Você está na página 1de 11

Capítulo 5

5 Espaço de Estados Discreto


A representação em forma de Matrizes de Estado é um das principais
ferramentas de simulação de sistemas, e elas são formuladas diretamente no domínio em
tempo contínuo ou discreto e não envolvem transformações para Laplace ou
transformada Z.

5.1 Introdução à formulação de estado

Considerando um sistema massa-mola-amortecedor na forma,


m&y&( t ) + cy& ( t ) + ky( t ) = u ( t )
Que pode ser reescrito como,
u(t)
&y&( t ) + 2ζω n y& ( t ) + ω 2n y( t ) =
m
Definindo uma variável como,
x 1 ( t ) = y( t ) ⇒ x& 1 ( t ) = y& ( t )
Definindo uma outra variável como,
x 2 ( t ) = y& ( t ) = x& 1 ( t ) ⇒ x& 2 ( t ) = &y&( t )
Substituindo na equação original e deixando somente uma variável com a
derivada temporal, então,
u(t)
x& 2 ( t ) + 2ζω n x 2 ( t ) + ω 2n x 1 ( t ) =
m
Agora, escrevendo um sistema na seguinte forma,
⎧ x& 1 ( t ) ⎫ ⎡ 1 0 ⎤⎧ x1 (t) ⎫ ⎧ 0 ⎫
⎨ ⎬=⎢ 2 ⎥⎨ ⎬+⎨ ⎬u ( t )
⎩x& 2 ( t )⎭ ⎣− ω n − 2ζω n ⎦ ⎩x 2 ( t )⎭ ⎩1 / m ⎭
Ainda está faltando a resposta y(t) do sistema, que é dada por,
⎧ x (t) ⎫
y( t ) = [1 0]⎨ 1 ⎬ + {0}u ( t )
⎩x 2 ( t )⎭
Que pode ser escrito da seguinte maneira,
x& ( t ) = Ax( t ) + Bu ( t )
y( t ) = Cx ( t ) + Du ( t )
A forma acima é conhecida como forma de estado. Como observado, a
transformação para a formulação de espaço de estados consistiu em transformar uma
equação de segunda ordem em duas equações de primeira ordem. Generalizando, a
transformação de espaço de estados consiste em transformar um sistema de equações de
ordem n para um sistema de primeira ordem de 2n equações, tornando assim, mais
simples a sua solução.
5.2 Nomenclatura de Espaço de Estados

Vetor de estado x(t) é o vetor de ordem n que contém todos os estados.


Vetor de saída y(t) é o vetor de ordem m que contém todas as respostas.
Vetor de entrada u(t) é o vetor de ordem r que contém todas as entradas.
Matriz de estado A é a matriz de ordem n×n que contém os autovalores e os
autovetores do sistema.
Matriz de entrada B é a matriz de ordem n×r da entrada.
Matriz de saída C é a matriz de ordem m×n da saída.
Matriz de transmissão direta D é matriz de ordem m×r que correlaciona
diretamente a entrada com a saída.
Então,
{x& ( t )}n×1 = [A]n×n {x ( t )}n×1 + [B]n×r {u ( t )}r×1
{y( t )}m×1 = [C]m×n {x ( t )}n×1 + [D]m×r {u ( t )}r×1
A representação em diagramas de bloco do sistema acima é dada por,

Figura 5.1: Representação em diagrama de blocos para tempo contínuo.

5.3 Representação de Espaço de Estados discretos

A formulação de espaço de estados discretos é dado por,


x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Nota-se que as matrizes C e D não mudaram, significando que são as mesmas
matrizes para sistemas em tempo contínuo.
Agora, supondo um sistema discreto cuja função de transferência é dada por,
Y(z) b 0 + b1 z −1 + L + b n z − n
=
U(z) 1 + a 1 z −1 + L + a n z − n
Esta FT pode ser representada de várias maneiras em espaço de estados, pois a
formulação de estado não é única.

5.3.1 Forma Canônica Controlável


A forma canônica controlável é dada por,
⎧ x 1 (k + 1) ⎫ ⎡ 0 1 0 L 0 ⎤ ⎧ x 1 ( k ) ⎫ ⎡0 ⎤
⎪ x (k + 1) ⎪ ⎢ 0
⎪⎪ 2 ⎪⎪ ⎢ 0 1 L 0 ⎥⎥ ⎪⎪ x 2 (k ) ⎪⎪ ⎢0⎥⎥
⎪ ⎪ ⎢
⎨ M ⎬=⎢ M M M O M ⎥ ⎨ M ⎬ + ⎢0 ⎥ u ( k )
⎪x (k + 1)⎪ ⎢ 0 ⎥ ⎢ ⎥
0 0 L 1 ⎥ ⎪x n −1 (k )⎪ ⎢ M ⎥
⎪ n −1 ⎪ ⎢ ⎪ ⎪
⎪⎩ x n (k + 1) ⎪⎭ ⎢⎣− a n − a n −1 − a n − 2 L − a 1 ⎥⎦ ⎪⎩ x n (k ) ⎪⎭ ⎢⎣1⎥⎦
⎧ x 1 (k ) ⎫
⎪x (k ) ⎪
⎪ ⎪
y(k ) = [b n − a n b 0 b n −1 − a n −1 b 0 L b1 − a 1 b 0 ]⎨ 2 ⎬ + b 0 u (k )
⎪ M ⎪
⎪⎩x n (k )⎪⎭
Se a matriz G for uma matriz de posto cheio, isto é, o determinante é diferente
de zero, o sistema é controlável, caso contrário, significa que pelo menos 1 dos estados
não é controlável. A controlabilidade significa que o sistema pode ser alterado de
qualquer estado para qualquer estado em um período de tempo finito.

5.3.2 Forma Canônica Observável

A forma canônica observável é dada por,


⎧ x 1 (k + 1) ⎫ ⎡0 0 0 L − a n ⎤ ⎧ x 1 (k ) ⎫ ⎡ b n − a n b 0 ⎤
⎪ x (k + 1) ⎪ ⎢1 0 0 L − a ⎥ ⎪ x (k ) ⎪ ⎢b − a b ⎥
⎪⎪ 2 ⎪⎪ ⎢ n −1 ⎥ ⎪ 2 ⎪⎪ ⎢ n −1 n −1 0 ⎥

⎨ M ⎬ = ⎢M M M O M ⎥⎨ M ⎬ + ⎢ M ⎥ u (k )
⎪x (k + 1)⎪ ⎢0 0 L 0 − a ⎥ ⎪x (k )⎪ ⎢ b − a b ⎥
2 0 ⎥
⎪ n −1 ⎪ ⎢ 2 ⎥
⎪ n −1 ⎪ ⎢ 2
⎪⎩ x n (k + 1) ⎪⎭ ⎢⎣0 0 L 1 − a 1 ⎥⎦ ⎪⎩ x n (k ) ⎪⎭ ⎢⎣ b1 − a 1 b 0 ⎥⎦
⎧ x 1 (k ) ⎫
⎪ x (k ) ⎪
⎪ ⎪
y(k ) = [0 0 L 1]⎨ 2 ⎬ + b 0 u (k )
⎪ M ⎪
⎪⎩x n (k )⎪⎭
Para o sistema ser completamente observável, a matriz G deve ser uma matriz de
posto cheio. A observabilidade significa que todos os estados do sistema podem ser
observados ou medidos.

5.3.3 Forma Canônica Diagonal

Expandindo a FT em frações parciais tal que,


Y(z) c c2 c
= b0 + 1 + +L n
U(z) z − p1 z − p 2 z − pn
Então, a forma canônica diagonal é dada por,
⎧ x 1 (k + 1) ⎫ ⎡p1 0 L 0 ⎤ ⎧ x 1 (k ) ⎫ ⎡1⎤
⎪ x (k + 1) ⎪ ⎢ 0
⎪ 2 ⎪ ⎢ p2 L 0 ⎥⎥ ⎪⎪ x 2 (k ) ⎪⎪ ⎢1⎥
⎨ ⎬= ⎨ ⎬ + ⎢ ⎥ u (k )
⎪ M ⎪ ⎢0 M O M ⎥ ⎪ M ⎪ ⎢M⎥
⎪⎩x n (k + 1)⎪⎭ ⎢⎣ 0 ⎥ ⎢⎥
0 L p n ⎦ ⎪⎩x n (k )⎪⎭ ⎣1⎦
⎧ x 1 (k ) ⎫
⎪ x (k ) ⎪
⎪ ⎪
y(k ) = [c1 c2 L c n ]⎨ 2 ⎬ + b 0 u (k )
⎪ M ⎪
⎪⎩x n (k )⎪⎭
onde pi representa os pólos do sistema.

5.3.4 Forma Canônica de Jordan

A forma canônica de jordan é usada quando se deseja representar o sistema na


forma diagonal mas existem pólos repetidos. Supondo que o pólo p1 é repetido m vezes,
então,
⎧ x 1 (k + 1) ⎫ ⎧ x 1 ( k ) ⎫ ⎡0 ⎤
⎪ x (k + 1) ⎪ ⎪ ⎪ ⎢ ⎥
⎪ 2 ⎪ ⎡p1 1 0 L 0 ⎤ ⎪ x 2 ( k ) ⎪ ⎢0 ⎥
⎪ M ⎪ ⎢ 0 p1 1 L 0 ⎥⎪ M ⎪ ⎢M ⎥
⎪ ⎪ ⎢ [0] ⎥⎪ ⎪ ⎢ ⎥
⎪x m (k + 1) ⎪ ⎢ M M M O M ⎥ ⎪ x m ( k ) ⎪ ⎢1 ⎥
⎪ ⎪ ⎢ ⎥ ⎪ _______ ⎪ + ⎢ __ ⎥ u (k )
⎨ _______ ⎬ = ⎢ 0 0 0 L p1 ⎥⎨ ⎬
⎢ ⎥
⎪x (k + 1)⎪ ⎢ p m +1 L 0 ⎥ x m +1 (k ) ⎪ ⎢1 ⎥

⎪ m +1
⎪ ⎢ ⎪ ⎪
⎪ M ⎪ ⎢ [0] M O M ⎥⎪ M ⎪ ⎢M ⎥
⎥ ⎢ ⎥
⎪ x (k + 1) ⎪ ⎢
⎣ 0 L p n ⎦⎥ ⎪ x n (k ) ⎪ ⎢1 ⎥
⎪ n ⎪ ⎪ ⎪
⎪⎩ ⎪⎭ ⎪⎩ ⎪⎭ ⎢⎣ ⎥⎦
⎧ x 1 (k ) ⎫
⎪ x (k ) ⎪
⎪ ⎪
y(k ) = [c1 c 2 L c n ]⎨ 2 ⎬ + b 0 u (k )
⎪ M ⎪
⎪⎩x n (k )⎪⎭

5.3.5 Não unicidade das matrizes de estado

A representação de estado não é única, isto é, para um mesmo sistema na forma


de função de transferência pode haver várias representações de estado. Por exemplo,
supondo que um sistema seja observável e controlável, definições que serão apresentada
mais à frente, então haverá uma representação na forma canônica controlável e
observável.
Para exemplificar, supondo o sistema na seguinte forma de estado,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Supondo uma transformação tal que,
x (k ) = Px̂ (k )
onde a matriz P é de ordem n×n, mesma ordem da matriz G. Então,
Px̂ (k + 1) = GPx̂ (k ) + Hu (k )
y(k ) = CPx̂ (k ) + Du (k )
Que pode ser reescrito como,
x̂ (k + 1) = P −1GPx̂ (k ) + P −1 Hu (k )
y(k ) = CPx̂ (k ) + Du (k )
Agora definindo,
Ĝ = P −1GP , Ĉ = CP e Ĥ = P −1 H
Então,
x̂ (k + 1) = Ĝx̂ (k ) + Ĥu (k )
y(k ) = Ĉx̂ (k ) + Du (k )
Que é exatamente da mesma forma que o sistema original. Se a matriz P for a
matriz dos autovetores da matriz G, então o sistema será diagonalizado, caso isso não
seja possível, a matriz resultante será a matriz de Jordan.

5.4 Simulando um sistema na forma de estado discreto

Nesta parte, supõe-se que o sistema seja linear e invariante no tempo na forma,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Pegando apenas os estados do sistema, para o instante inicial têm-se,
x (1) = Gx (0) + Hu (0)
Para o instante seguinte,
x (2) = Gx (1) + Hu (1) = G (Gx (0) + Hu (0) ) + Hu (1) = G 2 x (0) + GHu (0) + Hu (1)
Para o instante seguinte,
x (3) = Gx (2) + Hu (2) = G (G 2 x (0) + GHu (0) + Hu (1) ) + Hu (2) =
= G 3 x (0) + G 2 Hu (0) + GHu (1) + Hu (2)
Fazendo isso para k instantes,
k −1
x (k ) = G x (0) + ∑ G k − j−1 Hu ( j)
k
k = 1, 2, 3 ...
j= 0

Substituindo este resultado em y(k),


⎛ k −1 ⎞
y(k ) = C⎜⎜ G k x (0) + ∑ G k − j−1 Hu ( j) ⎟⎟ + Du (k ) k = 1, 2, 3 ...
⎝ j= 0 ⎠

5.5 Passando de Matrizes de Estado para FT

Supõe-se o sistema na forma,


x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Aplicando transformada Z, obtém-se,
zX(z) − zx (0) = GX(z) + HU(z)
Y(z) = CX(z) + DU(z)
Supondo condições iniciais nulas,
zX(z) = GX(z) + HU(z) ⇒ (zI − G )X(z) = HU(z) ⇒ X(z) = (zI − G ) HU(z)
−1

Substituindo em Y(z),
[
Y(z) = C(zI − G ) HU(z) + DU(z) = C(zI − G ) H + D U(z)
−1 −1
]
Como a função de transferência pulsada é a relação dada por Y(z)/U(z),
Y(z)
= C(zI − G ) H + D
−1

U(z)
Observe que se Y(z)/U(z) é uma matriz m×r.

5.6 Discretização de Matrizes de Estado Contínuas

Em se tratando de sistemas em tempo discreto, pode-se converter diretamente de


matrizes de estado contínuas para matrizes de estado discretas. Porem é necessário fazer
uma revisão de matrizes antes de mostrar o processo de discretização.
Em se tratando de matrizes há alguns cuidados a serem tomados e algumas
definições a serem compreendidas. Começando com,
1 1 ∞
Aktk
e At = I + At + A 2 t 2 + L + A k t k + L = ∑
2! k! k =0 k!
Diferenciando esta solução em relação ao tempo, para isso a derivada é feita
termo a termo, encontra-se,
d At
e = Ae At = e At A
dt
Agora, três relações importantes,
e At e − At = I
e (A + B )t = e At e Bt se AB = BA
e (A + B )t ≠ e At e Bt se AB ≠ BA
Agora, obtendo a resposta para matrizes de estado contínuas, isto é,
x& ( t ) = Ax( t ) + Bu ( t )
Que pode ser reescrita como,
x& ( t ) − Ax( t ) = Bu ( t )
Agora pré-multiplicando por e-At,
e − At [x& ( t ) − Ax( t )] =
dt
(
d − At
)
e x ( t ) = e − At Bu ( t )
Integrando1 de 0 a t,
t
e − At
x ( t ) − x (0) = ∫ e − Aτ Bu (τ)dτ
0

Que pode ser rearranjada como,


t
x ( t ) = e x (0) + ∫ e A ( t − τ ) Bu (τ)dτ
At

A equação acima representa a solução para um sistema na forma de estado


contínuo. Para a solução completa, basta substituir os estados x(t) em,

1
Deve ser lembrado que a integral da derivada é a própria função aplicada os limites de integração.
y( t ) = Cx ( t ) + Du ( t )
Para fazer o mesmo para um sistema discreto, tem-se que,
x& ( t ) = Ax( t ) + Bu ( t ) ⇒ x ((k + 1)T) = Gx (kT) + Hu (kT)
Para que possa ser utilizada a solução de um sistema contínuo para encontrar a
solução de um sistema discreto, assume-se que a entrada u(t) entre um período e outro
de amostragem é constante, isto é, que há um ZOH, então,
u ( t ) = u (kT) kT ≤ t < kT+T
Então, a solução,
t
x ( t ) = e At x (0) + ∫ e A ( t − τ ) Bu (τ)dτ
0

Para o tempo kT,


kT
x (kT) = e AkT x (0) + e AkT ∫ e −Aτ Bu (τ)dτ
0

Para o tempo (k+1)T,


( k +1)T
A ( k +1)T A (( k +1)T )
∫e
− Aτ
x ((k + 1)T) = e x (0) + e Bu (τ)dτ
0

Agora fazendo,
( k +1)T
⎡ AkT kT

x ((k + 1)T) − e AT x (kT) = e A (k +1)T x (0) + ∫0 e A (( k +1)T − τ )
Bu ( τ) dτ − e AT
⎢ e x ( 0) + ∫ e A (kT −τ )Bu (τ)dτ⎥
⎣ 0 ⎦

Simplificando2,
(k +1)T kT
( )
x ((k + 1)T ) = e AT x (kT ) + e A (k +1)T − e AT e AkT x (0) + e A (k +1)T ∫ e Bu(τ)dτ − e e ∫ e Bu(τ)dτ
− Aτ AT AkT − Aτ

0 0
(k +1)T
= e AT x (kT ) + e A (k +1)T ∫e
− Aτ
Bu (τ)dτ
kT

Supondo agora o ZOH, então, o tempo entre kT e (k+1)T pode ser substituído
por 0 e T dentro da integral, pois o que vai variar é apenas u(τ) que é considerado
constante. Então,
T
x ((k + 1)T) = e AT x (kT) + e AT ∫ e −Aτ Bu (τ)dτ
0

Aplicando a transformação de variável onde λ = T-τ,


T
x ((k + 1)T ) = e AT x (kT) + ∫ e Aλ Bu (λ )dλ
0

Que representa a solução da equação de estado discreta na forma,


x ((k + 1)T) = Gx (kT) + Hu (kT)
Que neste caso, tem-se que para encontrar estas matrizes discretas,
necessariamente,
⎛T ⎞
G = e AT e H = ⎜⎜ ∫ e Aλ dλ ⎟⎟B
⎝0 ⎠
Pelas equações acima, verifica-se claramente que as matrizes discretas são
dependentes do tempo de amostragem.

2
Deve ser lembrado que e
AT AkT
e = e A (k +1)T
A solução para y(kT) é dada simplesmente por,
y(kT) = Cx (kT) + Du (kT)
Se a matriz A for não singular, então
⎛ T Aλ ⎞
( )
H = ⎜⎜ ∫ e dλ ⎟⎟B = A −1 e AT − I B = e AT − I A −1B ( )
⎝0 ⎠
Exemplo 5.1: Considerando o sistema abaixo, encontrar a representação de estado
discreto e a expressão para função de transferência discreta para T = 1 s.
1 1 b2
G (s) = = 2 = 2
s(s + 2) s + 2s s + a 1s + a 2
Solução: O primeiro passo é encontrar uma representação de estado para o
sistema, utilizando a forma canônica controlável,
⎧ x& 1 ( t ) ⎫ ⎡0 1 ⎤ ⎧ x1 ( t ) ⎫ ⎡0⎤
⎨ ⎬=⎢ ⎥⎨ ⎬ + ⎢ ⎥ u (k )
⎩x& 2 ( t )⎭ ⎣0 − 2⎦ ⎩x 2 ( t )⎭ ⎣1⎦
⎧ x (t) ⎫
y( t ) = [1 0]⎨ 1 ⎬
⎩x 2 ( t )⎭
Como foi visto, para as matrizes discretas têm-se3,

G=e = AT

⎢1
1
( ) ⎤
1 − e −2 T ⎥ ⎡1 0.4323⎤
=
⎥ ⎢⎣0 0.1353⎥⎦
2
⎢0 e −2 T
⎣ ⎦
Outra forma de encontrar a matriz G é fazendo,
⎡1 1 ⎤
⎢ ⎥
L e At = (sI − A ) = ⎢ s s(s + 2) ⎥
[ ] −1

⎢0 1 ⎥
⎣⎢ s + 2 ⎦⎥
Cuja transformada de laplace inversa é dada por,
⎡1 1 ⎤
e =L ⎢
At

−1 s s (s + 2 ) ⎥=⎢ 2
(
⎥ ⎡1 1 1 − e − 2 t ⎤ ) ⎥
⎢0 1 ⎥ ⎣0 ⎢ e −2 t ⎥
⎢⎣ ⎥ ⎦
s+2 ⎦
Então,
⎛T ⎡ ⎤ ⎞
⎛T ⎞ ⎜ 1
H = ⎜⎜ ∫ e Aλ dλ ⎟⎟B = ⎜ ∫ ⎢
1
2
( )
1 − e − 2 λ ⎥ ⎟ ⎡0 ⎤
dλ ⎟ ⎢ ⎥ =
⎜ 0 ⎢0 ⎥ ⎟ 1
⎝0 ⎠ ⎦ ⎠⎣ ⎦
−2λ
⎝ ⎣ e
⎡ 1⎛ e −2T − 1 ⎞⎤ ⎡1 ⎛ e −2 T − 1 ⎞⎤
⎢T ⎜T + ⎟⎥ ⎢ ⎜T + ⎟⎥
=⎢ 2 ⎜⎝ 2 ⎟⎠⎥ ⎡0⎤ = ⎢ 2 ⎜⎝ 2 ⎟⎠⎥ = ⎡0.2838⎤
⎢ ⎥ ⎢ ⎥
⎥ ⎣1 ⎦ ⎢ 1 ⎥ ⎣0.4323⎦

⎢⎣ 0
1
2
(
1− e −2 T
) ⎥⎦ (
⎢⎣ 2 1 − e )
−2 T
⎥⎦
Desta forma, o sistema discreto na forma de matrizes de estado é dado por,


3 1 2 2 1 Ak tk
e At = I + At + A t + L + Ak tk + L = ∑
2! k! k =0 k!
⎧ x 1 (k + 1) ⎫ ⎡1 0.4323⎤ ⎧ x 1 (k ) ⎫ ⎡0.2838⎤
⎨ ⎬=⎢ ⎥⎨ ⎬+ ⎢ ⎥ u (k )
⎩x 2 (k + 1)⎭ ⎣0 0.1353⎦ ⎩x 2 (k )⎭ ⎣0.4323⎦
⎧ x (k ) ⎫
y(k ) = [1 0]⎨ 1 ⎬
⎩x 2 ( k ) ⎭
Para a representação em FT discreta,
Y(z)
= G (z) = C(zI − G ) H + D
−1

U(z)
−1
⎛ ⎡1 0⎤ ⎡1 0.4323⎤ ⎞ ⎡0.2838⎤ 0.2838z + 0.1485
= [1 0]⎜⎜ z ⎢ ⎥ −⎢ ⎥ ⎟ ⎢
⎟ ⎥ +0= 2
⎝ ⎣0 1⎦ ⎣0 0.1353⎦ ⎠ ⎣0.4323⎦ z − 1.1353z − 0.1353
O mesmo problema pode ser resolvido utilizando o Matlab,

clear all;close all;clc

% Planta contínua
num=1; % numerador
den=[conv([0 0 1],[1 2 0])]; % denominador

% Transformando para matrizes de Estado


[A,B,C,D]=tf2ss(num,den)

% discretizando as matrizes
T=1;
[G,H]=c2d(A,B,T)

% voltando para TF discreta


[numd,dend]=ss2tf(G,H,C,D)

Observe que neste caso, as matrizes de estado não estão na forma canônica, mas
o resultado em Função de Transferência deve ser exatamente o mesmo.

5.7 Exercícios Resolvidos

Exemplo 5.2: Para o sistema abaixo, converter para matrizes de estado discretas
utilizando o Matlab,
s+2
G (s) = 3
s + 1.6325s 2 + 10.6325s + 10

clear all;close all;clc

% denifindo os dados da planta


T=0.1;
num=[1 2];
den=conv([1 2*0.1*sqrt(10) 10],[1 1]);

% Funções de Transferencia
Gs=tf(num,den) % planta contínua
Gz=c2d(Gs,T) % planta discreta

% Matrizes de Estado
[A,B,C,D]=tf2ss(num,den)
MEs=ss(A,B,C,D) % empacotando
MEz=c2d(MEs,T) % Matrizes de estado discreta

Exemplo 5.3: Para uma suspensão ativa representando ¼ de veículo, escrever as


matrizes de estado contínuas supondo que o distúrbio da via seja w(t).

Neste caso, as matrizes que regem o comportamento dinâmico do sistema são


dadas por,
Massa Suspensa,
m S &x& S + c S (x& S − x& N ) + k S (x S − x N ) = u ( t )
Masssa Não-Suspensa,
m N &x& N + c S (x& N − x& S ) + k S (x N − x S ) + k P x N = k P w ( t ) − u ( t )
Que na forma matricial fica,
⎡m S 0 ⎤ ⎧&x& S ⎫ ⎡ c S − c S ⎤ ⎧ x& S ⎫ ⎡ k S − k S ⎤⎧x S ⎫ ⎧ u(t) ⎫
⎢ 0 m ⎥ ⎨&x& ⎬ + ⎢− c ⎥ ⎨ ⎬+ ⎢ ⎥ ⎨ ⎬=⎨ ⎬
⎣ N ⎦⎩ P ⎭ ⎣ S c S ⎦ ⎩x& P ⎭ ⎣− k S k S + k P ⎦ ⎩x P ⎭ ⎩k p w ( t ) − u ( t )⎭
Este caso representa um sistema MIMO, duas entradas e duas saídas. Definindo
as variáveis de estado iniciando pelos deslocamentos,
x 1 = x S ⇒ x& 1 = x& S e x 2 = x N ⇒ x& 2 = x& N
Para as velocidades,
x 3 = x& 1 = &x& S e x 4 = x& 2 = &x& N
Com as definições acima, as equações de estado são dadas por,
x& 1 = x 3
x& 2 = x 4
c k u(t)
x& 3 = − S (x 3 − x 4 ) − S (x 1 − x 2 ) +
mS mS mS
c k k k 1
x& 4 = − S (x 4 − x 3 ) − S (x 2 − x 1 ) − P x 2 + P w ( t ) − u(t)
mN mN mN mN mN
Que na forma matricial fica,
⎡ 0 0 1 0 ⎤ ⎡ 0 0 ⎤
⎧ x& 1 ⎫ ⎢ 0 0 0 1 ⎥ 1⎥ ⎧ x ⎫ ⎢ 0 0 ⎥⎥
⎪x& ⎪ ⎢ k kS c ⎪
c S ⎪x 2 ⎪ ⎪ ⎢
⎪ 2 ⎪ ⎢− S
⎨ ⎬=⎢ m − S ⎥⎨ ⎬ + ⎢ 1 0 ⎥⎨ ⎬
⎧u ⎫
⎪ x& 3 ⎪ ⎢ S mS mS m S ⎥ ⎪x 3 ⎪ ⎢ m S ⎥ ⎩w ⎭
k ( k + k ) c c ⎥ ⎢ 1 k ⎥
⎪⎩x& 4 ⎪⎭ ⎢ S − S P S
− S ⎥ ⎪⎩x 4 ⎪⎭ ⎢− P

⎣ mN mN mN mN ⎦ ⎣ mN mN ⎦
De forma geral, se for sempres assumido que o vetor de estado se inicia com
deslocamentos e depois as velocidades, as matrizes de estado podem ser dadas a partir
das matrizes dinâmicas como,
[M ]{X && ( t )} + [C]{X& ( t )} + [K ]{X( t )} = {F( t )}
Sendo que o vetor de estado,
{X( t )} = ⎧⎨ & ⎫⎬
X( t )
⎩X ( t ) ⎭
E as matrizes de estado,
{X& } = ⎡⎢− [M[0]]−1 K − [MI]−1 C⎤⎥{X} + ⎡⎢[M[0]−]1 F⎤⎥{U}
⎣ ⎦ ⎣ ⎦
A resposta do sistema deve ser dado pelo que se deseja medir, supondo que seja
necessário medir os deslocamentos e velocidades,
⎧ y 1 ⎫ ⎡1 0 0 0 ⎤ ⎧ x 1 ⎫ ⎡ 0 0 ⎤
⎪ y ⎪ ⎢0 1 0 0 ⎥ ⎪ x ⎪ ⎢0 0 ⎥ u
⎪ 2⎪ ⎢
⎨ ⎬= ⎥ ⎪⎨ 2 ⎪⎬ + ⎢ ⎥ ⎧⎨ ⎫⎬
⎪ y 3 ⎪ ⎢0 0 1 0 ⎥ ⎪ x 3 ⎪ ⎢0 0 ⎥ ⎩ w ⎭
⎪⎩ y 4 ⎪⎭ ⎢⎣0 0 0 1⎥⎦ ⎪⎩x 4 ⎪⎭ ⎢⎣0 0⎥⎦
Caso seje necessário medir apenas o deslocamento da massa suspensa,
⎧ x1 ⎫
⎪x ⎪
{y1 } = [1 0 0 0]⎪⎨ 2 ⎪⎬ + [0 0]⎧⎨ ⎫⎬
u
⎪x 3 ⎪ ⎩w ⎭
⎪⎩x 4 ⎪⎭

Exemplo 5.4:Para o sistema abaixo, encontrar as matrizes de estado.

As equações de movimento na forma matricial são dadas por,


⎡m1 0 0 ⎤ ⎧ &x&1 ⎫ ⎡ k 1 − k2 0 ⎤ ⎧ x 1 ⎫ ⎧ F1 + u 1 − u 2 ⎫
⎢0 m ⎥ ⎪ ⎪ ⎢ ⎪ ⎪ ⎪ ⎪
⎢ 2 0 ⎥ ⎨&x& 2 ⎬ + ⎢− k 2 k 1 + k 2 − k 3 ⎥⎥ ⎨x 2 ⎬ = ⎨F2 + u 2 − u 3 ⎬
⎢⎣ 0 0 m 3 ⎥⎦ ⎪⎩&x& 3 ⎪⎭ ⎢⎣ 0 − k3 k 2 + k 3 ⎥⎦ ⎪⎩ x 3 ⎪⎭ ⎪⎩ F3 + u 3 ⎪⎭
Portanto, as matrizes de estado podem ser dadas como,
⎡ 0 0 0 1 0 0⎤ ⎡ 0 0 0 0 0 0 ⎤
⎢ ⎥
0 1 0⎥ ⎧ x 1 ⎫ ⎢ 0 ⎥ F
⎧ x& 1 ⎫ ⎢ 0 0 0
⎢ 0 0 0 0 0 ⎥⎧ 1 ⎫
⎪x& ⎪ ⎢ 0 0 0 0 0 1 ⎥ ⎪x 2 ⎪ ⎢ 0 0 0 0 0 0 ⎥ ⎪ F2 ⎪
⎪ 2⎪ ⎢ k k2 ⎥⎪ ⎪ ⎢ 1 1 1 ⎥⎪ ⎪
⎪⎪ x& 3 ⎪⎪ ⎢− 1 0 0 0 0⎥ ⎪⎪ x 3 ⎪⎪ ⎢ 0 0 − 0 ⎥ ⎪⎪ F3 ⎪⎪
⎨ ⎬ = ⎢ m1 m1 +
⎥ ⎨x 4 ⎬ ⎢ m 1 m1 m1 ⎥⎨u ⎬
⎪x& 4 ⎪ ⎢ k 2 k + k2 k3 ⎪ ⎪ 1 1 1 ⎥⎪ 1 ⎪
⎪ x& 5 ⎪ ⎢ − 1 0 0 0⎥ ⎪ x ⎪ ⎢ 0 0 0 − ⎪ ⎪
⎪ ⎪ ⎢ m2 m2 m2 ⎥ 5 ⎢ m2 m2 m 2 ⎥ ⎪u 2 ⎪
⎪⎩x& 6 ⎪⎭ k3 k + k3 ⎥ ⎪⎪x ⎪⎪ ⎢ 1 ⎥
1 ⎪⎩u 3 ⎪⎭
⎢ 0 ⎩ 6⎭ ⎢ 0
− 2 0 0 0⎥ 0 0 0 ⎥
⎢⎣ m3 m3 ⎦⎥ ⎣⎢ m3 m 3 ⎦⎥

Você também pode gostar