MSD Representação de Estados

Fernando Lizarralde
©Copyright 2018

Universidade Federal do Rio de Janeiro

Poli-ECA

September 29, 2020

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Modelagem no Espaço de Estado

Definições

Estado: é o menor conjunto de variáveis ( chamada variáveis

de estado ) tal que o conhecimento destas variáveis em t = t0 ,
juntamente com a entrada para t ≥ t0 , determina
completamente o comportamento do sistema para qualquer
instante t ≥ t0 .

Observação: As variáveis de estado não precisam ser

grandezas fisicamente mensuráveis ou observáveis.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Modelagem no Espaço de Estado

Definições (cont.)

Vetor de Estado: se n variáveis de estado são necessárias

para descrever completamente o comportamento de um dado
sistema, então estas n variáveis de estado podem ser
consideradas como as n componentes de um vetor x(t) ( vetor
de estado ).

Espaço de Estado: é o espaço n-dimensional cujos eixos de

coordenadas são os eixos x1 , x2 , . . . , xn .

Qualquer estado pode ser representado por um ponto no

espaço de estado.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Equações no Espaço de Estado
Um sistema com estado de dimensão n, com m entradas, e
variante no tempo tem as seguintes equações:
ẋ1 = f1 (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
ẋ2 = f2 (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
.
.
ẋn = fn (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
As p saídas do sistema (em geral os sinais medidos) são
dadas por equações algébrica:
y1 = g1 (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
y2 = g2 (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
.
.
yp = gn (x1 , x2 , . . . , xn ; u1 , . . . , um ; t)
Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados
Definindo
   
x1 (t) f1 (x1 , x2 , . . . , xn ; u1 , . . . , um , t)
 x2 (t)
 ; f (x, u, t)(t) =  f2 (x1 , x2 , . . . , xn ; u1 , . . . , um , t) 
  
x(t) = 
 .   . 
xn (t) fn (x1 , x2 , . . . , xn ; u1 , . . . , um , t)
     
u1 (t) y1 g1 (x, u, t)
 u2 (t)   y2 
  g2 (x, u, t) 
u(t) =   ; y (t) =  ; g(x, u, t) =  
 .   .   . 
um (t) yp gp (x, u, t)

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

obtemos a seguinte representação compacta do sistema:

ẋ = f (x, u, t);
y = g(x, u, t).

Pontos de equilíbrio x ∗ : são os pontos x tal que f (x, u, t) = 0

para todo t e para um dado u = u ∗ .

f (x ∗ , u ∗ , t) = 0

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Equações Diferenciais Ordinárias (EDO) de ordem n
Uma EDO de ordem n:
y (n) = h(y , ẏ , . . . , y (n−1) ; t)
pode ser transformada de forma canônica em um sistema de n
EDO’s de 1a ordem. De fato, basta definir as variáveis de
estado como
x1 = y , x2 = ẏ , ··· , xn = y (n−1) .
Assim teremos os sistema na forma de estado:
ẋ1 = x2
ẋ2 = x3
.
ẋn = h(x1 , x2 , . . . , xn ; t)
Nota: aqui o sinal de controle u não aparece explicitamente e
f1 (x, t) = x2 ; f2 (x, t) = x3 ; . . . ; f(n−1) (x, t) = xn ; fn (x, t) =
h(x1 , x2 , . . . , xn ; t).
Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados
Exemplos

Fato: Uma EDO de ordem n pode ser sempre representada por

n EDO’s de 1a ordem. A inversa não é em geral verdadeira.
Exemplo:
Assim teremos os sistema na forma de estado:

ẋ1 = x1 + u
ẋ2 = x1 + x2
y = x1

Q.: Aqui, quem é f1 e f2 ?

Logo:
ẏ = y + u.
Explicação:
A variável x2 não aparece nessa última EDO de 1a ordem por
ser não "observável" pela saída y .

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Exemplos de Modelo de Estado: Pêndulo invertido

Exemplos:

1 – Pêndulo

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Diagrama do corpo livre Diagrama de corpo livre

ml 2 θ̈ = −mgl sin(θ) − k θ̇
onde k é a constante de atrito (resistência do ar).
Definindo as variáveis de estado x1 = θ; x2 = θ̇, obtemos as
equações de estado:
2 – Circuito RLC
ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − 2 x2
l ml
y = x1
Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados
Modelo Linearizado

Sabendo-se que para θ pequeno (por série de Taylor), tem-se

sin(θ) ≈ θ, podemos linearizar o pêndulo:

ẋ1 = x2
g k
ẋ2 = − x1 − 2 x2
l ml
y = x1

Em termos de representação matricial:

ẋ = Ax +B u
y = Cx

sendo  
0 1
A= ; C = [1 0]
− gl − mlk 2

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Exemplo deRLC
2 – Circuito Modelo de Estados: Circuito RLC

Para escreverescolher
Vamos o estado deste sistema, podemos escolher
a tensão a tensão no capacitor
no capacitor Vc eeajácorrente
a corrente no
no indutor como variáveis de estado. Esta escolha é intuituvamente satisfatória, que a
indutor iL como variáveis de estado.
energia armazenada no circuito pode ser descrita em termos destas variáveis:

Esta escolha é intuituvamente satisfatória, já que a energia

armazenada no circuito pode ser descrita em termos destas
Para um circuito RLC passivo o número de variáveis de estado é igual ao número de
variáveis, i.e., de energia independentes.
elementos armazenadores

1
E= [L i 2 + C vC2 ]
2

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

cont.

Para um circuito RLC passivo o número de variáveis de estado

é igual ao número de elementos armazenadores de energia
independentes.

Observação Importante: A representação de um sistema no

espaço de estado não é única.
Dependendo da escolha das variáveis de estado, o sistema
será descrito por equações de estado diferentes.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

As equações das leis da Física são:

dvC
ic = C = u − iL
dt
diL
vL = L = −R iL + vC
dt
Escolhendo x1 = vC ; x2 = iL temos

1 1
ẋ1 = − x2 + u
C C
1 R
ẋ2 = x1 − x2
L L
y1 = R x2

A saída de interesse do sistema é y1 = v0 = R x2

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Na forma ẋ = f (x, u) (aqui f não depende explicitamente de t)
temos que

1 1
f1 (x, u) = − x2 + u
C C
1 R
f2 (x, u) = x1 − x2
L L

g1 (x, u) = R x2

sendo que x ∈ IR2 ; y ∈ IR (n = 2, p = 1).

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Neste exemplo, poderíamos também fazer a seguinte escolha
para variáveis de estado:

z1 = iL ; z2 = diL /dt
Equações de estado

ż1 = z2
R 1 1
ż2 = − z1 − z2 + u
L LC LC
y1 = R z1

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Linearização

I A maior parte dos sistemas físicos são não lineares.

I Entretanto, em torno de um ponto (ou de uma trajetória de
operação nominal), o sistema pode ser aproximado
linearmente.
I Assim, com modelos lineares aproximados, podemos
empregar técnicas lineares de análise e projeto.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Como linearizar?

I A aproximação é feita via série de Taylor.

I Dado um SNL1
ẋ = f (x, u)
vamos linearizar em torno de uma solução dada x̄(t)
correspondente a uma entrada dada ū(t).
I Então temos (por definição) que a solução nominal
satisfaz a equação diferencial, i.e.:
˙
x̄(t) = f (x̄(t), ū(t)); ∀t ≥ t0

sendo t0 o tempo inicial.

1
para simplificar, f não depende explícitamente de t
Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados
Como linearizar?

I Desenvolvendo f (x, u) por série de Taylor em torno da

solução nominal x̄(t), para i = 1, · · · , n, temos
n  
X ∂fi (x, u)
f (x, u) = fi (x̄, ū) + (xj − x̄j )
∂xj x̄,ū
j=1
m  
X ∂fi (x, u)
+ (uk − ūk ) + · · ·
∂uk x̄,ū
k =1

consequentemente
n   m  
X ∂fi (x, u) X ∂fi (x, u)
ẋi ≈ fi (x̄, ū)+ (xj −x̄j )+ (uk −ūk )
∂xj x̄,ū
∂uk x̄,ū
j=1 k =1

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Equações do erro de estado

I Definimos os erros x̃ e ũ, respectivamente em relação à

trajetória nominal e ao controle nominal (ou de referência):

x̃(t) = x(t) − x̄(t); ũ = u(t) − ū(t).

I Levando em conta que

x̄˙ = f (x̄, ū)

tem-se
 ∂f ∂f1
  ∂f1 ∂f1

1
∂x1 . . . ∂xn ∂u1 . . . ∂um
. . . .
   
   
x̃˙ =  . . x̃ +  . . ũ
   
 
. . . .
   
   
∂fn ∂fn ∂fn ∂fn
∂x1 . . . ∂xn ∂x1 . . . ∂um
x̄,ū x̄,ū

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Jacobianos das equações de estado

I Identificando a primeira matriz como Ā(t) ∈ IRn×n e a

segunda como B̄(t) ∈ IRn×m , tem-se de forma compacta
as equações dinâmicas limearizadas do erros de estado

x̃˙ = Ā(t) x̃ + B̄(t) ũ.

I
∂f
A=
∂x
é a matriz jacobiana de f em relação a x e

∂f
B=
∂u
é a matriz jacobiana de f em relação a u.
I O traço sobre as matrizes indica que são calculadas sobre
a trajetória de referência.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Linearização em torno de um ponto de equilíbrio

I Se a linearização é em torno de um ponto de equilíbrio,

x̄ = cte e ū = cte, então Ā e B̄ são constantes;
I Os pontos de equilíbrio (pode haver mais do que um, ou
mesmo uma infinidade satisfazem

f (x̄, ū) ≡ 0

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Exemplo 1: Pêndulo

No exemplo do pêndulo, considere g/l = 1 e k /(ml 2 ) = 2.

Então, as equações do pêndulo são:

ẋ1 = f1 (x1 , x2 ) = x2
ẋ2 = f2 (x1 , x2 ) = − sin(x1 ) − 2 x2

Linearizando em torno do equilíbrio x̄ T = [0 0] temos:

" #
∂f1 ∂f1  
˙x̃ = ∂x1 ∂x2 0 1
∂f2 ∂f2 x̃ = x̃;
∂x ∂x
− cos(x1 ) −2 x̄
1 2 x̄
 
0 1
ẋ = x =Ax
−1 −2
Aqui, x̃ = x. Calcule os autovalores de A. são estáveis?

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Cont.

Linearizando em torno do outro equilíbrio x̄ T = [π 0] temos

 
˙x̃ = 0 1
x̃;
− cos(x1 ) −2 x̄
 
˙x̃ = 0 1 x̃
1 −2
Aqui x̃ T = [x1 − π, x2 ]. Calcule os autovalores de A. são
estáveis?

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Linearização das Equações de Saída
A saída e em geral dada pela equação algébrica não linear

y = g(x, u)

De forma inteiramente similar à que foi feita no caso das

equações dinâmicas do estado x, podemos linearizar a saída
definindo a variável de erro de saída em relação à saída
nominal ȳ = g(x̄, ū), i.e.,

ỹ = y − ȳ

Isso resulta na seguinte expressão da saída linearizada em

torno da solução nominal:
 ∂g ∂g1
  ∂g ∂g1

1 1
. . . . . .
 ∂x1 ∂xn
 ∂u1 ∂um
ỹ =  . .  x̃ +  . .  ũ
 
∂gp ∂g ∂gp ∂gp
∂x1 . . . ∂xnp ∂u1 . . . ∂um
x̄,ū x̄,ū

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Jacobianos das equações de saída
I Identificando a primeira matriz como C̄(t) ∈ IRp×n e a
segunda como D̄(t) ∈ IRp×m , tem-se de forma compacta
as equações dos erros de saída

ỹ˙ = C̄(t) x̃ + D̄(t) ũ.

I
∂g
C=
∂x
é a matriz jacobiana de g em relação a x e

∂g
D=
∂u
é a matriz jacobiana de g em relação a u.
I Como no caso dos erros de estado, o traço sobre as
matrizes indica que são calculadas sobre a trajetória de
referência.
Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados
Equações linearizadas em torno de um ponto de equilíbrio

Com os jacobianos

∂f ∂f ∂g ∂g
A= ; B= ; C= ; D=
∂x ∂u ∂x ∂u
Ā, B̄, C̄, D̄ calculados sobre os pontos de equilíbrio, são todas
matrizes constantes.
O sistema linearizado completo tem então a forma clássica de
um sistema linear de controle:

x̃˙ = Ā x̃ + B̄ ũ
ỹ = C̄ x̃ + D̄ ũ.

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados

Exemplo 1: Oscilador de Van der Pol
Consideramos este oscilador com a seguinte EDO:

m ÿ + 2c (y 2 − 1) ẏ + k y = 0 c, k > 0

Escolhendo variáveis de estado x1 = y e x2 = ẏ tem-se que a

equação de estado é dada por

ẋ1 = f1 (x1 , x2 ) = x2
2c 2 k
ẋ2 = f2 (x1 , x2 ) = − (x1 − 1) x2 − x1
m m
Claramente, um ponto de equilibrio é x T = [0 0] (Verificar).
Então inearizando em torno deste equilíbrio x̄ T = [0 0] temos:
" #
∂f1 ∂f1    
˙x̃ = ∂x1 ∂x2 0 1 0 1
x̃ = x̃ = x̃
∂f2
∂x
∂f2
∂x
− 4cxm2 x1 − m
k 2c 2
m (1−x1 ) x̄
−mk 2c
m x̄
1 2 x̄

Aqui, x̃ = x. Calcule os autovalores de A. são estáveis?

Fernando Lizarralde ©Copyright 2018 MSD Representação de Estados