlabilidade considera a influência da excitação nas variáveis de estado
e nas saídas dos sistemas dinâmicos. Sendo assim, um sistema será de estado
controlável quando a excitação for capaz de afetar as variáveis de estado em questão.
Da mesma forma, um sistema dinâmico será considerado controlável na saída, quando a
excitação for capaz de afetar a saída do sistema.
• Observabilidade
Nos sistemas dinâmicos industriais, a aplicação das técnicas de controle moderno exige
que se meçam as variáveis de estado. Entretanto, isso pode ser muito dispendioso ou
impraticável. A solução está em se estimar tais valores, usando-se a técnica dos
estimadores de estado, a partir das variáveis de saída e de entrada. Porém, esta técnica
somente é possível se o sistema for observável, isto é, permitir que a estimação das
variáveis de estado seja possível, partindo-se das medições das variáveis de entrada e
de saída.
52
Resumo
Neste capítulo, demonstramos formas de modelamentos de sistemas dinâmicos lineares,
utilizando como ferramenta a Transformada de Laplace, podendo, assim, econtrarmos a
equação de transferência de uma malha de controle que será de suma importância em sua
vida acadêmica e profissional. Os conceitos demonstrados são métodos utilizados para a
resolução de problemas em uma planta industrial ou não.
Referências
CHENG, C.T. Analysis of linear systems. [s. l.]: Addison-Wesley Publishing Company,
Inc., 1959.
DORF, R.C. Modern control systems. 6. ed. [s. l.]: Addison-Wesley Publishing Company,
Inc., 1992.
KAILATH, T. Linear systems. São Paulo: Prentice-Hall, Inc, 1980.
OGATA, K. Engenharia de controle moderno. 3. ed. São Paulo: Prentice-Hall do Brasil,

1998.
53
2 Modelamento matemático de sistemas
Marcelo Lucas
Introdução
Este capítulo faz parte de um conjunto de materiais básicos e necessários para o

desenvolvimento dos demais conteúdos do componente “Controle de Sistemas Contínuos”.
Tem como principal objetivo auxiliá-lo na construção de conhecimentos sobre os principais
conceitos, envolvendo função de transferência, representação de sistemas por meio de
diagrama de blocos e a importância da modelagem matemática para a compreensão do
comportamento dos sistemas físicos.
Nesta perspectiva, organizamos este capítulo, em que, inicialmente, são abordados

conteúdos referentes à base da teoria clássica de controle: função de transferência. Em
seguida, você estudará a representação dos sistemas dinâmicos na forma de diagrama de
blocos e como se pode utilizar a álgebra de diagrama de blocos para simplificar os sistemas.
Para finalizar, você aprenderá o conceito de modelagem matemática e modelagem de
alguns processos simplificados.
Função de transferência
É a representação matemática da relação entre a entrada e a saída de um sistema.
Sistema
Consiste de componentes, entidades, partes ou elementos, embora também possam ser vistos
como subsistemas, e as relações entre eles. A integração entre tais componentes pode ocorrer por
fluxo de informações, matéria, energia.
Processo
Conjunto sequencial e peculiar de ações que objetivam atingir uma meta. É usado para criar,
inventar, projetar, transformar, produzir, controlar, manter e usar produtos ou sistemas.
Atenção!
Para que você consiga ter um aproveitamento melhor em seus estudos, sugerimos que faça
um resumo das principais dificuldades encontradas. Essas dificuldades servirão para
posterior discussão entre todos os envolvidos no processo ensino e aprendizagem.
Alguns exercícios foram propostos ao final do capítulo. Faça e refaça esses exercícios,
atentando-se para o raciocínio e desenvolvimento realizados. Veja que, em cada exercício,
há um raciocínio diferente e um procedimento a seguir. Assim, você só conseguirá
compreendê-los se praticar bastante.
Não acumule dúvidas! Lembre-se de que é importante a compreensão dos conceitos

trabalhados para a resolução dos problemas que os envolvem.
Bom trabalho!
54
Objetivos
Ao término dos estudos propostos, você estará apto(a) a:

• desenvolver modelos para sistemas mecânicos, elétricos, de fluidos e térmicos;
• representar um modelo matemático na abordagem do controle de processos;
• manipular os componentes dos modelos de processo;
• representar os modelos e sistemas de controle de processos em diagramas em
blocos;
• resolver sistemas de controle manipulando os diagramas de blocos.
Esquema
1. Modelagem matemática de sistemas

2. Funções de transferência
2.1. Parâmetros da função de transferência
2.1.1. Parâmetros relevantes da função de transferência
3. Ganho do sistema a partir da função de transferência
4. Representação de sistemas por diagramas de blocos
5. Terminologia
5.1. Diagrama em blocos
5.2. Álgebra de blocos
5.2.1. Blocos em cascata
5.2.2. Bloco com ramo de realimentação
5.2.3. Blocos em cascata com ramo de realiemntação
5.2.4. Blocos em paralelo
6. Procedimento para construção do diagrama de blocos de um sistema
7. Relação entre funções de transferência e diagramas de blocos
7.1. Simplificação do diagrama em blocos
7.2. Entradas múltiplas
1. Modelagem matemática de sistemas
O projeto e a análise dos sistemas de controle estão baseados na obtenção de modelos

matemáticos dos sistemas físicos. Estes modelos são regidos por leis físicas que
caracterizam o processo, e são, geralmente, equações diferenciais não lineares altamente
interdependentes. Felizmente, muitos sistemas físicos têm comportamento linear em torno
de um ponto de operação, dentro de certa faixa de variáveis, sendo possível desenvolver
aproximações lineares para estes sistemas.
O comportamento de muitos sistemas, sejam eles mecânicos, elétricos, térmicos,

econômicos, biológicos, podem ser descritos em termos de equações diferenciais. Tais
equações podem ser obtidas, utilizando-se as leis físicas e químicas que governam um
sistema particular, por exemplo, as leis de Newton, dos sistemas mecânicos, e as leis de
Kirchhoff para os sistemas elétricos.
55
Equação diferencial
É uma equação cuja incógnita é uma função que aparece na equação sob a forma das respectivas
derivadas. As equações diferenciais são essenciais para o campo da Física. Uma equação diferencial
ordinária (EDO) contém apenas funções de uma variável e derivadas daquela mesma variável.
Para qualquer tipo de sistema, existe sempre uma equação matemática que descreve a
relação entre suas variáveis de entrada e de saída. Essa equação, chamada de modelo
matemático, permite o estudo e a compreensão do comportamento dinâmico do sistema.
Modelo matemático
Consiste numa representação ou interpretação simplificada da realidade, ou uma interpretação de um
fragmento de um sistema, segundo uma estrutura de conceitos mentais ou experimentais.
Veja um exemplo:
A Figura 1 apresenta o gráfico relacionando a velocidade de rotação (ω) do eixo de um

motor em função da tensão aplicada (V).
Figura 1 - Velocidade versus Tensão aplicada nos terminais de um motor.
De acordo com a Figura 1, para cada 10 volts aplicados na alimentação do motor, a

velocidade em seu eixo é acrescida em 100 rpm. Neste sentido, de forma simplificada,
pode-se dizer que a equação que relaciona velocidade e tensão aplicada é:
ω = f(v)
ω = K.v
ω = 10.v Equação 1
Em que K é o ganho do motor, em rpm/v.

Pode-se observar que existe uma impossibilidade dos sistemas dinâmicos transferirem,
instantaneamente, as variações aplicadas na entrada para sua saída, portanto, raramente
teremos equações do tipo y(t) = Kt.
A Figura 2 representa, de forma real, o acréscimo da velocidade de rotação do eixo do

motor, quando aplicada uma tensão de 100 volts em seus terminais.
56
Figura 2 - Resposta do motor a uma excitação degrau.
Analisando a Figura 2, constatamos que quando uma variação instantânea de tensão é

aplicada no instante zero, existe um intervalo de tempo de transição do repouso para a
velocidade de estabilização final.
Dessa forma, há algumas considerações importantes a serem apontadas:
• a inércia do rotor e a indutância dos enrolamentos são os parâmetros que provocam

o atraso na resposta e a oscilação em torno do valor final de velocidade;
• o instante ts é definido como o tempo de estabilização da saída, no caso, da
velocidade;
• no intervalo de tempo de 0 a ts, ocorre a resposta transitória do sistema, e, a partir
de ts, a resposta de regime permanente ou estacionária;
• a Equação 1 só é válida no regime estacionário;
• o modelo matemático deduzido, a partir das leis da Física, apresentará os devidos
parâmetros para representar com fidelidade a resposta completa do sistema.
A presença de transitórios na saída de um sistema dinâmico é normalmente ocasionada

pela existência de energia armazenada em elementos, tais como massa, indutância, inércia
e capacitância, impedindo a saída de acompanhar, instantaneamente, mudanças bruscas na
entrada. Uma vez vencida a fase transitória, o sistema atinge a referência, permanecendo
nesse valor, se não houver erro, até uma nova mudança na entrada.
2. Funções de transferência
Em teoria de controle, as funções de transferência são comumente usadas para caracterizar

as relações de entrada-saída de componentes ou sistemas que podem ser descritos por
equações diferenciais, ou seja, é a função de um determinado sistema ou bloco do sistema,
de tal forma que, sabido o valor da entrada, podemos obter o sinal da saída.
Genericamente, sistemas lineares invariantes são representados por equações diferenciais

do tipo:
dnc d n −1c dc dmr d m −1 r dr

an n
+ a n −1 n −1 + ... + a 1 + a 0 c = b m m + b m −1 m −1 + ... + b1 + b0r Equação 2
dt dt dt dt dt dt
57
Em que:
• c representa a saída do sistema;

• r representa a entrada do sistema; e
• n ≥ m.
Pode-se obter a função de transferência do sistema, aplicando a transformada de Laplace

nos dois membros da equação. Assim:
Sintetizando...
A função de transferência de um sistema de equações diferenciais lineares é definida

como a relação entre a transformada de Laplace da saída e a transformada de
Laplace da entrada.
Função de transferência: G ( s ) =
L[saída] para condições iniciais nulas.
L[entrada]
m
C(s) b m s m + b m −1s m −1 + ... + b1s + b0 ∑

bi si
G(s) = = n n −1
= i =n1 Equação 3
R(s) a n s + a n −1s + ... + a1s + a 0
∑ a isi
i =1
O método da transformada de Laplace é um método operacional que pode ser usado para
resolver equações diferenciais lineares. Com o emprego da transformada de Laplace, pode-
se converter muitas funções comuns, tais como funções senoidais, funções senoidais
amortecidas e funções exponenciais, em funções algébricas de uma variável “s” complexa.
Operações tais como diferenciação e integração podem ser substituídas por operações
algébricas no plano complexo. Assim, uma equação diferencial pode ser achada pelo uso de
uma tabela de transformadas de Laplace ou pelo uso da técnica de expansão em frações
parciais.
A grande vantagem de se utilizar o método de transformada de Laplace na obtenção da

função de transferência é que tal método permite a utilização de soluções gráficas para
prever o desempenho do sistema sem a necessidade de resolver as EDO desse sistema.
Pode-se concluir que a função de transferência:

• é um modelo matemático expresso por meio de uma equação diferencial,
relacionando a saída com a entrada;
• é independente do tipo de sinal aplicado na entrada e de sua amplitude;
• inclui as unidades das entradas e saídas;
• não fornece informações sobre a estrutura física do sistema;
• pode ser obtida experimentalmente, aplicando-se entradas conhecidas e analisando
as respectivas respostas.
58
Após determinada a função de transferência do sistema, pode-se analisar o comportamento
deste, pois, sua função de transferência contém todos os parâmetros que definem seu modo
de operação. A análise consiste em aplicar um sinal de referência na entrada do sistema e
avaliar o seu desempenho por meio dos parâmetros que caracterizam sua resposta no
domínio do tempo.
2.1. Parâmetros da função de transferência
Como afirmado anteriormente, a função de transferência é uma poderosa ferramenta

matemática utilizada no projeto de sistemas de controle por meio do estudo de seu
comportamento. Na função de transferência, estão inseridas todas as informações
necessárias sobre o comportamento do sistema, qualitativamente e quantitativamente. No
entanto, antes de se analisar a fundo o comportamento de determinado sistema, sabendo a
sua função de transferência, é necessário o conhecimento de alguns parâmetros inseridos
na função de transferência.
Observando a Equação 3, temos que a função de transferência é uma relação de

polinômios, ou seja:
C (s ) P( s)
G (s) = = Equação 4
R( s) Q(s)
2.1.1. Parâmetros relevantes da função de transferência
i. Ordem do sistema
É o grau do polinômio característico. Representa a ordem da maior derivada, ou seja,
taxa de variação da saída. Será observado, posteriormente, que a ordem do sistema
pode influenciar o seu desempenho, tanto quantitativamente quanto qualitativamente.
ii. Polinômio característico

É o polinômio do denominador da função de transferência. Este polinômio caracteriza
a resposta transitória do sistema.
iii. Polos do sistema

São as raízes para Q(s) = 0. Os polos determinam o tipo de resposta do sistema.
iv. Zeros do sistema

São as raízes para P(s) = 0.
v. Plano S
Plano cartesiano complexo onde são alocados os polos e zeros.
Vejamos a representação de alguns parâmetros na Figura 3, a seguir:
59
Figura 3 – Plano de alocação de polos e zeros - Plano S.
3. Ganho do sistema a partir da função de transferência
Seja G(s) a função de transferência de um sistema como visto na Equação 4, sendo R(s) a
função de excitação. A saída C(s) será dada, então, por:
C ( s) = G ( s).R( s) Equação 5
O valor de regime permanente da saída, no domínio do tempo, uma vez definido o valor da
entrada, é obtido aplicando-se o teorema do valor final em C(s), isto é:
c (t ) REG = lim c (t ) = lim  sC ( s )  = lim  sG ( s ) R ( s )  Equação 6

t →∞ s →0 s →0
Sendo o ganho do sistema definido como o valor de regime permanente da saída, dividido
pelo valor de regime permanente da entrada, ele poderá ser calculado por:
c(t ) REG ∆PV % lim  sG ( s ) R ( s ) 

GANHO = = = s →0
r (t ) REG ∆MV % lim  sR ( s ) 
s →0
Equação 7
lim  sR ( s )  × lim G ( s ) 
= s →0 s →0
= lim G ( s )  = G ( 0 )
lim  sR ( s )  s →0
s →0
Observe que a Equação 7 nos permite concluir que, dada a função de transferência, o
ganho do sistema é determinado substituindo-se s=0 em G(s).
Por esse fato, o ganho é também chamado de função de transferência de regime

permanente.
60
Sintetizando...
A função de transferência inclui as unidades necessárias para relacionar as grandezas de
entrada e saída. É uma propriedade do próprio sistema e, portanto, depende apenas de seus
parâmetros. O exemplo, a seguir, ilustra os passos básicos para a obtenção da função de
transferência de um sistema linear invariante no tempo genérico.
A transformada de Laplace permite, portanto, representar sistemas de ordem n por

equações algébricas em s, em que n é o grau do polinômio do denominador.
Exemplificando
Determine o polinômio característico, sua ordem, os polos e os zeros para o sistema da

atividade 1.
Solução:
1
Sendo G ( s ) = m , temos:
c k
s2 + s +
m m
• Ordem do sistema: 2ª Ordem
c k
• Polinômio característico: Q ( s ) = s 2 + s+
m m
Polos do sistema:
 2

c  c k
− +   −4
 m m m
 p1 =
c k 2
• Q( s) = s 2 + s + = 0 → 
m m  2
c c k
 − −   −4
p = m m m
 2
2
1
• Zeros do sistema: P ( s ) = = 0 → Não existe
m
4. Representação de sistemas por diagramas de blocos
Em geral, um sistema de controle é formado por diversos componentes. Cada componente

possui sua função de transferência particular, tornando difícil sua análise e projeto.
Para resolver esse problema, podemos utilizar uma representação gráfica denominada
diagrama de blocos.
61
Conhecendo melhor o diagrama de blocos...
• é uma ferramenta de representação gráfica de processo ou modelo complexo
que nos mostra as funções de transferência de cada componente;
• neste diagrama, são utilizadas figuras geométricas e ligações;
• são descritas as relações entre cada subsistema e o fluxo de informação;
• conceitualmente, pode-se dizer que o diagrama de blocos de um sistema é a
representação das funções desempenhadas por cada componente e do fluxo de
sinais, conforme pode ser visto na Figura 4.
Os principais componentes do sistema são representados por blocos, e são interligados por
meio de linhas que indicam os sentidos de fluxos de sinais entre os blocos. Estes diagramas
são, então, utilizados para representar as relações de dependência entre as variáveis que
interessam à cadeia de controle.
Figura 4 – Exemplo de diagrama de blocos.
5. Terminologia
Um sistema de controle é constituído por vários componentes que se interagem. A função

de transferência de cada um desses componentes, bem como o fluxo de sinais entre eles, é
representada em engenharia de controle por meio de diagrama de blocos.
A Figura 5, a seguir, apresenta o bloco correspondente a um componente genérico.
Figura 5 – Bloco representativo de um componente genérico – função de

transferência
Verificando os modelos para sistemas complexos, notamos que eles são resultantes de
subsistemas ou elementos, cada qual com sua função de transferência. Os diagramas em
blocos podem ser usados para representar cada um destes subsistemas, e o arranjo
agrupado e conectado, num sistema como um todo.
62
5.1. Diagrama em blocos
O diagrama em blocos contém vários itens em sua representação, conforme vista na Figura
6, a seguir:
Figura 6 – Itens representados em diagrama de blocos
Vejamos com detalhes cada item:

• a seta representa o sentido do fluxo de sinais através do componente, sendo R(s) o
sinal de entrada e C(s) o sinal de saída;
• a função de transferência, ou bloco G(s) indica a operação matemática realizada
pelo bloco sobre o sinal de entrada, isto é, descreve o comportamento dinâmico do
componente, isto é, da saída C(s) quando excitado pelo sinal R(s);
• a figura apresenta, ainda, a equação de C(s) em função de G(s) e R(s);
• o ponto de soma é representado por meio de um círculo com uma cruz indicando
uma operação de soma;
• o sinal, mais ou menos, determina se o sinal deve ser adicionado ou subtraído;
• o ponto de junção é um ponto a partir do qual o sinal proveniente de um bloco vai
para outros blocos ou pontos de soma.
Um diagrama de blocos com somador e subtrator é ilustrado na Figura 7:
Figura 7 – Diagrama de blocos de (a) somadores e (b) subtratores.
Os sinais dentro do círculo definem a operação realizada. O diagrama de bloco do subtrator

é também chamado de detector de erro, sendo E(s) o sinal de erro. As grandezas R(s) e
R'(s) devem possuir as mesmas dimensões e unidades.
Qualquer sistema de controle linear pode ser representado por um diagrama de blocos.
blocos A
Figura 8 apresenta o diagrama de blocos de um sistema de malha fechada.
63
Figura 8 – Diagrama de blocos de um sistema de malha fechada.
Os componentes do sistema são a planta, definida pelo bloco G(s);, o elemento do ramo de
realimentação, definido pelo bloco H(s); e o detector de erro, definido pelo bloco subtrator.
As variáveis do sistema, cujos fluxos estão representados no diagrama de blocos, é o sinal
de referência R(s), o sinal de erro E(s), o sinal de saída C(s) e o sinal de realimentação
R'(s).
Realimentação (Feedback)
Nome dado ao procedimento por meio do qual parte do sinal de saída de um sistema é
transferida para a entrada deste mesmo sistema, com o objetivo de diminuir, amplificar ou
controlar a saída do sistema.
O termo ramo direto, que aparece no diagrama de blocos da Figura 8, é utilizado para
designar os elementos por meio dos quais o fluxo de sinais vai da entrada para a saída, e o
termo ramo de realimentação para designar os elementos que trazem o sinal de saída para
comparação com a entrada. Os pontos de junção levam o sinal proveniente de um bloco
para outros blocos.
5.2. Álgebra de blocos
A Tabela 1 resume algumas das várias regras algébricas para manipulação de diagramas
de blocos. Estas regras são utilizadas para redução de um diagrama de blocos complexo
para diagramas mais simples, e até a um único bloco.
64
Tabela 1- Manipulação algébrica de diagramas em blocos.
Transformação Diagrama Original Diagrama Equivalente Equação
Combinação de
1 C ( s ) = G2 ( s ) G1 ( s )  R ( s )
blocos em série
Eliminando um G (s)
2 ramo de C (s) = R( s )
realimentação
1 ± G ( s ) H ( s ) 
Eliminando um
3 ramo de C ( s ) = G2 ( s ) ± G1 ( s )  R ( s )
alimentação
Movendo um ponto
4 de soma para C ( s ) = G ( s ) R1 ( s ) ± R2 ( s )
frente de um bloco
Movendo um ponto
5 de soma para a C ( s ) = G ( s )  R1 ( s ) ± R2 ( s ) 
depois de um bloco
65
Rearranjo de
6 C ( s ) = R1 ( s ) ± R2 ( s ) ± R3 ( s )
pontos de soma
Rearranjo de
7 C ( s ) = R1 ( s ) ± R2 ( s ) ± R3 ( s )
pontos de soma
Movendo um ponto
8 de bifurcação para C ( s) = G ( s) R ( s)
antes de um bloco
Movendo um ponto
9 de bifurcação para C ( s) = G ( s) R ( s)
depois de um bloco
Movendo um ponto
de bifurcação para
10
antes de um ponto C = R1 ( s ) ± R2 ( s )
de soma
66
Movendo um ponto
de bifurcação para
11
depois de um C ( s ) = R1 ( s ) ± R2 ( s )
ponto de soma
Fonte: OGATA, K. (2007).
67
A seguir, apresentaremos algumas deduções das regras apresentadas na Tabela 1.
5.2.1. Blocos em cascata
Um sistema tem elementos em cascatas se dois ou mais elementos estão num mesmo ramo
direto, então a função de transferência G(s) do sistema é:
C (s)
G (s) =
R (s)
Em que:
C – sinal de saída
R – sinal de entrada
Portanto:
X = G1R C = G2 X C = G2G1R
Logo: G = G1G2
5.2.2. Bloco com ramo de realimentação
Um sistema em malha fechada com realimentação é representado na Figura 9, a seguir:
Figura 9 – Blocos com realimentação.
A função de transferência G(s) é dada por:
• Realimentação negativa
C
G1 = C = G1 R − G1 HC G1R = (1 + G1H ) C
R − HC
C (s) G1
G (s) = =
R ( s ) 1 + G1 H
68
• Realimentação positiva
C
G1 = C = G1 R + G1HC G1R = (1 − G1H ) C
R + HC
C (s) G1
G ( s) = =
R ( s ) 1 − G1 H
5.2.3. Blocos em cascata com ramo de realimentação
Considere um sistema em ramo fechado constituído de dois componentes em cascata e

uma realimentação.
O sistema pode ser simplificado para o seguinte:
Portanto:
G 2 ( s ) G1 ( s )
G (s ) =
1 + G 2 ( s ) G1 ( s ) H ( s )
5.2.4. Blocos em paralelo
Num sistema com blocos em paralelo, os sinais se somam no ponto de soma:
C = G1 R + G2 R C = ( G1 + G2 ) R G ( s ) = G1 ( s ) + G2 ( s )
Se os sinais se subtraem no ponto de soma, temos:
69
C = G1 R − G2 R C = ( G1 − G2 ) R G ( s ) = G1 ( s ) − G2 ( s )
6. Procedimento para construção do diagrama de blocos de um sistema
O diagrama de blocos é construído a partir da obtenção das funções de transferência

individuais de cada elemento do sistema, isto é, do bloco equivalente a cada elemento.
Definidas as variáveis de entrada e saída de cada bloco (elemento), bem como as demais
variáveis que são de interesse, determinam-se as equações que descrevem o
comportamento do sistema. Após essas definições, é construído o diagrama de blocos final,
utilizando-se as regras da álgebra de blocos.
Para melhor compreender, veja o exemplo, a seguir:
Exemplificando
Determine o diagrama de blocos para o circuito RLC série, sendo Ei(s) a tensão de
alimentação (variável de entrada) e Eo(s) a tensão no capacitor (variável de saída). O fluxo
de corrente elétrica deve aparecer no diagrama.
Solução:
O bloco do capacitor será:
Considerando os elementos R e L como sendo um único bloco, tem-se:
70
Como a função Ei(s)-Eo(s) é facilmente implementada (subtrator), o diagrama de blocos final
será:
7. Relação entre funções de transferência e diagramas de blocos
A função de transferência de um sistema pode ser obtida a partir de seu diagrama de

blocos. E, aplicando-se as propriedades da álgebra dos blocos, o diagrama original pode ser
reduzido a um único bloco, que mantém os sinais de entrada e saída do diagrama original. A
função de transferência desse bloco será a função de transferência do sistema. O exemplo,
a seguir, esclarece esse ponto.
Considere o diagrama de blocos do exemplo anterior. Aplicando-se a regra 1 da tabela, ele
será reduzido a:
Aplicando-se, a seguir, a regra 4, teremos:
Simplificando a expressão interna ao bloco, teremos:
Eo
Logo, a função de transferência será:
Ei
Eo 1
= 2
Ei LC.s +RC.s+1
71
7.1. Simplificação do diagrama em blocos
O exemplo apresentado, a seguir,

seguir mostra como simplificar diagrama em blocos e obter a
função de transferência.
Agrupar os blocos em série e em paralelo:
Agrupar os ramos de realimentação internos (feedback interno):
Agrupar os blocos em série:
Agrupar
rupar o ramo de realimentação externo (feedback externo):
72
Simplificar a apresentação da função de transferência:
7.2. Entradas múltiplas
Os sistemas, em geral, têm mais de uma entrada.
Pode existir um sinal de entrada referente ao valor desejado da variável controlada (SP), e
também uma entrada ou mais,
mais devidas a perturbações que afetam o sistema.
O procedimento que pode ser adotado para obter a relação entre as entradas e saídas para
o sistema é:
a) fazer
azer todas as entradas, exceto uma delas, iguais a zero;
b) transformar
ransformar o diagrama em blocos,
blocos resultante em apenas um ramo direto e um ramo
de realimentação;
c) determinar
eterminar a relação
relaçã dos sinais de saída e entrada;
d) repetir
epetir os passos 1, 2 e 3 para cada uma das entradas;
e) a saída total é a soma das saídas devida a cada entrada.
Caso 1 (Servo) - θi ≠ 0, θd = 0
73
G2 ( s) G1 ( s)
Gi ( s) =
1 + G2 ( s) G1 ( s) H ( s)
Caso 2 (Regulador) θi = 0, θd ≠ 0
G 2 ( s)
G d ( s) =
1 + G2 ( s) G1 ( s) H ( s)
74
A saída do sistema é a soma dos dois casos.
C ( s ) = Gi ( s ) R ( s ) + Gd ( s ) D ( s )
G2 ( s ) G1 ( s ) G2 ( s )
C (s) = R (s) + D (s)
1 + G2 ( s ) G1 ( s ) H ( s ) 1 + G2 ( s ) G1 ( s ) H ( s )
Resumo
Neste capítulo, você estudou os principais conceitos envolvendo função de transferência,

representação de sistemas por meio de diagrama de blocos e a importância da modelagem
matemática para a compreensão do comportamento dos sistemas físicos.
Esperamos que você possa ter compreendido a base da teoria clássica de controle: função
de transferência, e que você agora saiba fazer a representação dos sistemas dinâmicos
na forma de diagrama de blocos e de que forma pode-se utilizar a álgebra de diagrama de
blocos para simplificar os sistemas.
Esperamos, ainda, que você tenha aprendido o conceito de modelagem matemática e

modelagem de alguns processos simplificados, na expectativa de tê-lo(a) auxiliado(a) a se
tornar um(a) bom(boa) engenheiro(a).
Atividades
Atividade 1
Dado o sistema de massa-mola-amortecedor ao lado, e sabendo que a equação diferencial

que determina o comportamento do sistema, encontre sua função de transferência.
d 2 x(t ) dx(t )
m 2
+c + kx(t ) = F (t ) EDO do sistema
dt dt
Atividade 2
Calcular os ganhos dos sistemas representados pelas funções de transferências, a seguir:

Eo (s) 1
a) F (s) = = 2
Ei (s) L C .s + R C .s + 1
Y (s) 1
b) = 2
X ( s ) M .s + f .s + K
75
Atividade 3
Vc ( s)
Determinar a função de transferência para o circuito representado, a seguir:
Vi ( s)
Atividade 4
Determinar a função de transferência do sistema de estocagem de líquidos com restrição na

saída, a seguir:
Hipóteses:
• ρ - densidade constante
• A - área da seção transversal
• V - volume do tanque
• h - nível do tanque
• qi - vazão volumétrica de entrada
• q - vazão volumétrica de saída
• Rv - Resistência ao escoamento
Referenciais
BOLTON, W. Engenharia de controle. São Paulo: Editora Makron Books, 1995.
CHARLES L. PHILLIPS & ROYCE D. HARBOUR. Sistemas de Controle e Realimentação.

Editora Makron Books do Brasil, 2000.
NORMAN, Nise. Engenharia de Sistemas de Controle. 3. ed. Editora LTC, 2000.
OGATA, Katsuhiko. Engenharia de controle moderno. 4. ed. São Paulo: Editora Prentice-
Hall do Brasil, 2003.
RICHARD, C.; DORF & ROBERT, H. BISHOP. Sistemas de Controle Modernos. Editora
LTC, 2001.
76
77
Projeto de sistemas de controle no
3 domínio do tempo
Marcelo Lucas
Introdução
A seleção de uma ação de controle é um dos pontos críticos no projeto do sistema de

controle. Se a ação de controle não for selecionada corretamente, o controlador não
conseguirá fazer o controle do processo.
À medida que a malha de controle não atende aos requisitos de projeto em termos de
desempenho, tanto em regime permanente quanto no transitório, deve-se modificar a função
de transferência por meio do uso de um elemento de controle. Este controlador deve possuir
uma função de transferência adequada para modificar as características do sistema, para
que os requisitos de projeto sejam alcançados. Embora qualquer estrutura de controle possa
ser utilizada, os controladores são, geralmente, escolhidos dentre alguns tipos básicos, o
que facilita a análise do seu comportamento e o projeto dos seus parâmetros. Não se
justifica, na maior parte das aplicações, a escolha de estruturas diferentes das
padronizadas. Em geral, quanto mais complexa a estrutura de um controlador, com maior
número de parâmetros, maior é a liberdade em atender diversos requisitos de projeto, no
entanto mais complexo é o ajuste desses parâmetros.
Atualmente, os processos industriais estão sendo controlados em sua maioria como

sistemas monovariáveis, utilizando controladores PID para malhas simples (single loop),
apesar de exibirem características multivariáveis. Este tipo de controlador quando
corretamente ajustado fornecerá desempenho adequado, contando que interações entre
malhas sejam mantidas a um valor mínimo. Perturbações acrescentadas e a não linearidade
existentes na maioria dos processos tenderão a deteriorar o desempenho desses
controladores. A grande popularidade dos controladores PID vem de sua simplicidade,
confiabilidade e desempenho que podem ser alcançados sem requerer um profundo
treinamento do operador ou a implementação de soluções caras. Porém, o desempenho de
qualquer controlador PID será determinado por quatro fatores:
• ajuste dos parâmetros;

• o regime permanente;
• as características dinâmicas do processo;
• e suas perturbações.
Para o controlador PID, os parâmetros são:
• o ganho proporcional ( K C );
• o tempo integral ( τ i );
78
• e o tempo derivativo ( τ d ).
Foram desenvolvidos vários métodos de sintonia e fórmulas que expressam os parâmetros

PID como função das características dinâmicas e de regime permanente da malha.
Neste capítulo, vamos tratar tanto destes princípios gerais de projeto quanto os requisitos
sobre os controladores, como as estruturas que atendem tais requisitos.
Objetivos
Ao término dos estudos propostos neste capítulo, esperamos que você esteja apto(a) a:
• identificar as ações básicas do controlador PID;

• projetar sistemas de controle usando controladores PID ;
• descrever os principais métodos de sintonia de controladores.
Esquema
1. Etapas do projeto de sistema de controle de processo industriais

2. Tipos ações de controladores
3. Tipos de controladores
4. Controlador PID – ações de controle
4.1 Ação proporcional
4.2 Efeito da ação integral
4.3 Efeito da ação derivativa
5- Controlador PID e o lugar das raízes
5.1- Ação proporcional (P)
5.2- Ação proporcional + integral (PI)
5.3- Ação proporcional + derivativo (PD)
5.4- Ação proporcional + integral + derivativo (PID)
6. Projeto de controladores industriais
7. Critérios de desempenho para sistemas em malha fechada
7.1 Método de síntese direta
7.2 Controle ótimo
7.3 Controlador baseado em tempo de decaimento finito
7.4 Processos com tempo morto
7.5 Internal model control (IMC)
7.6 Critérios semiempíricos – COHEN & COON
8. Projeto baseado no critério da integral do erro
9. Comparação dos projetos de controladores
10. Sintonia de controlador
11. Orientação para seleção e sintonia de malhas de controles comuns
11.1 Controle de vazão
11.2 Nível de líquido
79
11.3 Pressão de gás
11.4 Temperatura
11.5 Composição
12 Métodos de sintonia
12.1 Método de tentativa e erro
12.2 Método de Ziegler – Nichols
12.3 Método da ciclagem contínua
12.4 Método da curva de reação do processo
1. Etapas do projeto de sistema de controle de processo industriais
As etapas necessárias para projetar um sistema de controle dependem da experiência do

engenheiro ou do grupo de engenharia envolvido no desenvolvimento do projeto. Entretanto,
existem algumas etapas que são normalmente necessárias para se projetar um sistema de
controle. Vejamos estas etapas:
1. estudo do sistema a ser controlado e obtenção das informações iniciais sobre os
objetivos de controle;
2. obtenção do modelo matemático do sistema;
3. análise do modelo encontrado e determinação de suas características;
4. determinação das variáveis que serão controladas;
5. determinação das variáveis que serão medidas e manipuladas;
6. determinação dos sensores e atuadores que serão usados e onde eles serão
colocados;
7. seleção da configuração de controle;
8. determinação do tipo de controlador a ser utilizado;
9. determinação das especificações de desempenho, baseado nos objetivos globais de
controle;
10. projeto do controlador;
11. análise do sistema controlado resultante para ver se as especificações foram
satisfeitas e, se eles não estão satisfeitos, modificação das especificações ou o tipo
de controlador;
12. simulação do sistema controlado resultante, num computador ou numa planta de
piloto;
13. repetição do passo 2, se necessário;
14. escolha do hardware e software para implementação do controlador;
15. teste e validação do sistema de controle;
16. ajuste do controlador, se necessário.
A controlabilidade de um sistema se constitui na sua habilidade para alcançar um

desempenho de controle aceitável. Ela é afetada pela localização dos sensores e atuadores
no processo. Por outro lado, não pode ser mudado pelo engenheiro de controle. Então, o
projeto de sistema de controle, também, deve, em alguns casos incluir um passo inicial que
envolva o projeto dos equipamentos do processo.
Conforme já vimos, o projeto de sistemas de controle visa obter um desempenho tal que:
80
1º. o sistema seja estável;
2º. a resposta transitória do sistema seja aceitável;
3º. o erro em regime permanente que atenda as especificações.
Como obter esse desempenho?
O primeiro passo consiste no ajuste dos parâmetros do sistema de modo a atender às

especificações (1) a (3) anteriores. Para tanto, pode-se lançar mão de diversos métodos
existentes. Por exemplo, usando-se o Lugar geométrico das raízes é possível determinar o
valor do ganho estático de modo a assegurar um desempenho estável, para uma dada
razão de amortecimento dos polos dominantes. Alternativamente, os Diagramas de Bode
podem ser usados para ajustar parâmetros do sistema de modo a se obter margem de
ganho e fase especificados, etc.
Atenção!
Contudo, nem sempre é possível obter o desempenho desejado por meio de simples
ajuste de parâmetros. Muitas vezes, as especificações em termos do regime transitório e
aquelas que dizem respeito ao regime permanente são conflitantes, de modo não ser
possível atender a ambas as especificações, ajustando-se os parâmetros do sistema
existente. Nestes casos, é necessário realizar um reestudo da estrutura do sistema.
Podemos dizer, de maneira ampla, que o projeto de sistema de controle diz respeito ao
arranjo da estrutura do sistema e a seleção de parâmetros apropriados. A alteração na
estrutura e/ou o ajuste de um sistema de controle de modo que se obtenha o desempenho
desejado é chamada compensação. Como o nome indica, a compensação visa suprir as
deficiências do sistema com o fim de se obter o desempenho desejado.
2. Tipos ações de controladores
A forma que os controladores realimentados tomam uma decisão de controle é com base na
diferença entre o set-point e a variável controlada. Nesta seção, vamos estudar as ações
básicas de controle no máximo, observando as equações que descreva seu comportamento.
Para simplificar a análise a seguir, vamos referenciar todos os sinais de forma percentual,
ou seja, 0 a 100% ao invés de 4 a 20 mA ou 3 a 15psi.
Conforme vimos, os controladores tomam a ação corretiva de controle com base no erro que
pode ser calculado como:
e (t ) = rsp (t ) + c pv (t ) (8)
81
em que:
c pv (t ) é a variável controlada que frequentemente é determinada com a saída do

transmissor;
rsp (t ) é o Setpoint ou valor desejado da variável controlada.
3. Tipos de controladores
Na Figura 10, temos a configuração mais comum de um sistema de controle de malha

fechada em diagrama de blocos.
Figura 10: Configuração básica de um sistema de controle
em que:
RSP : set-point ou referência;

M MV : variável manipulada;
CPV : variável de processo ou controlada;
E: variável erro;
Ud : distúrbio de alimentação;
D: distúrbio de demanda.
O controlador recebe o erro ( E ) do sistema, isto é a diferença entre set-point ( RSP ) e

variável de saída ( CPV ), e irá gerar o sinal de excitação da planta ( M MV ) conveniente para
zerar ou minimizar este erro.
O algoritmo (ou a forma) que o controlador utiliza para manipular a entrada da planta,
buscando eliminar o erro do sistema, é chamado de lei de controle, matematicamente
definida como a razão entre a saída e a entrada do controlador.
82
4. Controlador PID – ações de controle
Os controladores são classificados em função do tipo de ação de controle que exercem, isto
é, do tipo de operação matemática que realiza sobre o sinal de erro para estabelecer o sinal
de saída. Existem três formas clássicas de lei de controle: proporcional, integral e
derivativa. Vamos ver, a seguir, cada uma delas.
4.1 Ação proporcional
O controlador proporcional ( P ) é o tipo mais simples de controlador que será estudado. A

equação que descreve sua operação é Gc ( s ) = Kc . Para o controlador proporcional, a
função de transferência do sistema é:
Gc G f G p Gd
CPV ( s ) = Rsp ( s ) + U d ( s) (9)
1 + Gc G f G p Gm 1 + Gc G f G p Gm
Como visto, no capítulo intitulado Lugar geométrico das raízes, considerando

Gm ( s ) = 1, G f ( s ) = 1 e D ( s ) = 0 para simplificar a análise do sistema, temos:
Gc G p Gd
CPV ( s ) = Rsp ( s ) + U d (s)
1 + Gc G p 1 + Gc G p
Portanto:
K cG p Gd
CPV ( s ) = Rsp ( s ) + U d (s) (3)
1 + K cG p 1 + K cG p
Caso 1 – Função de transferência do processo de 1a ordem

Kp Kd
Gp ( s ) = ; Gd ( s ) =
τ ps +1 τ ps +1
Em malha fechada
83
Kc K p Kd
τ ps +1 τ s +1
CPV ( s ) = Rsp ( s ) + p U (s)
Kc K p Kc K p d
1+ 1+
τ ps +1 τ ps +1
Kc K p Kd
1 + Kc K p 1 + Kc K p
CPV ( s ) = Rsp ( s ) + Ud ( s)
τp τp
s +1 s +1
1 + Kc K p 1 + Kc K p
Logo,
τp
τ ′p = → τ ′p < τ p (processo mais rápido) (4)
1 + Kc K p
K p Kc
K ′p = → K ′p < K p (ganhos menores)
1 + Kc K p (5)
Kd
K d′ = → K d′ < K d (ganhos menores) (6)
1 + Kc K p
O aumento do ganho proporcional melhora o desempenho da malha controle, mas este

aumento é limitado por problemas de estabilidade.
• Analisando o problema servo para entrada degrau unitário

1
Rs p ( s ) =
s
( r ( t ) = 1 p/
sp t > 0)
Perturbação: U d ( s ) = 0
Offset (Erro de regime): offset =  rs p (t ) − cPV ( t )  = 1 − cPV ( ∞ )

t →∞
K ′p 1
Pelo teorema do valor final: cPV ( ∞ ) = lim scPV ( s ) = lim s/ × ∴ cPV ( ∞ ) = K ′p
s →0 s →0 τ ′s + 1 s/
K p Kc
offset = 1 − K p′ = 1 −
1 + K p Kc
1
offset = (7)
1 + K p Kc
Quanto maior o ganho proporcional ( K C ) menor o offset.
84
O offset é uma característica própria do controle proporcional.
• Analisando o problema regulatório para entrada degrau unitário

Setpoint: Rs p ( s ) = 0
1
Degrau unitário na perturbação: U d ( s ) =
s
( u ( t ) = 1)
d
Offset: offset =  Rs p − cPV ( t )  = −cPV ( ∞ )

t →∞
K d′ 1
cPV ( ∞ ) = lim sY ( s ) = lim s/ × ∴ cPV ( ∞ ) = K d′
s →0 s →0 τ ′s + 1 s/
Kd
offset = − (8)
1 + K p Kc
Aqui também é observado que quanto maior o ganho proporcional ( K C ) menor o offset.
Caso 2 – Função de transferência do processo de 2ª ordem
A análise do problema segue o mesmo procedimento anterior, ou seja:
ωn
Gp ( s ) =
s + 2ζωn s + ωn2
2
Para o controlador proporcional Gc ( s ) = K P , portanto, dividindo o numerador e o
1 Kp
denominador por ωn e sendo τ n = tem-se G p ( s ) = 2 2
. Para o problema
ωn τ s + 2ζτ n s + 1
n
Gp Kc
servo a saída é dada por CPV ( s ) = Rs p ( s ) , então:
1 + Gp Kc
Kp '
CPV ( s ) = 2 2
R s p (s) (9)
τ n ' s + 2ζ 'τ n ' s + 1
em que:
85
KpK c
Kp ' =
1 + K p Kc
ζ
ζ '=
1 + K p Kc
τn
τn ' =
1 + K p Kc
Observamos os seguintes efeitos com o aumento do ganho proporcional:
• ganho estático K p ' se aproxima de 1;
1
• período natural de oscilação τ n ' = diminui;
ωn '
• o fator de amortecimento ζ ' diminui;
KpK c
• o erro de regime é offset = 1 − K p ' = 1 − .
1 + K p Kc
4.2 Efeito da ação integral

Kc
Para o controlador integral Gc ( s ) = , assim,
τis
KcGp
τis Gd
CPV ( s ) = Rs p ( s ) + Ud ( s) (10)
KcG p Kc
1+ 1+ G
τis τis p
Caso 1- Função de transferência do processo de 1ª ordem

Kp
Gp ( s ) =
τ ps +1

Kc K p
τ s τ s +1 1
CPV = i p Rs p ( s ) = Rs p ( s )
Kc K p τi τ p 2 τi
1+ s + s +1
τis τ ps +1 K p Kc K p Kc
em que:
τ iτ p
τ′ = 1 τi
kc k p ζ′=
2 τ p kc k p
86
1
Para o degrau unitário Rs p ( s ) =
s
( r ( t ) = 1) a saída é dada por:
sp
1 1
CPV ( s ) = 2 2
×
τ n ' s + 2ζ 'τ n ' s + 1 s
e o erro de regime é:
offset =  Rs p − c pv ( t )  = 1 − c pv ( ∞ )
t →∞
1 1
c pv ( ∞ ) = lim sC pv ( s ) = lim s/ 2 2
× c pv ( ∞ ) = 1
s →0 s →0 τ n ' s + 2ζ 'τ n ' s + 1 s/
offset = 1 − 1 = 0 (11)
Assim conclui-se que:
• a ação integral aumenta a ordem do processo;

• o período natural de oscilação diminui com o aumento da ação integral ( τ i menor),
oscilando com maior frequência;
• fator de amortecimento diminui com o aumento da ação integral;
• o sistema fica mais lento, pois um sistema de 2a ordem é mais lento do que um
sistema de 1a ordem. Também fica mais instável;
• a ação integral elimina o offset (desvio permanente ).
4.3 Efeito da ação derivativa
Para o controlador derivativo Gc ( s ) = Kcτ d s , portanto,
Kc τ d s Gp Gd
CPV ( s ) = Rs p ( s ) + Ud ( s) (12)
1 + Kc τ d s Gp 1 + Kc τ d s G p
Caso 1 - Função de transferência do processo de 1ª ordem

Kp
Gp ( s ) =
τ p s +1
87
Kp
K cτ d s
τ ps +1
CPV ( s ) = Rs p ( s )
Kp
1 + K cτ d s
τ ps +1
K p Kc τ d s
CPV ( s ) = (13)
(τ p + K c K pτ d ) s + 1
em que:
τ p′ = τ p + K c K pτ d (τ ′ > τ )
p p
Consequentemente:
• o sistema continua sendo de 1ª ordem, porém mais lento, pois a constante de tempo
aumenta;
• o sistema fica mais lento quanto maior a ação derivativa.
Caso 2 - Função de Transferência de 2ª ordem

ωn
Gp ( s ) =
s + 2ζωn s + ωn2
2
Kp
Gp ( s ) = 2 2
τ s + 2ζτ n s + 1
n
Kp
CPV ( s ) = 2 2
R s p ( s) (14)
Tn s + 2ζ Tn s + 1

Kp
K cτ d s 2 2
τ n s + 2ζτ n s + 1
CPV ( s ) = Rs p ( s )
Kp
1 + Kc τ d s
τ n 2 s 2 + 2ζτ n s + 1
Kc K p τ d s
CPV ( s ) = Rs p ( s ) (15)
τ n 2 s 2 + ( 2 ζ τ n + Td K c K p ) s + 1
em que:
2ζ ′τ n = 2ζτ n + τ d K c K p
88
τ d K p Kc
ζ′=ζ +
2τ n
Conclusões:
• o sistema continua oscilando com o mesmo período natural ( τ n );
• o fator de amortecimento aumenta, portanto a frequência de oscilação diminui;

• o fator de amortecimento aumenta com o aumento de τ d e, consequentemente, tem
um efeito estabilizante na ação derivativa.
5- Controlador PID e o lugar das raízes
O efeito das diferentes ações de controle no lugar das raízes pode ser mostrado por meio do
seguinte sistema:
0, 03
GOL ( s ) = Gc ( s ) ×
( s + 1)( 2s + 1)
5.1 Ação proporcional (P)
Gc ( s ) = kc
0,03kc 1
GOL ( s ) = ×
2 ( s + 1)( s + 0,5)
Conclusões:
• a ação proporcional não muda a ordem do sistema;

• a equação característica tem duas raízes;
• a medida de kC aumenta, a frequência de oscilação aumenta ( ωn ) e o fator de
amortecimento diminui ( ς );
• o sistema não tende a instabilidade, ou seja, para qualquer valor de kC o sistema é

estável.
89
Figura 11: Lugar das raízes para a ação P.
5.2 Ação proporcional + integral (PI)

 1 
s+ 
 1   τ is +1   τi
Gc ( s ) = kc 1 +  ∴ Gc ( s ) = kc   ∴ Gc ( s ) = kc
 τ is   τis  s
 1 
s+ 
GOL ( s )
0, 03 kc
×  τi
2 s ( s + 1)( s + 0, 5 )
Conclusões:
• a ação proporcional + integral introduz um polo na origem (p = 0) e um zero em

1
z=− ;
τ i
• um polo na origem foi introduzido para eliminar o offset.
Caso 1 - τ i = 0,5
• o polo na origem gerou um par de raízes dominantes que tendem a cruzar para
instabilidade com o aumento de kC ;
• o zero em -2 não tem força suficiente para estabilizar o sistema.
90
Figura 12: Lugar das raízes para a ação PI com τ i = 0,5
Caso 2 - τ i = 1,5
• o zero se aproxima da origem aumentando a força atrativa sobre as raízes
complexas. Neste caso, o sistema é estável;
• se τ i continuar aumentando, no infinito, o polo, na origem, será cancelado e a ação
será só proporcional.
Figura 13: Lugar das raízes para a ação PI com τ i = 1,5
Caso 3 - τ i = 4, 0
• Nesse caso, quase não é observada a oscilação na resposta temporal, pois domina
a raiz real perto da origem.
• O efeito das raízes complexas, mais afastadas, some rapidamente.
91
Figura 14: Lugar das raízes para a ação PI com τ i = 4, 0 .
5.3 Ação proporcional + derivativo (PD)

 1 
Gc ( s ) = kc (1 + τ d s ) ∴ Gc ( s ) = kcτ d  s + 
 τd 
 1 
s+ 
0, 03 kc τ d  τd
GOL ( s ) = ×
2 ( s + 1)( s + 0,5 )
1
• A ação derivativa adiciona um zero em −
τd
• Quanto maior a ação derivativa, mais perto da origem estará esse zero.
• O zero atrai as raízes, estabilizando o sistema.
Caso 1 - τ d = 0,5
• O amortecimento não pode ser menor do que ζ = 0,79. Do ponto de vista prático, o
sistema fica muito amortecido.
Figura 15: Lugar das raízes para a ação PD com τ d = 0,5 .
92
Caso 2 - τ d = 1,5
• Com o aumento de τd, o amortecimento é total.
Figura 16: Lugar das raízes para a ação PD com τ d = 1,5 .
Caso 3 - τ d = 4, 0
Figura 17: Lugar das raízes para a ação PD com τ d = 4, 0 .
5.4 Ação proporcional + integral + derivativo (PID)
τ iτ d s 2 + τ i s + 1
Gc ( s ) = kc
τi s
 1 
Gc ( s ) = kc  1 + +τd s 
 τis 
93
 1 1 1
Gc ( s ) = kcτ d  s 2 + s+ 
 τd τ iτ d
 s
1 1
s2 + s+
0, 03kcτ d τd τ iτ d
GOL ( s ) = ×
2 s ( s + 1)( s + 0,5 )
• O controlador adiciona um pólo na origem e dois zeros em:
1  4τ d 
z1,2 = −  1 ± 1 − 
2τ d  τi 
• A localização dos zeros depende da relação entre as ações e derivativa e integral

τd 
 
 τi .
Figura 18: Lugar das raízes para a ação PID.
6 Projeto de controladores industriais
Se uma malha de controle não opera satisfatoriamente, é necessário investigar suas causas
para resolver o problema. Na solução de problemas de malhas de controle, é importante
lembrar que este consiste de várias componentes: sensor, transmissor, controlador, válvula
de controle, e o processo em si. O mau funcionamento de uma malha pode depender de
apenas um componente, ou seja, um componente pode comprometer o funcionamento
global da malha do controle.
Os fatores mais comuns que fazem com que uma malha de controle se torne instável ou
excessivamente lenta são:
• mudança das condições de processo, normalmente vazão de carga;
• emperramento da haste de válvula de controle;
• linha entupida de transmissor de pressão ou pressão diferencial;
• trocadores de calor sujos, especialmente refervedores de colunas de destilação;
• cavitação de bombas, e outros.
94
Um fator importante para obter a solução de problemas de controle é obter a informação
necessária para esta solução. Uma série de perguntas deve ser respondida, tais como:
• qual é o processo a ser controlado?
• qual é a variável controlada?
• quais são os objetivos de controle?
• há alguma informação registrada ou resultados visíveis da malha de controle em
questão?
• o controlador está no modo manual ou automático?
• a ação do controlador é direta ou reversa?
• se o processo está ciclando, qual a frequência de oscilação?
• quais são os valores dos parâmetros de sintonia do controlador( K c , τ i e τ d )?
• o processo é estável em malha aberta?
• há alguma documentação adicional disponível (planilhas, diagramas, descritivos, etc
)?
Depois de obter as informações, a próxima etapa é verificar o funcionamento de cada

componente da malha.
Importante!
Os transmissores e válvulas de controle são os componentes que apresentam

mais problemas, pois ficam localizados no campo e necessitam de mais
manutenção do que os componentes da sala de controle.
Se os componentes da malha estão operando bem, a próxima etapa é assegurar que o

processo está funcionando adequadamente. Finalmente, o controlador deve ser sintonizado
novamente se estiver operando de forma oscilatória ou com resposta muito lenta.
7 Critérios de desempenho para sistemas em malha fechada
A função do controle realimentado é assegurar que o sistema em malha fechada tenha

resposta desejável na dinâmica e no estado estacionário. É desejável que um sistema em
malha fechada satisfaça os seguintes critérios de desempenho:
• estabilidade em malha fechada;
• efeito das perturbações minimizadas;
• respostas rápidas e não oscilatórias;
• eliminação de offset;
Deve-se, ainda, evitar ações de controle excessivas e garantir que o sistema de controle
seja robusto, isto é, insensível a mudanças no processo e a erros de modelo.
Em geral, as especificações de desempenho dos sistemas de controle não devem ser mais
restritivas do que o necessário para realizar a tarefa.
95
Há vários métodos para se projetar um controlador, métodos estes baseados no modelo
matemático do processo. Veja a seguir.
7.1 Método de síntese direta
Um controlador pode ser projetado usando um modelo do processo e especificando uma

resposta em malha fechada.
A síntese direta é interessante, pois, fornece a relação entre o processo e o controlador

resultante. A desvantagem deste método é que o controlador resultante pode não ter a
estrutura de um PID.
Consideremos o seguinte diagrama em blocos de um sistema de controle:
Figura 19: Diagrama de blocos do sistema de controle.
em que:
Km é chamado compensador de setpoint cujo objetivo é transformar o SP na mesma

grandeza medida.
A função de transferência do sistema em malha fechada, para o caso servo, pode ser
escrito como:
K mGc G f G p
CPV ( s ) = Rsp ( s ) (16)
1 + Gc G f G p Gm
Considerando Gm ( s ) = Km e chamando G ( s ) = G f G pGm = G f G p K m tem-se:
GcG
CPV ( s ) = Rsp ( s ) (17)
1 + Gc G
CPV ( s )
Sendo Gsp ( s ) = a resposta desejada para o sistema, tem-se:
Rsp ( s )
Gc G
Gsp ( s ) = (18)
1 + GcG
96
Rearranjando, obtem-se:
1  Gsp 
Gc ( s ) =   (19)
G  1 − Gsp 
A expressão de Gc ( s ) pode ser obtida se o modelo do processo for conhecido G ( s ) e se a
resposta em malha fechada for especificada GSP ( s ) .
É importante notar que o controlador tem o modelo do processo invertido devido ao termo
1
na equação. Esta situação é encontrada em muitas técnicas de controle baseada em
G
modelos.
7.2 Controle ótimo
Idealmente, gostaríamos que a variável controlada acompanhasse a alteração de setpoint

instantaneamente sem erro. Esta situação é conhecida como controle ótimo.
CPV ( s ) = Rsp ( s ) (20)

ou seja,
Gsp ( s ) = 1
(21)
Substituindo a Equação 21 na Equação 20 tem-se:
1 1 
Gc ( s ) =  
G  1−1 
Gc ( s ) → ∞
(22)
Infelizmente, o controle ótimo é impossível, pois o controlador necessitaria de um ganho

infinito.
Porém, o controlador perfeito pode ser aproximado pelo seguinte:
kc
Gc ( s ) = (23)
G
em que kc é o ganho do controlador.
Substituindo Gc na Equação 22 obtemos:
97
kc
G
Gsp ( s ) = G
k
1+ c G
G
kc
Gsp ( s ) = (24)
1 + kc
Assim, o controle ótimo é obtido fazendo o limite de k → ∞ ou Gsp ( s ) = 1 .
Agora é a sua vez
Atividade 1
k
Considerando um modelo do processo de 2a ordem G ( s ) = 2
,
τ n s + 2ςτ n s + 1
o que se pode dizer sobre o controle ótimo?
7.3 Controlador baseado em tempo de decaimento finito
Uma consideração mais prática é considerar uma função de transferência realística em

malha fechada.
1
Assim, vamos considerar uma função de transferência de 1a ordem do tipo Gsp ( s ) =
τcs +1
onde τ c é a constante de tempo em malha fechada.
Figura 20: Resposta do sistemas com tempo finito de decaimento.
Substituindo Gsp na Erro! Fonte de referência não encontrada. temos:
98
 1 
1 τ s +1 

Gc ( s ) =  c 
G 1 − 1 
 τ c s + 1 
1 1
Gc ( s ) = (25)
G τcs
Agora é a sua vez
Atividade 2
Projetar o controlador para os seguintes processos:
a) 1a ordem
b) 2a ordem
7.4 Processos com tempo morto
Se a função de transferência do processo contém um tempo morto θ , é razoável desejar

uma função de transferência em malha fechada da forma:
e−θc s
Gsp ( s ) = (26)
τ cs +1
em que:
θ c e τ c são parâmetros de projeto;
θ c ≥ θ , porque a variável controlada não pode responder a alteração no setpoint num

tempo menor do que θ .
Substituindo Gsp na Equação 24 temos:
 e−θc s 
 
1 τ s +1
Gc ( s ) =  c −θc s 
G e 
1 − τ s + 1 
 c 
1 e −θ c s 
Gc ( s ) =  −θ c s  (27)
G τ c s + 1 − e 
99
−θc s
Este controlador não tem a forma de PID padrão, mas o termo 1 − e no denominador
representa uma compensação de tempo morto.
Aproximando o termo de tempo morto do denominador e −θc s ( ) por uma expansão em série
de Taylor de 1a ordem (proposta de Smith), temos:
e −θ c s = 1 − θ c s (28)
Substituindo na equação anterior, temos:
1 e −θc s 
Gc ( s ) =  
G τ c s + 1 − (1 − θ c s ) 
1  e −θ c s 
Gc ( s ) =   (29)
G  (τ c + θ c ) s 
Agora é a sua vez
Atividade 3
Projetar o controlador para os seguintes processos:
a) Processo de 1a ordem com tempo morto

b) Processo de 2ª ordem com tempo morto
A seguir, apresentamos um resumo das formas do controlador obtidas por síntese direta:
1  Gsp 
Gc =  
G  1 − Gsp 
Tabela montada a partir da equação anterior
Resposta em
Caso malha Modelo de processo Kc i d
fechada
A Gs p = 1 Qualquer Kc = ∞ τI = ∞ τd = 0
1 Kp τp
B Gs p = G= Kc = τI =τ p τd = 0
τcs +1 τ ps +1 τ c Kp
100
1 Kp 2ζτ p τp
C Gs p = G= 2 2
Kc = τ I = 2ζτ p τd =
τcs +1 τ p s + 2ξτ p s + 1 τcK p 2ζ
e −θ s K p e−θ s τp
D Gs p = Gs p = Kc = τI =τ p τd = 0
τcs +1 τ cs +1 (τ c +θ ) K p
e −θ s K p e −θ s 2ζτ p τp
E Gs p = G= Kc = τ I = 2ζτ p τd =
τcs +1 2 2
τ p s + 2ξτ p s + 1 (τ c + θ ) K p 2ζ
Fonte: Acervo dos autores.
7.5 Internal model control (IMC)
Como na síntese direta, o IMC (Controle com Modelo Interno ) é um método de projeto
baseado na relação direta entre o modelo do processo e os parâmetros do controlador.
IMC tem as seguintes vantagens:
• permite ao projetista balancear o desempenho do sistema do controle e a robustez

do sistema com alterações do processo e incerteza do modelo;
• explicita a incerteza do modelo.
Suponha o seguinte diagrama em blocos de um controle realimentado:
Figura 21: Sistema de controle básico com realimentação negativa.
Temos a seguinte relação do controle convencional em malha fechada

GcG 1
CPV ( s) = Rs p ( s ) + D( s ) . A abordagem do IMC é baseada no seguinte
1 + GcG 1 − GcG
diagrama em blocos:
101
Figura 22: Sistema de controle básico com modelo interno.
Temos a seguinte relação do IMC em malha fechada:
Gc*G 1 − Gc*G
CPV ( s ) = Rs p ( s ) + D( s)
(
1 + Gc* G − G ) (
1 + Gc* G − G ) (30)
Para os dois diagramas em blocos serem idênticos é necessário que se faça
GcG Gc*G
=
1 + Gc G 1 + Gc* G − G( )
( )
Gc 1 + Gc* G − G  = Gc* [1 + Gc G ]
 
Gc + GcGc*G − GcGc*G = Gc* + GcGC*G
Gc − GcGc*G = Gc*
Gc*
Gc = (31)
1 − Gc*G
O controlador IMC é projetado em duas etapas:
1. Fatorar o modelo do processo:
G = G + G − (32)
onde G + contém algum tempo morto, zeros no semiplano direito e ganho igual a 1.
2. Especificar o controlador:
1
Gc* = f (33)

G−
onde f é um filtro passa-baixa com ganho 1.
102
O filtro IMC típico tem a forma:
1
f = r (34)
(τ c s + 1)
em que:
τ c é a constante de tempo desejado para malha fechada.
r é um número inteiro positivo escolhido de tal forma que a ordem do numerador de

Gc* exceda a ordem do denominador em uma unidade.
Importante!
Note que o controlador G *c ( ) contém o inverso de G − no lugar do modelo inteiro
(G ) , pois se o G fosse utilizado, teríamos um termo de previsão ( e ) ou um +θ s
pólo instável.
Sendo a relação do IMC em malha fechada:
Gc*G 1 − Gc*G
CPV ( s ) = Rsp ( s ) + D( s) (35)
(
1 + Gc* G − G ) (
1 + Gc* G − G )
1
Para o caso do modelo perfeito G = G = G −G + e Gc =
*
f tem-se:
G −
C PV ( s ) = Gc*GRsp c (
( s ) + 1 − G *G D ( s ) )
1  1 
CPV ( s ) = fG−G+ Rsp ( s ) +  1 − fG−G+  D ( s )
G − 

G − 
( )
C PV ( s ) = G + fRsp ( s ) + 1 − G + f D ( s )
Para o caso servo, encontra-se:
CPV ( s) = G + f RSP ( s) (36)
O IMC é equivalente à síntese direta se Gsp = G + f
103
Agora é a sua vez
Atividade 4
Calcule o controlador IMC para um processo de primeira ordem com

tempo morto e encontre os parâmetros equivalentes aos do PID padrão.
7.6 Critérios semiempíricos – COHEN & COON
Em 1953, G. H. Cohen e G. A. Coon desenvolveram relações de projeto de controladores,

baseados na curva de reação do processo. Os critérios de projeto do sistema em malha
fechada são:
• minimização do Erro Quadrático (ISE).

• razão de decaimento de ¼, que num sistema de 2a ordem corresponde a um fator
de amortecimento (ζ) de 0,2 e um overshoot de 50%.
Procedimento de teste
Seja o seguinte sistema do controle:
Figura 23: Sistema de controle com realimentação negativa e distúrbio de demanda.
1º Passo – colocar o controlador em manual;
104
Figura 24: Sistema de controle em manual (malha aberta).
A função de transferência em malha aberta é dada por:
U (s)
= G f G p Gm = G ( s ) (37)
Cm ( s )
2º passo – Aplicar um degrau na saída – ∆M (variação instantânea em M MV ( s ) )
Figura 25: Resposta ao degrau unitário.
3º passo – Observar a resposta do processo e aproximar o modelo a um processo de 1a

ordem com tempo morto na forma:
k p e −θ s
G (s) = (38)
τ ps +1
A aproximação do modelo pode ser feita da seguinte forma:
105
Figura 26: Curva de reação do processo para determinação do seu modelo matemático.
Parâmetros do processo:
∆css  t  θ
kp = , τ p = 1.5 ( t63% − t28% ) , θ = 1.5  t28% − 63%  e α =
∆M  3  τp
onde s é chamado de ponto de inflexão do processo.
4º passo – Calcular os parâmetros do controlador de acordo com a tabela, a seguir:
Controlador Kc τi τd
1  α
P 1 + 
K pα  3 ____ ____
1  α  30 + 3α 
PI  0,9 +  θ 
K pα  12   9 + 20α  ____
1  α  32 + 6α   4 
PID 1,333 +  θ  θ 
K pα  4  9 + 20α   11 + 2α 
O método de Cohen-Coon pode ser utilizado como estimativa inicial dos parâmetros do
controlador. Se a aproximação da curva de reação do processo não for bem ajustada, a
sintonia também não será boa.
106
Importante!
Note que Kc é maior para o controlador P do que o PI, e Kc é maior para o

controlador PID devido a ação estalizante da ação derivativa.
 θ 
O coeficiente  α =  é conhecido como Razão de Controlabilidade. Quanto maior α ,
 τ p 

maior a dificuldade de controle, ou seja, o sistema tende a oscilar. Para um controlador PI o
valor do ganho do controlador é dado por:
1  α
kc =  0,9 +  (39)
k pα  12 
Reordenando os parâmetros temos:
1 α
kc k p =  0,9 + 
α 12 
0,9
kc k p = + 0, 083 (40)
α
onde k c k p é chamado de ganho da malha.
Graficamente podemos representar:
Figura 27: Relação entre KcKp e α.
8 Projeto baseado no critério da integral do erro
Uma abordagem alternativa do projeto de controladores é baseada em índices de

desempenho. Estes índices são obtidos pela ponderação de toda a resposta temporal.
107
Figura 28: Resposta temporal típica de um sistema de controle.
(41)
e(t ) = rSP ( t ) − cMV ( t )
A seguir, serão descritos os mais populares índices de desempenho.
Integral do erro absoluto (IAE – Integral of Absolute Error)
Este critério pondera os módulos dos erros e é útil quando os erros são pequenos:
( | e | < 1 ).
∞
IAE = ∫ e ( t ) dt (42)
0
Figura 29: Curva de resposta do sistema, visualizando o erro entre entrada e saída.
Integral do quadrado do erro (ISE – Integral Square Error)
Este critério pondera os erros ao quadrado e é útil quando os erros são grandes:
( | e | >1 ).
∞
ISE = ∫ e ( t ) dt
2
(43)
0
108
Integral do erro absoluto multiplicado pelo tempo (ITAE – Integral of Time Weighted
Absolute Error)
Este critério pondera os módulos dos erros, penalizando os erros que persistem com o
tempo. Este critério é mais útil quando os sistemas tendem a ter offset.
∞
ITAE = ∫ t e ( t ) dt (44)
0
Integral do erro ao quadrado multiplicado pelo tempo (ITSE – Integral of Time

Weighted Square Error)
Este critério pondera os erros quadráticos, penalizando os erros que persistem com o
tempo. Este critério é mais seletivo do que o ISE.
∞
ITSE = ∫ t e ( t ) dt
2
(45)
0
Os diferentes critérios, casos (servo, regulador), entradas e modelos, levam a ajustes

diferentes. Temos a seguinte metodologia dos critérios.
1. Para um determinado caso e sistema, calcular o erro ( e (t )) como função de

kc , τ I e τ d
2. Aplicar o critério integral escolhido durante o intervalo de tempo, tal que a resposta
( )
tenha se assentado. É obtida assim uma função dos parâmetros ex : ISE ( kc ,τ I ,τ d )
3. Aplicar o critério de otimização da hipersuperfície, onde o vale mais profundo é dado
por:
Minimizar ISE
k c ,τ I ,τ d
4. O ponto de mínimo é determinado, usando algum método de otimização.

∂ ISE
=0
∂ kc
∂ ISE
=0
∂ τI
∂ ISE
=0
∂ τd
Parâmetros recomendados
Da Universidade de Luisiana, surgiram os resultados baseados no modelo de 1a ordem com

tempo morto.
109
k p e −θ s θ
G (s) = e α=
τ ps +1 τp
• (
Caso regulador d ≠ 0, ysp = 0 )
Parâmetros Coef. ISE IAE ITAE
Controlador Proporcional (P) Gc ( s ) = kc
a1 1.411 0.902 0.490

k p kc = a1α b1
b1 -0.917 -0.985 -1.084
 1 
Controlador Proporcional-Integral (PI) Gc ( s ) = kc  1 + 
 τIs 
a1 1.305 0.984 0.859

k p kc = a1α b1
b1 -0.959 -0.985 -0.977
τi 1 b a2 0.492 0.608 0.674

= α 2
τ p a2 b2 0.739 0.707 0.680
 1 
Controlador Proporcional-Integral-Derivativo (PID) Gc ( s ) = kc  1 + +τ d s 
 τIs 
a1 1.495 1.435 1.357

k p kc = a1α b1
b1 -0.945 -0.921 -0.947
τi 1 b a2 1.101 0.878 0.842

= α 2
τ p a2 b2 0.771 0.749 0.738
τd a3 0.560 0.482 0.381

= a3α b 3
τp b3 0.1006 1.137 0.995
• (
Caso servo y sp ≠ 0, d = 0 )
Parâmetros Coef. IAE ITAE
 1 
Gc ( s ) = kc  1 + 
Controlador Proporcional-Integral (PI)  τIs 
k p kc = a1α b1 a1 0.758 0.586
110
b1 -0.861 -0.916
τi 1 a2 1.020 1.030
=
τ p a2 + b2α b2 -0.323 -0.165
 1 
Controlador Proporcional-Integral-Derivativo (PID) Gc ( s ) = kc  1 + +τ d s 
 τIs 
a1 1.086 0.965
k p kc = a1α b1
b1 0.869 -0.855
τi 1 a2 0.740 0.796
=
τ p a2 + b2α b2 0.130 -0.147
τd a3 0.348 0.308
= a3α b 3
τp b3 0.914 0.9292
Fonte: Universidade de Luisiana
Estas relações possuem algumas considerações empíricas que limitam a sua aplicabilidade
a 0.1 < α < 0.258 , para o critério IAE e 0.1 < α < 0.379 , para o critério ITAE. Um pouco fora
desta faixa, o desempenho também pode ser aceitável.
Agora é a sua vez
Atividade 5
Obtenha os parâmetros do controlador para um processo com a função de

transferência descrita, a seguir. Para tanto, use o critério de erro integral para a
obtenção dos parâmetros.
10e − s
G (s) =
2s + 1
Comparar os controladores PI projetadas para o caso regulador.
9 Comparação dos projetos de controladores
As relações de projeto, apresentadas, são baseadas em diferentes critérios de desempenho,

que, de forma geral, podem ser concluídas da forma a seguir:
1. O ganho do controlador kc é inversamente proporcional ao produto dos outros

ganhos da malha fechada:
111
1
kc α
k
em que:
k = kv k p k m
 θ 
2. O kc deve diminuir com o aumento da razão de controlabilidade  α =  . Em geral,
 τ p 

a qualidade do controle reduz com o aumento de α , pois temos tempos de
estabilizações e oscilações maiores.
3. Os tempos integral (τ I ) e derivativo (τ d ) aumentam com o acréscimo de α . De

τd τ
modo geral a relação fica na faixa 0,1 < d < 0, 2 .
τi τI
τd
Uma regra prática é = 0, 25
τi
4. Quando acrescenta-se a ação integral (I) no controlador, isto permite que se reduza
o valor de kc . Entretanto, se acrescentarmos a ação derivativa(D) podemos
aumentar o valor de kc .
5. O critério de projeto de Cohen-Coon tende produzir uma resposta oscilatória em

malha fechada com uma razão de decaimento de ¼. Se desejarmos uma resposta
menos oscilatória podemos reduzir o kc e aumentar τ I .
6. Dos critérios da integral do erro, o critério ITAE fornece o ajuste mais conservativo,
enquanto que o critério ISE nos dá o ajuste menos conservativo.
As relações apresentadas foram desenvolvidas para controladores PID ideais e com sistema
sem interações.
10 Sintonia de controlador
Depois que um sistema de controle é instalado, o controlador é normalmente ajustado até

atingir um desempenho satisfatório. Esta atividade é conhecida como sintonia do controlador
ou sintonia de campo. Tendo em vista que a sintonia normalmente é feita por tentativa e
erro, isto resulta numa tarefa demorada e tediosa. Para minimizar esta tarefa, é interessante
se dispor de uma estimativa preliminar dos parâmetros do controlador.
11 Orientação para seleção e sintonia de malhas de controles comuns
A seguir, apresentamos algumas orientações básicas para seleção e sintonia de algumas

malhas comuns de controle. Este guia é especialmente útil quando o modelo do processo
não é conhecido, porém, deve-se tomar cuidado com os casos especiais, que não se
112
comportam normalmente. As variáveis de processo, normalmente encontrados, são: vazão;
nível de líquido; pressão de gás; temperatura e composição. Vejamos com detalhes cada
uma destas variáveis.
11.1 Controle de vazão

As malhas de controle vazão e pressão de líquido têm as seguintes características:
• tem respostas rápidas (da ordem de segundos);

• normalmente sem tempo morto;
• as dinâmicas são devido à compressibilidade (para um gás) e efeitos inerciais (para
um líquido);
• o sensor e transmissor introduzem atrasos ( se forem instrumentos pneumáticos );
• perturbações à vazão são frequentes, mas de pouca influência (ex: ruídos devido à
turbulência, vibrações da bomba, alterações em válvulas);
• normalmente são usados controladores PI.
11.2 Nível de líquido
Os sistemas de nível são integradores, isto é, instável em malha aberta. Neste caso, o
aumento do ganho do controlador reduz a oscilação do sistema. As técnicas usuais de
projeto e sintonia de controladores não apresentam bom desempenho. Normalmente são
usados controladores PI.
11.3 Pressão de gás
A pressão de gás é fácil de controlar, exceto quando envolve equilíbrio líquido-gás (devido a
troca de massa entre as fases ). O processo de pressão de gás é autoregulador.
• Como exemplo, temos a admissão de gás no vaso:

− se a pressão é baixa, admite mais gás;
− se a pressão é alta, admite menos gás.
Normalmente, são usados controladores PI. A ação derivativa não é necessária devido ao
tempo de resposta do processo ser pequeno ( tempo de residência pequeno - constante de
tempo ).
11.4 Temperatura
Devido a grande variedade de processos, envolvendo transferência de calor por exemplo os

trocadores de calor, colunas de destilação, reatores, os critérios para controle de
temperatura são mais difíceis de serem estabelecidos. Em função da presença de tempos
mortos e/ou capacitâncias térmicas, normalmente terá um limite de estabilidade no ganho do
controlador. Normalmente, são usados controladores PID.
113
11.5 Composição
As malhas de composição são semelhantes as de temperatura, porém com algumas

diferenças:
• o ruído na medida é o maior problema do controle de composição;

• tempo mortos devido aos analisadores podem ser significantes.
Estes dois fatores podem limitar a ação derivativa.
Os controles de temperatura e composição são os primeiros candidatos ao controle

avançado, devido às suas dificuldades de controle.
12 Métodos de sintonia
12.1 Método de tentativa e erro
O método de sintonia de PID, por tentativa e erro, pode ser resumido nos seguintes passos:
1. elimine a ação integral (τ I = ∞ ) e a ação derivativa τ d = 0 ;
2. coloque kc num valor baixo ( ex: kc = 0,5) e coloque o controlador em automático;
3. aumente o kc aos poucos até o processo ciclar continuamente nos casos servos e
regulador;
4. reduza kc a metade;
5. diminua τ I aos poucos até o processo ciclar continuamente nos casos servos e
regulador. Ajuste τ I para 3 vezes o valor.
6. aumente τ d aos poucos até o processo ciclar continuamente nos casos servos e
regulador. Ajuste τ d para 1/3 do valor.
O valor de kc quando o processo cicla continuamente é chamado de último ganho (ultimate

gain) sendo representado por kcu . Durante o teste, é importante que a saída do controlador
não sature. Graficamente temos as seguintes situações:
114
Figura 30: A resposta do sistema, considerando kc e kcu .
O método de tentativa e erro tem as seguintes desvantagens.
1. Utiliza muito tempo, se o número de tentativas para otimizar kc ,τ I e τ d for muito

grande ou se a dinâmica do processo for muito lenta. O teste pode ser muito caro
devido a baixa produtividade ou qualidade ruim do produto durante o mesmo.
2. A ciclagem contínua pode ser dificultada, pois está no limite de estabilidade e,
qualquer perturbação, ou alteração no processo pode ocorrer durante a sintonia e
causar operação instável ou perigosa (ex: disparar a temperatura de um reator
químico).
3. Este procedimento de sintonia não é aplicável a processos em malha aberta, pois
estes processos são instáveis tanto com valores baixos kc de como valores altos de
kc , mas são estáveis em valores intermediários de kc .
4. Alguns processos simples não têm kcu como, por exemplo, os processos de 1a e 2a
ordem sem tempo morto.
Algumas regras podem ser úteis na sintonia fina do controlador, podemos cita as seguintes.
1. Partindo de uma pré-sintonia, o ajuste do ganho não deve ser maior que 20% do
valor inicial, o ideal seria entre 5 a 10%.
2. Reduza o ganho nos seguintes casos:
• a variável controlada tende a ciclar;
• há um grande oversoot na variável manipulada;
115
• a variável controlada está movendo em torno do setpoint.
A ação integral pode ser ajustada por um fator de dois inicialmente e, então, reduzida até
que a sintonia se torne satisfatória. A ação integral deve ser aumentada se a variável
controlada estiver lenta na sua aproximação do setpoint. Uma alteração grande na ação
integral deve ser acompanhada de uma alteração no ganho do controlador, isto é, diminua o
ganho levemente se o tempo integral é reduzido e vice-versa, se for aumentado.
A ação derivativa deve ser evitada. Se a ação derivativa for necessária, então devem ser
compensados com o tempo proporcional e integral quando alterada a ação derivativa, isto é
feito de forma semelhante ao ajuste do integral.
Note que a razão entre o tempo derivativo e o tempo integral deve ser menor do que 0,5.
12.2 Método de Ziegler – Nichols
Ziegler e Nichols propuseram regras para a determinação dos parâmetros do controlador

PID, baseados nas características da resposta transitória de um sistema. Há dois métodos
de determinação dos parâmetros de Ziegler-Nichols. Em ambos os métodos, deseja-se um
sobresinal máximo de 25% na resposta ao degrau.
Figura 31: A resposta típica do sistema para o método de sintonia PID proposto por Ziegler-Nichols.
12.3 Método da ciclagem contínua
Este método consiste em encontrar os parâmetros do controlador, a partir do ganho máximo

do controlador proporcional. É usado em sistemas cuja dinâmica não é bem conhecida.
Procedimento
1. Certificar-se que o sistema é estável em malha aberta ( não é integrador ), aplicando
um degrau no setpoint e verificando se a saída estabiliza.
2. Utilizar somente o ganho proporcional (τ I = ∞,τ d = 0 ) .
3. Aumentar kc e aplicar degrau no setpoint (aos poucos ) até o processo ciclar

continuamente.
116
4. Anotar o último ganho ( kcu ) e o último período de oscilação ( Pu ). Onde também
temos a frequência de cruzamento (ωco ) .
Figura 32: Sistema em oscilação permanente.
2π
ωco =
Pu
O controlador sugerido por Ziegler-Nichols é dado por:
 1 
Gc ( s ) = 0, 6kcu  1 + + 0,125 Pu s 
 0,5 Pu s 
2
 4
s+ 
Pu 
Gc ( s ) = 0, 075kcu Pu 
s
onde:
Pólos: s = 0
4
Zeros: s = −
Pu
Na forma de tabela, temos:
Controlador Kc i d
K cu ____ ____
P
2
K cu Pu
PI ____
2, 2 1, 2
117
K cu Pu Pu
PID
1, 7 2 8
Fonte : (OGATA, 2007, p.485)
Quando a função de transferência é conhecida, o kcu pode ser calculado analiticamente pela
matriz de Routh e o período de oscilação substituindo s = jω . Quando a sintonia por
Ziegler-Nichols não for suficiente, pode então, ser usado como ponto de partida para
sintonia.
12.4 Método da curva de reação do processo
Este método consiste em encontrar os parâmetros do controlador a partir da curva de

reação do processo. É limitado a processos que não envolve integradores, em polos
complexos dominantes (oscilatório)
Procedimento
1. Certificar-se que o sistema é estável e não oscilatório em malha aberta.
2. Aplicar um pequeno degrau na saída do controlador.
3. Construir a curva de reação do processo e determinar o ganho do processo k p a
constante de tempo τ p e o tempo morto (θ).
a) Para um processo de 1a ordem com tempo morto.

∆C PV
Kp =
∆u
Figura 25: Sinal de teste (variação na forma degrau).
118
Figura 26:33 Resposta de teste de um sistema de 1ª ordem com tempo morto.
b) Para um processo subamortecido com tempo morto.
Figura 34: Resposta de teste de um sistema de 2ª ordem com tempo morto.
Considerando:
1
t1 = θ + τ p
3
t2 = θ + τ p
Do modelo:
k p e −θ s
y (s) = u (s)
τ ρ s +1
 
 t −θ 
−
 τp 

y (t ) = k p 1− e  
∆u
 
 
119
 − 
1
y ( t1 ) = k p 1 − e 3  ∆u ∴ y ( t1 ) = 0, 283∆Y
 
y ( t2 ) = k p 1 − e −1  ∆u ∴ y ( t2 ) = 0,632∆Y
1 3
t2 − t1 = t p − τ p ∴ τp = ( t2 − t1 )
3 2
3 3 t 
θ = t2 − τ p ∴ θ = t2 − ( t2 − t1 ) ∴ θ =  t1 − 2 
2 2 3
O controlador sugerido por Ziegler-Nichols é dado por:
1, 2τ p  1 
G (s) = 1 + + 0,5θ s 
K pθ  2θ s 
2
 1
 s+ 
0, 6τ p  θ 
G ( s) =
Kp s
em que:
Pólos: s = 0
1
Zeros: s = −
θ
Na forma de tabela, temos:
Controlador Kc τI τd
1 τ p  ____ ____
P  
Kp  θ 
0,9  τ p  ____
PI   3,33θ
Kp  θ 
1, 2  τ p  θ
PID   2θ
Kp  θ  2
Fonte: (OGATA, 2007, p.485)
120
θ
É recomendável que α = fique na faixa 0,1 < α < 1, 0 .
τp
Conclusão
Finalizamos com este capítulo as orientações de estudos acerca do Controle de processos
contínuos. Os estudos que foram propostos são fundamentais para uma boa atuação
profissional na área de seu curso. Assim, recomendamos que resolva as atividades
propostas. Em caso de dúvida, retome os exemplos, assim como, as atividades que foram
propostas neste texto introdutório.
Referências
BOLTON, W. Engenharia de controle. São Paulo: Makron Books, 1995.
DORF, R. C.; BISHOP, R. H. Sistemas de controle modernos. Editora LTC, 2001.
NORMAN . NISE. Engenharia de sistemas de controle. 3.ed. Editora LTC, 2000.
OGATA, Katsuhiko. Engenharia de controle moderno. 4. ed. São Paulo: Editora Prentice-
Hall do Brasil, 2003.
PHILLIPS, C. L.; HARBOUR, R. D. Sistemas de controle e realimentação. Makron Books

do Brasil, 2000.
RIVERA, M. Internal model control 4. PID controller design. 1986.
121
122

Sistemas de Controle - Provisório PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sistemas de Controle - Provisório PDF

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DE UBERABA

Florisvaldo Cardozo Bomfim Junior

Pró-Reitora de Ensino Superior:

Pró-Reitor de Logística para Educação a Distância:

Produção de Material Didático:

Florisvaldo Cardozo Bomfim Junior

Especialista em Geração de Energia; Bacharel em Engenharia da Computação e

Graduado em Engenharia Elétrica com ênfase em eletrônica e telecomunicações pelo

Edilberto Pereira Teixeira

Doutor em Engenharia Elétrica pela Universidade Estadual de Campinas (1991), mestre em

Capítulo 1 – Sistemas de controle industrial.................................................................................06

Capítulo 2 – Modelamento matemático de sistemas...................................................................54

Capítulo 3 – Projeto de sistemas de controle no domínio do tempo.........................................78

Você está recebendo um livro da Universidade de Uberaba, ofertado para a modalidade de

Os capítulos que compõem este material são:

No primeiro capítulo, iremos conhecer alguns aspectos relacionados ao projeto e ao correto

No segundo capítulo, estudaremos alguns aspectos relacionados à modelagem matemática

Em seguida, veremos o equacionamento de sistemas dinâmicos por meio do conceito de

Ao término dos estudos propostos, você estará apto(a) a:

• modelar sistemas dinâmicos utilizando transformada de Laplace;

1 Modelamento de sistemas dinâmicos lineares

1. Modelamento de sistemas dinâmicos lineares

Figura 1: Esquema de um sistema dinâmico.

Na prática, os sistemas sempre apresentam não linearidades, que impedem a aplicação do

f(t) – função da variável t, tal que f(t) = 0 para t < 0;

£ - simboliza a transformada de Laplace.

Aplicando-se a equação (1), pode-se determinar a transformada de Laplace de quaisquer

Determine a transformada de Laplace da função degrau.

A função degrau tem forma apresentada na figura 2.

Figura 2: Função degrau

Essa função pode ser definida por:

Aplicando-se a definição, tem-se:

Determinar a transformada de Laplace da função rampa.

A função rampa tem a forma apresentada na figura 3.

Figura 3: Função rampa.

Essa função pode ser definida por:

Aplicando-se a definição de transformada de Laplace, tem-se:

A aplicação da definição da transformada de Laplace permite que sejam determinadas as

Tabela 01: Transformada de Laplace

Determinar a transformada de Laplace da função transladada f(t – a).

Figura 4: Função degrau transladada.

Por ser unitário, pode-se dizer que:

Sendo assim, a transformada de Laplace fica:

Substituindo t por τ, em que τ = t - α, obtém-se:

Então: £[f(t – 1)] = e-as F(s) (9)

2.1 Teoremas principais das transformadas de Laplace

Teorema da derivação real

A transformada de Laplace da derivada de uma função f(t) é dada por:

F(s): transformada de Laplace de f(t)

f(0): valor de f(t) no instante t = 0

A demonstração desse teorema pode ser encontrada em [1].

Sabendo-se que a transformada de Laplace da função seno é:

Pede-se determinar a transformada de Laplace da função cosωt.

Teorema do Valor Final (vide demonstração em [1]).

lim f (t ) = lim s F(s) (15)

Determine o valor final da função, cuja transformada de Laplace é:

Aplicando-se o teorema do valor final, tem-se:

Determine o valor final da função, cuja transformada de Laplace é:

Comprove o resultado, usando a transformada inversa.

Aplicando-se o teorema do valor final, tem-se:

A comprovação pode ser feita, usando-se a tabela em que se tem:

Aplicando-se lim f(t) = 0,45 (vide figura 4)

Figura 5: Resposta no tempo.