Você está na página 1de 157

Gerência de Cursos do IBP

Sistema de Gestão da Qualidade


Certificado conforme a Norma ISO
9001:2008

Curso Controles Típicos

Perez

AGOSTO / 2012
Objetivos do Curso

 Fornecer um nivelamento básico de


controle ao aluno.
 Compreender as estratégias de controle
esboçadas nos fluxogramas de
engenharia

3
Ementa do Curso

 REVISÃO
 Transformada de Laplace
 Sistemas de Primeira Ordem – Resposta
Estática e Dinâmica
 Controle em Feedback
 Algoritmo PID
 Interação entre Malhas de Controle
 Estratégias de Controle – Controle em Cascata,
Controle em Razão, Controle Antecipatório,
Controle em Split-Range
 Exemplos de Aplicação na indústria de Petróleo
4
5
Minimizar o desvio das variáveis de
controle em relação aos seus valores de
referência (função regulatória)
Garantir estabilidade operacional
Ser a base instalada para aplicações de
otimização

6
Pirâmide da Automação

Planejamento
Estratégico

Programação
da Produção
Nível de
Otimização Decisão

Controle Avançado MPC


Controle Regulatório

Instrumentação

7
Terminologia

 “Process variable” (PV) - variável


controlada
 “Setpoint” (SP) – valor de referência
 “Manipulated variable” (MV) - variável
manipulada
 Desvio ou erro
 Perturbação
8
Critérios para seleção de variáveis

 Variáveis controladas – aquelas que afetam


diretamente a qualidade dos produtos

 Variáveis manipuladas – aquelas que possuem


grande efeito sobre as variáveis controladas

 Variáveis de Perturbação

9
Vazão de Carga

Controlador de Controlador de
Vazão Temperatura

10
11
 Modos de operação
- manual (o operador estabelece o sinal de
saída para a variável manipulada)
- automático (o controlador possui um
“setpoint” fixo e o algoritmo PID define o
sinal de saída para a variável manipulada)
- cascata (o controlador recebe um sinal de
“setpoint” de um outro controlador PID)
- supervisório (o controlador recebe um sinal
de “setpoint” de uma aplicação externa que
estaria executando um algoritmo específico)
12
13
 Vazão:
- carga de equipamentos
- retirada de produtos
- relação de mistura
- surge em compressores
 Temperatura:
- carga térmica de permutadores de calor e fornos
- perfil em torres
- conversão em reações
 Pressão:
- balanço em sistemas de gás e vapor
14
 Nível:
- inventário em torres e vasos
- interface em sistemas bifásicos para
evitar contaminação de sistemas
 Composição
- qualidade de produtos
- controle de poluentes
15
Características desejadas para o bom desempenho
de um sistema de controle industrial

 Mínimo desvio dos valores de referência


 Boa velocidade e robustez quanto a
estabilidade
 Boa rejeição a perturbações
 Baixa interação entre malhas

16
17
Variável
Controlada
Variável
Manipulada

Utiliza como principio básico a leitura da variável controlada


e sua comparação com o valor de referência (set point) de forma
a conduzir a ação do controlador sobre o processo.
A ação do controlador só ocorre após o desvio da variável controlada.
18
Como representar
matematicamente o processo e
o controlador?
A função de transferência deve
correlacionar as saídas com as
entradas

19
A função de transferência pode ser expressa:
 no domínio do tempo,
 no domínio discreto (domínio Z),
 de Laplace (domínio S)

Y ( s) Y(s)
U(s) G (s) =
U ( s)

−1
y (t ) = L (G ( s ) × U ( s ))
20
A Função de transferência de um processo pode ser expressa das
seguintes formas. Para uma função no domínio de Laplace, por exemplo:
Forma Polinomial
bm s m + bm −1s m −1 + … b1s + b0
G(s) = n −1
an s + an −1s + … a1s + a0
n

Forma Pólo-Zero
kpz ( s − z1 )( s − z2 )…( s − zm )
G(s) =
( s − p1 )( s − p2 )…( s − pn )
Forma Ganho-Constante de Tempo

kp (τn1s +1)(τn2s +1)…(τnms +1)


G(s) =
(τ s +1)(τ p2s +1)…(τ pns +1)
p1
21
22
Ferramenta para solução de equações diferenciais
lineares. A transformada de Laplace converte uma
equação diferencial em equação algébrica no domínio s.
O uso de Laplace pressupõe uma equação diferencial
ordinária linear (EDO). Modelos lineares costumam ser
uma boa aproximação de um processo.

L ( f (t ) ) = ∫ f (t )e dt = F ( s )
− st

s: variável complexa
 Quando a integração é realizada, obtemos uma nova expressão em
função da variável s.
A transformada de Laplace é uma operação linear
23
Conversão de equações diferenciais em equações algébricas

24
Exemplos de Funções Típicas de Transformadas de Laplace

∞ ∞ ∞
− st  1 − st 
− st  1 − s∞ 1 − s 0  1
F (s) = ∫ f (t )e dt = ∫ 1e dt = − e  = − e + e  =
0 0  s 0  s s  s


∞ ∞ ∞ − ( s − a )t
− st at − st − ( s − a )t e 1
F ( s ) = ∫ f (t )e dt = ∫ e e dt = ∫ e dt = =
0 0 0
−(s − a) 0 s − a

25

L ( f ' (t ) ) = ∫
df (t ) − st
e dt =  df 
0
dt L  = sF ( s ) − f ( 0 )
du
− st
 dt 
u=e → = − se − st
dt
dv df (t )
= → v = f (t )
dt dt

∞ ∞ ∞
∫ udv = uv − ∫ vdu = e − st f (t ) + ∫ f (t ) se− st
0 0 0
0

1  d2 f  2
∫ f ( t ) dt = F ( s ) L  dt 2  = s F ( s ) − sf ( 0 ) − f '
( 0)
s  
26
27
28
t=0
θ

u(s)


1
u (t ) = 1 ⇒ u ( s ) = L ( y (t )) = ∫ u (t − θ )e − s (t −θ ) e − sθ dt ⇒ t ' = t − θ
s 0
∞ ∞
e − sθ
y (t ) = u (t − θ ) ⇒ L ( y (t )) = ∫ u (t − θ )e dt L ( y (t )) = ∫ u (t ')e e
− st − st ' − sθ − sθ
dt ' = e u ( s ) =
0 0
s

L ( y (t )) = ∫ u (t − θ )e e e dt
− st − sθ sθ
e − sθ
0
Y (s) =
s
29
30
Resposta Dinâmica do nível a um degrau
unitário na vazão de entrada de um tanque

qe

qs

31
Pelo Balanço de Massa: Acumulado = entra – sai

dm
= ρqe − ρqs m = ρV = ρ HA
dt
dH dH
ρA = ρ qe − ρ qs ⇒ A = qe − qs
dt dt

dH
A = qe − qs = qe − k H (i )
dt
32
33
 Não existe transforma de Laplace para componente não linear
 Para linearizarmos o sistema, podemos utilizar a expansão
infinita de Taylor:

( x − x0 ) ( x − x0 )
2 3
∂f ∂ f
2
∂ f
3
f ( x ) = f ( x0 ) + ( 0)
x − x + + 3 +…
∂x x = x0 ∂x 2
x = x0
2! ∂x x = x0
3!

 Esta expansão truncada até a primeira ordem é chamada de


Jacobiano da função

∂f
f ( x ) ≅ f ( x0 ) + ( x − x0 )
∂x x = x0

34
 A linearização do sistema pode ser obtida a partir do
Jacobiano
∂f
f ( x ) ≅ f ( x0 ) + ( x − x0 )
∂x x = x0

 Aplicando o Jacobiano no componente não linear e


linearizando em torno do estado estacionário:

1
H ≅ H SS + ( H − H SS ) (ii)
2 H SS
 Escrevendo a variável H em função da variável de desvio

H ( t ) = H SS + H ( t ) − H SS


H
35
 Substituindo (ii) em (i) e usando o conceito de variáveis
incrementais

A
(  (t )
d H SS + H )≅q 
+ q e ( t ) − k  H SS +
ɵ 1 
( H − H SS )
eSS
dt  2 H SS 

A
d H (
 (t )
)≅q + qɵ e ( t ) − k H SS − k
 (t )
H
eSS
dt 2 H SS
 No estado estacionário

0 = qeSS − k H SS qeSS = k H SS
36
 Substituindo (ii) em (i) e usando o conceito de variáveis
incrementais
 (t )
A
dH
≅ qɵ e ( t ) −
k  (t )
H  (t )
αH
dt 2 H SS

dH dH
A = qe − α H ⇒ A + α H = qe
dt dt
Levando para o domínio da freqüência (Laplace):
1
AsH ( s) + α H ( s) = qe ( s ) ⇒ H ( s) ( As + α ) = qe ( s) ⇒ H ( s) =
qe ( s)
= α q (s)
As + α A s + 1
e

α
37
Levando para o domínio da freqüência (Laplace):

AsH ( s) + α H ( s) = qe ( s)
H ( s) ( As + α ) = qe ( s)
1
H ( s) =
qe ( s)
= α q (s)
As + α A s + 1
e
α
Kp
H ( s) = qe ( s )
τs + 1
38
Para obtermos a resposta no domínio do tempo, calculamos a
inversa de Laplace:

Kp
H (s) = qe ( s )
τ s +1
Kp
1
qe ( s ) = ⇒ H ( s ) =
Kp 1
× =
Kp
= τ
s τ s + 1 s s (τ s + 1) s s + 1 ( τ )
A B Kp Kp
H (s) = + = −
s s+ 1 ( τ ) s (
s+ 1
τ )
H ( t ) = K p (1 − e −t τ )
39
40
41
k − sθ ∆YSS
G(s) = e k=
σs + 1 ∆U SS
Constante de Tempo σ : tempo para o processo
atingir 63,2% do valor final
k: Ganho estático do processo
θ : Tempo Morto
Ordem do sistema: maior potência do denominador
Pólos do sistema: São as raízes do denominador.
Definem a estabilidade do Sistema. Pólo no eixo X
negativo: estável
Zeros do sistema: São as raízes do numerador. Um
zero positivo corresponde a uma resposta inversa.42
A
Y (s) = ⇒ Inversa de Laplace ⇒ y (t ) = Ae rt
s−r

43
44
 No tanque anterior, o balanço de massa apresentou a
seguinte equação diferencial para o sistema

dH 1
= ( qe − qs )
dt A
 Se considerarmos tanto a vazão de entrada como a vazão de
saída como variáveis independentes, diferente da análise
anterior onde a vazão de saída era dependente do nível, e
aplicando a transformada de Laplace, vem

1
sH ( s ) = Qe ( s ) − Qs ( s ) 
A

Qe ( s ) Qs ( s )
H (s) = −
As As 45
Qs ( s ) = 0
 Se, por exemplo, Qs é constante

Qe ( s )
H (s) =
As

46
47
 Um sistema de segunda ordem pode ser composto de dois
sistemas de primeira ordem em série

K1 K 2 k
H (s) = =
(τ 1s + 1)(τ 2 s + 1) (τ1s + 1)(τ 2 s + 1) 48
 Sem dinâmica no numerador → Ordem relativa 2 (diferença
entre ordem do denominador para a ordem do numerador)
 Sem tempo morto

k
G (s) = 2 2
τ s + 2ξτ s + 1

k: Ganho estatico do processo

τ : velocidade de resposta do sistema


ξ : coeficiente de amortecimento
49
 Análise da estabilidade

τ s + 2ξτ s + 1 = 0
2 2

−ξ ± ξ − 1 2
α1,2 =
τ

ξ ≥0
50
 Análise da amortecimento

−ξ ± ξ 2 − 1
α1,2 =
τ
ξ >1

ξ =1

0 < ξ <1

ξ =0
51
52
53
 Inserindo uma dinâmica no numerador
Ordem relativa unitária
 Um zero negativo pode causar overshoot se a constante
de tempo do numerador for maior que a constante de tempo
do denominador

k p (τ n s + 1)
G (s) =
(τ 1s + 1)(τ 2 s + 1)

54
 Aplicando um degrau unitário no instante t=1
1.6

1.4

1.2

0.8
G(s) =
( 5s + 1)
0.6
( 2s + 1)( s + 1)
0.4

0.2

0
0 1 2 3 4 5 6 7 8 9 10

55
 Se zero se aproximar da origem (maior constante de tempo)

Step Response
7

G (s) =
( 25s + 1)
5
( 2s + 1)( s + 1)
4
Amplitude

0
0 2 4 6 8 10 12 14
Time (sec)

56
 Voltando a função anterior e aumentando uma das constantes
de tempo dos pólos

Step Response
1.4

1.2

0.8
Amplitude

( 5s + 1)
0.6

G (s) =
( 4s + 1)( s + 1)
0.4

0.2

0
0 5 10 15 20 25
Time (sec)

57
 Para uma constante de tempo no zero menor que a dos pólos:
1

0.9

0.8

0.7

0.6

0.5

0.4

G(s) =
( 0,5s + 1)
0.3
( 2s + 1)( s + 1)
0.2

0.1

0
0 1 2 3 4 5 6 7 8 9 10

58
 Resposta inversa para zero positivo

0.4

0.2

0
G (s) =
( s − 1)
( 2s + 1)( s + 1)
-0.2

-0.4

-0.6

-0.8

-1
0 1 2 3 4 5 6 7 8 9 10

59
 Aproximando o zero da origem;

Step Response
0.3

0.25

G (s) =
( s − 0, 01)
0.2
( 2s + 1)( s + 1)
0.15
Amplitude

0.1

0.05

-0.05
0 2 4 6 8 10 12 14
Time (sec)

60
Sistema de fase não mínima:
 São sistemas que apresentam zeros no
semiplano direito do plano complexo,
ou seja, com parte real positiva e,
portanto, apresentando resposta
inversa.

61
62
Teorema do Valor Final

lim y (t ) = lim ( sY ( s ) ) = lim ( sG ( s ) *U ( s ) )


t →∞ s →0 s →0

Se U(t) for um degrau unitário, então U(S)=1/s.


A partir desse teorema e da função de
transferência, podemos obter o ganho estático
do processo.

lim( G(s))
s→0
63
64
1-Passar o controlador para manual
2 – Aguardar estabilidade do processo
3-Aplicar um degrau na válvula de controle
4-Observar a resposta da variável controlada
5-Medir a constante de tempo do processo
6-Verificar a existência do tempo morto
7-Calcular o ganho estático do processo
8-Com os valores de ganho, constante de tempo e tempo
morto, obtém-se a função de primeira ordem.

kp − sθ
G (s) = e
σ s +1
65
66
67
Diagrama de Malha Mais Simplificado

GcGp Gd
Y ( s) = SP(s) + D( s)
1 + GcGp 1 + GcGp

Equação característica do sistema em malha fechada


1 + GcGp = 0 68
69
Y ( z)
U(z) HG p ( z ) = Y(z)
U ( z)
Conversor A/D

Retentor H(s)

1 − e −Ts
H (s ) = FH(kT)
F(t) F*(t) s

70
1 e − sT 1 1 − sT
H (s) = − = − e ⇒ H (t ) = u (t ) − u (t − T )
s s s s
f *
( kT ) = δ ( t − kT ) f ( kT ) f H ( kT ) = H ( t ) f *
( kT )

71
72
73
Teorema de Amostragem de Shannon

“Para poder recuperar todas as características de um sinal


através da sua amostragem,
a freqüência de amostragem tem que ser
no mínimo duas vezes a máxima freqüência presente no sinal.”
Composição do Sinal
Sinal amostrado
amostrado
sinal em todas
com menos
com 2wmax suas freqüências de 2wmax

74
75

Z ( f (t )) = ∑ f (kT ) z −k
= F ( z)
k =0

76
77
Atenção: As transformadas em Z
dependem do período de amostragem
T.
Portanto, se alterarmos o período de
amostragem do PLC ou SDCD, essas
funções de transferência são alteradas,
o que leva a uma sintonia diferente do
PID.

78
79
Vamos imaginar que , ou seja, o tempo morto equivale a m
vezes o scan do processador :
∞ ∞
Z ( f (t − θ )) = ∑ f (kT − mT ) z −k
=∑ f [(k − m)T ]z − k
k =0 k =0

Fazendo k-m=n, vem k=m+n. Portanto:


∞ ∞
Z ( f (t − θ )) = ∑ f [( k − m)T ]z −m−n
= ∑ f [(n)T ]z −n
z −m
k =0 n=−m


Z ( f (t − θ )) = ∑ f [(n)T ]z − n z − m = z − m F ( z )
n=0

O tempo morto aparece como uma potência de Z, o que


facilita pois trabalhamos apenas com polinômios em Z.

80
Teorema do Valor Final
Da mesma forma que para as funções de
transferência em Laplace, é possível, a partir de
uma função de transferência em Z, obter o valor
final da variável de saída:

lim f (t ) = lim sF ( s ) = lim (1 − z −1


) F ( z)
t →∞ s →0 z →1

81
82
Redução da variabilidade do processo
1 n
y = ∑ yi
n i =1

∑( y − y)
n ¨2
i
σ= i =1
n −1
83
Para atingir o objetivo do Controle:

1. Medições corretas e Válvula de Controle e


elemento final de controle bem dimensionado
2. Estratégia Adequada
3. Sintonia

84
Controle em Cascata
É uma antecipação atuando no desvio da variável
manipulada.

Malha Primária ou Mestre


LT LIC

Malha Secundária ou
FIC Escravo

FT

GÁS

85
86
Controle Antecipatório propriamente dito (“FeedFoward”)
Nesse tipo de controle, a ação da perturbação age imediatamente sobre
a saída do controlador da variável controlada, dispensando um controle
específico para a perturbação (nem sempre a perturbação pode ser
controlada em função da variável de controle). Essa ação pode ser feita
através da adição ou multiplicação do sinal de saída do controlador da
variável controlada.

Perturbação
PROCESSO

Variável
Manipulada
F(*) + TIC

87
88
TIC

X LL TM

∆pv TY TY TY TY
+

HIC FIC

89
90
91
Controle em razão:
Algoritmo PID que mantém constante a razão
entre duas variáveis, manipulando uma delas
(variável manipulada) em função de outra
(variável selvagem ou não controlada)

92
93
Controle em override:
Vários controladores atuando em um único
elemento final de controle ou controlador
secundário. Composto por um controle normal e
restrições.

94
95
96
Controle em PID Gap ou Banda Morta

97
 Banda- morta

98
Controle em PID Adaptativo
O ganho adaptativo é recomendado para controles essencialmente
não lineares.
Um exemplo clássico de controle não linear é o controle de nível em
um tubulão de vapor de uma caldeira

99
A variação de volume não é linear com a variação de nível. A
linha pontilhada da figura abaixo mostra a variação de volume
com o nível.
Note que o nível varia lentamente em torno de 50% e varia
rapidamente nos extremos. As ações de controle devem ter um
ganho inverso ao ganho do processo.

100
Controle com PID com compensação de tempo morto
Preditor de Smith

u y
PID G(s) e-θs

+
G*(s) e-θ*s
-
Modelo
Modelo
G*(s)

y* +

101
y=
K ∗e −θ S
×u +
(
K ∗ 1− e
* −θ * S
)× u ≅ K*
×u
τ s +1 τ * s +1 τ s +1
*

102
103
PID Sampling

Esse tipo de PID caracteriza-se por efetuar a


atualização de sua saída em intervalos de tempo
definidos de forma a permitir uma atualização na
variável de processo.
A saída é atualizada durante um intervalo de tempo to
para, em seguida, ficar retida por outro intervalo de
tempo t1.

104
105
Controle em split range

Abertura de Válvula

100%
A
B

Saída do Controlador

Saída do PID Válvula Pequena Válvula Grande


0% 0% 0%
CVPEQUENA 100% 0%
× 100 %
(CV PEQUENA + CVGRANDE )
100% 100% 100%

106
107
 Implementação de 2 controladores X “split-range”

108
Controle ON-OFF:

Tipo de resposta típica de um controlador


ON/OFF. 0 (zero) corresponde a válvula 100%
fechada e 10 a 100% aberta, cuja abertura varia
ao longo do tempo
109
 Seletor de “PV” e limitador de “setpoint”

110
 Atuações distintas para a mesma PV

111
 Cascata entre sistemas digitais distintos

112
Resumo
 Controle em cascata é uma implementação que
estabelece a característica de boa rejeição contra
perturbações
 Controle em “split-range” pode apresentar
problemas de desempenho caso os ganhos
associados aos elementos de atuação sejam muito
diferentes
 Malha de controle com “override” implica na
implementação de duas malhas em paralelo; uma
malha principal e uma segunda malha associada a
uma variável de restrição do problema em questão
 O controle “feed-forward” requer a identificação de
um modelo entre a variável de perturbação (feed-
forward) e seu efeito na variável controlada
113
 Os controladores PID-GAP e PID com banda morta
trabalham com sintonias distintas dependendo do
valor do erro
 A saída do bloco “lead-lag” é uma função de
primeira ordem quando excitado por uma variação
em degrau na sua entrada. Sua implementação
objetiva compatibilizar a dinâmica do processo no
projeto das estruturas de controle.

114
Controle X Processo – Assuntos distintos?
 Controle de pressão no topo de torres de alta pureza

 A pressão da torre aumentando, leva o PIC a fechar a


válvula de bypass do condensador, o que aumenta a
condensação, levando a diminuição da pressão.
115
116
Controlador Proporcional Puro: Não aumenta a ordem do sistema

Gp (s) =
kp
σ s +1
Gc = k c
Y (s) =
GcGp
1+ GcGp
SP(s)

y( s) kc * kp
=
SP ( S ) σs + (1 + kc * kp )

Não elimina off-set – desvio permanente entre PV e SP

117
O controlador P+I aumenta a ordem do sistema

kp  1  GcGp
Gp (s) = Gc = kc 1 +  Y (s) = SP(s)
σ s +1  sTi  1+ GcGp

y(s) kc * kp
=
SP ( S ) σTis 2 + Tis + kc * kp

O controlador P+I elimina off-set.

118
O controlador P+I+D é indicado para variáveis lentas e não ruidosas.

kp  1  GcGp
Gp (s) = Gc = kc 1 + + sTD  Y (s) = SP(s)
σ s +1  sTi  1+ GcGp

119
120
Um controlador pode ser classificado como:

1. Controlador posicional
2. Controlador Incremental

3. Controlador Interativo
4. Controlador Não Interativo

5. Controlador em paralelo
6. Controlador em série

121
Controlador Proporcional:
O controlador proporcional (P) gera a sua saída proporcionalmente
ao erro. O fator multiplicativo (Kc) é conhecido como o ganho do
controlador.
Algoritmo de posição

U(t) = KC * Erro(t) + Valor Inicial

Algoritimo Incremental

∆U(n) = KC * ∆Erro (n)

122
u (t ) = kC e(t ) + bias

onde bias=u(0)-kCe(0) para não ter bump

 Exemplo – Situação 1 onde a PV não responde a ação de


controle:
SP = 4000C PV= 4000C Range: 0 ~ 5000C kc=1 Saída = 50
Em t=0 ⇒SP= 4500C 450 − 400
erro = × 100 = 10%
500
u =kc*erro+bias=1*10%+50%=60%
Em t=1 ⇒PV= 4000C 450 − 400
erro = × 100 = 10%
u =kc*erro+bias=1*(10)+50=60% 500

123
u (t ) = kC e(t ) + bias

 Exemplo – Situação 2 onde a PV responde a ação de controle:


SP = 4000C PV= 4000C Range: 0 ~ 5000C kc=1 Saída = 50
Em t=0 ⇒SP= 4500C 450 − 400
erro = × 100 = 10 %
500
u =kc*erro+bias=1*10%+50%=60%
450 − 425
Em t=1 ⇒PV= 4250C erro = × 100 = 5%
500
u =kc*erro+bias=1*(5)+50=55%

124
∆u (t ) = K C .∆e(t )

 Exemplo– Situação 1 onde a PV não responde a ação de


controle:
SP = 4000C PV= 4000C Range: 0 ~ 5000C kc=1 Saída = 50
450 − 400
Em t=0 ⇒SP= 4500C erro = × 100 = 10 %
500
⇒u0=50+10=60%
∆u =kc*∆erro=1*10=10%⇒
450 − 400
Em t=1 ⇒PV= 4000C erro = ×100 = 10%
500
⇒u1=60-0=60%
∆u =kc*∆erro=1*(10-10)= 0%⇒

125
∆u (t ) = K C .∆e(t )

 Exemplo– Situação 2 onde a PV responde a ação de controle:


SP = 4000C PV= 4000C Range: 0 ~ 5000C kc=1 Saída = 50
450 − 400
Em t=0 ⇒SP= 4500C erro = × 100 = 10 %
500
⇒u0=50+10=60%
∆u =kc*∆erro=1*10=10%⇒
450 − 425
Em t=1 ⇒PV= 4250C erro = × 100 = 5%
500
⇒u1=60-5=55%
∆u =kc*∆erro=1*(5-10)=-5%⇒

126
127
Y(s)
SP(s) Gc=kc Gp =
+
k
- τs + 1
Y (s) GcGp kc k
= =
SP( s) 1 + GcGp τs + 1 + k c k

Se for aplicado um degrau no set point:


1 kc k 1
SP( s) = ⇒ Y ( s) = ×
s τs + 1 + k c k s
Para encontrarmos o valor de y no tempo tendendo a infinito:
 kc k  1  kc k  k k
lim y (t ) = lim sY ( s ) = lim s  × = lim  = c
t →∞ s →0 s →0
 τs + 1 + k c k  s s →0  τs + 1 + k c k  1 + k c k
kc k 1 + kc k − kc k 1
Valor de erro permanente: 1− = = ≠0
1 + kc k 1 + kc k 1 + kc k
128
129
 Em todos os casos temos offset na variável controlada.
 O offset diminui com o aumento de Kc.
 Quando Kc aumenta, a malha fica mais oscilatória (na verdade o
que está acontecendo é que os pólos da função de transferência
da malha fechada está se aproximando da parte positiva – “menos
negativo”).

130
offset
10

6
referência
4
saída do processo
2

0 10 20 30 40 50

131
Banda Proporcional: equivale a variação de erro que provoca
uma variação de 100% na saída do controlador

100
∆out = k ∆e = ∆e
BP

O conceito de Banda Proporcional ainda é utilizado em alguns


SDCDs e PLCs. O seu uso, no entanto, foi maior na época dos
controladores pneumáticos.

132
Controlador Proporcional+Integral

Paralelo, Posicional Não interativo:


U(t) = Kc * Erro(t) + (1/TI) * [ ∑Erro(t)*dt ] + Valor Inicial

Paralelo, Posicional Interativo


U(t) = Kc * Erro(t) + (Kc/TI) * [ ∑Erro(t)*dt ] + Valor Inicial

Paralelo, Incremental Não interativo


∆U(n) = Kc * ∆Erro (n) + (1/TI) * Erro(n) *TA

Paralelo, Incremental Interativo


∆U(n) = Kc * ∆Erro (n) + (Kc/TI) * Erro(n) *TA

onde TA: Tempo de Amostragem

133
Relação entre ganho proporcional e tempo integral

134
∆u (n) = u (n) − u ( n − 1)

1 k =n 1 k = n −1
∆u (n) = K c e( n) + ∑ e( k ) TA − K c e(n − 1) − ∑ e(k ) TA
Ti k =1 Ti k =1
1
∆u ( n ) = K c ∆e + e( n) TA
Ti

135
136
Y(s)
SP(s) Gc= Gp =
+
kc k
- Ti s τs + 1

Y (s) GcGp kc k
= =
SP( s) 1 + GcGp Tiτs 2 + Ti s + k c k

137
Se for aplicado um degrau no set point:

1 kc k 1
SP( s) = ⇒ Y ( s) = ×
s Tiτs + Ti s + k c k s
2

Para encontrarmos o valor de y no tempo tendendo a infinito:

 kc k  1  kc k 
lim y (t ) = lim sY ( s ) = lim s  × = lim
 
 =1

 Tiτs + Ti s + k c k  s  Tiτs + Ti s + k c k 
t →∞ s →0 s →0 2 s → 0 2

Portanto, a variável tende ao valor 1 que é o novo valor do set-point,


não havendo offset.

138
139
Resposta ao degrau unitário (para kc=0.5)

140
Características:
• Quanto maior o tempo integral, mais suave a
resposta.
• Quanto menor o tempo integral, mais rápida a
resposta
(maior a ação integral).
• Diminuindo o tempo integral, o pólo aproxima-se
da parte real positiva

141
Controlador P+D
Relação entre ganho proporcional e tempo derivativo

142
Controlador Proporcional+Integral+Derivativo

PID paralelo, posicional e não interativo:


U(t) = Kc * Erro(t) + (1/TI) * [∑Erro(t)*dt ] + TD * dErro/dt + Valor Inicial

PID paralelo, incremental e interativo:

*TA. + Kc.Td .( e( k ) − 2e( k −1) + e( k − 2) ) TA


e(k)
∆u ( k ) = Kc .∆e( k ) + Kc .
TI

PID série:

 1 + TD s   1 
U (s) = K C   1 +  Erro( s)
1 + αTD s   TI s 

143
144
Resposta ao degrau unitário (para kc=0.5 e Ti=0,1)

145
Características:
O modo derivativo reduz as oscilações que são observadas na
malha com o controlador PI com os mesmos valores de
parâmetros (P e I). Existe pouca diferença quando aumentamos
Td, a não ser no começo da curva. Em malhas lentas, não
ruidosas, o derivativo estabiliza a malha de controle.

Regra Prática
Na escolha dos parâmetros de um controlador PID, podemos
optar pelo uso do controlador proporcional puro, se o offset for
tolerado (raro).
Se o offset não é tolerado (mais comum), utilizamos o PI.
Se a resposta do PI for lenta ou oscilatória, passamos para o
controlador PID (uso dos três parâmetros).
146
Alguns caso especiais:
•Controlador com ganho proporcional atuando apenas no problema
regulatório e não no problema servo.
•Ação derivativa atuando apenas na PV

PID do SDCD Yokogawa


147
148
Modelagem do processo em termos de leis físicas
(modelo rigoroso ou fenomenológico);

Modelagem baseada em padrões de redes neurais

Identificação do sistema

149
Exemplo de modelagem
Permutador

A - Frio TB1 TIC


B - Quente MB1

TA1 TA2
MA1

TB2
Q
TA 2 = TA1 + .
M A1C p ⇒ Q = m Cp∆T
150
U Q=K*U
TIC
TA2 = TA1 + Q/MA1*CP

TA1 , MA1 , CP , K

TA2 - Temperatura na saída


do trocador de calor

151
Exemplo de Simulador Dinâmico (Malha Aberta)
e Resultado da simulação no Matlab

152
Exemplo de Simulador Dinâmico com o controlador PID

153
Resultado da simulação no Matlab com o controlador P+I

154
Resultado da simulação no Matlab com o controlador P+I+D

155
Características dos controladores

Controlador Características Aplicação

P Tem desvio do SP em regime Muito pouco usado.

PI Não tem desvio do SP em regime Controles de vazão, nível e pressão.


Sistema mais “nervoso”

PID Antecipa a resposta e mais estável em malhas Controles de composição, temperatura, nível e
lentas, sem ruídos, e sem grandes tempos pressão com grande capacitância.
mortos.

156
Sugestões de Sintonia Inicial

Processo Ganho Integral (rep/min) Derivativo (min)

Pressão, Vazão, Nível O,2 a 1 2a5 0


com vaso
pulmão

Temperatura, Nível 1a5 0,1 a 0,005 0,5 a 2


com prioridade,
Pressão com
capacitância

157