Centro Federal de Educação Tecnológica de Minas Gerais

Departamento de Engenharia Mecatrônica

Engenharia Mecatrônica

Identificação de Sistemas: Tanque Simples

Karen Santos e Lucas Bueno

Divinópolis
Setembro/2020

i
 Sumário

1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1 Método da Resposta ao Degrau - 3 Parâmetros . . . . . . . . . . . . . . . . . 2
2.2 Índices de performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Identificação de Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1 Descrição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Resultados e Discussão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

ii
 1

1 Introdução

Este relatório tem como objetivo descrever os procedimentos utilizados para a obten-
ção de modelos para o sistema dinâmico de um tanque, através de testes e coleta de dados.
Serão apresentados os métodos utilizados, assim como os resultados e, ao final, a conclusão
a respeito da atividade.

1.1 Objetivos
Nesses termos, são objetivos deste trabalho:

1. Obter e verificar as caracterı́sticas da dinâmica do sistema durante o processo de aqui-

sição de dados para modelagem.

2. Obter o modelo do sistema de forma experimental, a partir de ferramentas de identifi-

cação de sistemas.
 2

2 Preliminares

Nesta seção serão apresentados os métodos que foram utilizados durante a execução
da prática.

2.1 Método da Resposta ao Degrau - 3 Parâmetros

Considera-se o modelo da equação 2.1 que possui parâmetros K, T e L, sendo respec-
tivamente o ganho estático, constante de tempo e o tempo morto ou atraso do sistema, que
possui resposta ao degrau representado pela equação 2.2.

𝐾
G= 𝑒−𝑠𝐿 (2.1)
1 + 𝑠𝑇

𝑡−𝑇
𝑠(𝑡) = 𝐾(1 − 𝑒 𝑇 ) (2.2)

Os parâmetros K e L podem ser obtidos de acordo com a figura 1 e T pode ser

encontrado pela distância entre os pontos AC ou entre os pontos AB.

Figura 1 – Exemplo da obtenção dos parâmetros do modelo.

A constante de tempo 𝜏 dada pela equação 2.3 varia de 0 a 1, é a taxa de controlabi-

lidade do modelo. Quanto mais próximo de 1, mais difı́cil de controlar.
𝐿
𝜏= (2.3)
𝐿+𝑇
Capı́tulo 2. Preliminares 3

(OGATA, 2010)

2.2 Índices de performance

Os ı́ndices IAE, ITAE e RMSE tem como objetivo especificar quantitativamente o
desempenho do sistema. Estão descritos pelas equações abaixo em que T é arbitrário e sugere-
se a utilização do tempo de acomodação 𝑡𝑠 do sistema.
O primeiro é a é a integral do magnitude absoluta do erro, muito usado em estudos
de simulação computacionais. ∫︁ 𝑇
𝐼𝐴𝐸 = |𝑒| 𝑑𝑡 (2.4)
0
Este segundo que enfatiza os erros posteriores e reduz a contribuição do erro inicial:
∫︁ 𝑇
𝐼𝑇 𝐴𝐸 = |𝑒|𝑡 𝑑𝑡 (2.5)
0

Este último, o erro quadrático, é matematicamente conveniente para fins analı́ticos e compu-
tacionais e aplicável para discernir sistemas superamortecidos ou subamortecidos.
∫︁ 𝑇
𝑅𝑀 𝑆𝐸 = 𝑒2 𝑡 𝑑𝑡 (2.6)
0

(DORF; BISHOP, 2010)

 4

3 Identificação de Sistemas

O problema em estudo na prática é a identificação de modelos para um sistema de

tanque simples. Neste sistema o objetivo consiste em levar a coluna de água ao ponto de
operação desejado através da variação da vazão de entrada. Nesta seção serão expostas as
etapas seguidas para a realização desta atividade.

3.1 Descrição
A equação 3.1 descreve a dinâmica não linear do sistema em estudo.

16,998𝑢(𝑡) − 12,741ℎ(𝑡) + 462,893

ℎ̇(𝑡) = (3.1)
3019
Nesta equação, ℎ̇ representa a variação no nı́vel de lı́quido, limitada fisicamente entre 0
e 70 centı́metros. Já 𝑢(𝑡) representa o sinal de controle percentual, determinado pela potência
da bomba.
O ponto de operação escolhido para estudo foi 42𝑐𝑚. Para determinar o valor per-
centual de sinal de controle necessário para levar o sistema a este ponto a equação 3.1 foi
resolvida em função de 𝑢(𝑡), como mostrado na equação 3.2. Neste caso, ℎ(𝑡) foi substituido
pelo valor desejado e ℎ̇(𝑡) é zero, devido à condição estacionária do sistema.

12,741 * 42 + 462,893
𝑢(𝑡) = = 58,71 (3.2)
16,998
Para verificar este resultado o sistema foi simulado utilizando o código em python
fornecido, alterando o valor da variável amp para o encontrado na equação 3.2. Porém, o
sistema não chegou ao ponto desejado, apresentando caracterı́stica gráfica de subida, não
de acomodação. Isto se deve ao fato do tempo de duração predeterminado para o teste(100
segundos) ser muito curto. Portanto, o valor da variável tf foi alterado sucessivamente até o
mı́nimo necessário para que o sistema acomodasse no valor desejado, o que ocorreu com 1250
segundos, como pode ser visto na figura 2.
Capı́tulo 3. Identificação de Sistemas 5

80

60

h(cm)
40

20

0
0 200 400 600 800 1000 1200
100 Times(s)
80
60
u(%)

40
20
0
0 200 400 600 800 1000 1200
Times(s)

Figura 2 – Sistema acomodado no ponto de operação desejado

Por fim, foi criado um vetor contendo uma sequência de degraus que levam o sistema
para valores acima e abaixo do ponto de operação, com amplitude máxima de 7% em relação
ao fundo de escala. Foi determinado o tempo de 2000 segundos entre cada degrau e os dados
foram normalizados, como pode ser visto na figura 3.

1.2

1.0

0.8
h(cm)

0.6

0.4

0.2

0.0
0 2000 4000 6000 8000 10000
Times(s)

Figura 3 – Sequência de degraus

Para a segunda etapa do experimento, deseja-se obter um modelo para o sistema

em estudo, para isto serão utilizados os métodos expostos na seção 2. Foram utilizados três
trechos da sequência de degraus obtida anteriormente para a aplicação do método. A figura
Capı́tulo 3. Identificação de Sistemas 6

4 mostra o gráfico referente ao degrau no segundo trecho, de 2000 a 4000 segundos, no qual
também foram plotadas as retas de auxı́lio para a aplicação do método.

1.2

1.0

0.8

0.6

h
0.4

0.2

0.0
0 250 500 750 1000 1250 1500 1750 2000
Times(s)

Figura 4 – Gráfico utilizado para a aplicação do método

Com a aplicação do método em cada trecho selecionado foram obtidos parâmetros para
três modelos. Porém, notou-se que idependente do degrau aplicado os valores dos parâmetros
encontratos não mudam. Isso se deve ao fato de estar sendo utilizado um modelo do sistema
em estudo para a aplicação do método e não os dados reais coletados de forma experimental.
Como o sistema não possui atraso, o parâmetro L é zero para todos os casos. Já o
ganho K é unitário, pois os dados foram normalizados. Portanto, a única variação possı́vel
está no método utilizado para encontrar o parâmetro T, referente ao tempo de resposta do
sistema.
Utilizando o segmento AB o valor encontrado para T foi 142.14. O modelo foi então
simulado com este valor e plotado em conjunto com o sistema real, como pode ser visto na
figura 5.

1.2
sistema
modelo

1.0

0.8

0.6
h

0.4

0.2

0.0
0 250 500 750 1000 1250 1500 1750 2000
Times(s)

Figura 5 – Comparação entre sistema real e modelo para T=142.14

Já com o uso do segmento BC, o valor de T encontrado foi 224.75. A resposta deste
Capı́tulo 3. Identificação de Sistemas 7

modelo pode ser vista na figura 6.

1.2
sistema
modelo

1.0

0.8

0.6

h
0.4

0.2

0.0
0 250 500 750 1000 1250 1500 1750 2000
Times(s)

Figura 6 – Comparação entre sistema real e modelo para T=224.75

Como pode ser observado, em ambos os gráficos o modelo apresenta resposta mais
rápida que o sistema. Porém a diferença é consideravelmente menor quando utilizado o valor
maior de T. Portanto, de forma empı́rica por comparação gráfica, foi definido que o modelo
utilizando o valor T = 235 apresenta maior proximidade ao sistema real.
Portanto, para fins de comparação, serão utilizados os três modelos definidos, cujas
funções de transferência podem ser vistas nas equações 3.3, 3.4 e 3.5 respectivamente.

1
𝐺1 (𝑠) = (3.3)
142.14𝑠 + 1

1
𝐺2 (𝑠) = (3.4)
224.75𝑠 + 1

1
𝐺3 (𝑠) = (3.5)
235𝑠 + 1
Porém, o modelo descrito em 2.1 não é representativo para muitos sistemas. Portanto
foi proposto um quarto modelo, cuja função de transferência pode ser vista na equação 3.6.

1 𝑡
𝐺4 (𝑠) = 2
𝑒− 125 (3.6)
(125𝑠 + 1)

3.2 Resultados e Discussão

A fim de analisar os resultados obtidos por cada modelo a resposta de todos foi plotada
em um único gráfico, mostrado na figura 7, juntamente com a resposta do sistema.
Capı́tulo 3. Identificação de Sistemas 8

1.2
Sistema
G1
G2
G3
G4
1.0

0.8

0.6

h
0.4

0.2

0.0
0 250 500 750 1000 1250 1500 1750 2000
Times(s)

Figura 7 – Comparação de desempenho entre todos os modelos

Como pode ser observado, todos os modelos acomodam no mesmo ponto, porém os
tempos de subida e acomodação variam. Os modelos 𝐺1 e 𝐺2 são mais rápidos que o sistema
real. Já o modelo 𝐺4 possui um pequeno atraso, o que não ocorre no sistema. Portanto, em
termos de análise gráfica, o modelo que mais eficaz é 𝐺3 , que segue o sistema real com pouca
variação.
Para validar esta informação, o modelo 𝐺3 também foi simulado no ponto de operação
definido previamente(42cm), obtendo o mesmo desempenho satisfatório, como pode ser visto
na figura 8

50
Sistema
G3

40

30
h(cm)

20

10

0
0 200 400 600 800 1000 1200
Times(s)

Figura 8 – Comparação de desempenho entre o modelo 𝐺3 e o sistema no ponto de operação

Além da análise gráfica, o desempenho de cada modelo foi observado de forma quan-
titativa, através dos ı́ndices de desempenho IAE, ITAE e RMSE, calculados em um código
implementado em python. Os resultados obtidos estão expostos na tabela 1.
Capı́tulo 3. Identificação de Sistemas 9

Tabela 1 – Índices de desempenho

Modelo IAE(%) ITAE(%) RMSE(%)

G1 377.02 141398.50 47.20
G2 46.87 20760.67 0.61
G3 6.63 3203.12 0.01
G4 191.67 68499.07 15.70

Na avaliação do IAE, o erro absoluto do sistema G3 é bem menor que os demais. O

que pode ser visualmente verificado no gráfico 7, em que o modelo 3 é o que mais se aproxima
do modelo real.
O ITAE enfatiza os erros posteriores e reduz a influência do erro inicial, então o
modelo G3 é o que menos possui erros posteriores.
A variação do ı́ndice RMSE entre os modelos se dá, possivelmente, pela disparidade
entre seus amortecimentos, que pode ser vista no gráfico da figura 7.
Calculando a taxa de controlabilidade dos modelos encontrados, utilizando o método
da seção 2, representado na equação 2.3, obtém-se 𝜏1 = 7.022 · 10−3 , 𝜏2 = 4.449 · 10−3
e 𝜏1 = 4.255 · 10−3 , referentes aos modelos das equações 3.3, 3.4 e 3.5, respectivamente.
Observa-se que essa taxa está bem próxima de 0 para todos os modelos, e pouco varia entre
eles. Logo, ambos os modelos apresentam facilidade de controle, sendo o modelo 3 o mais
controlável.
 10

4 Conclusão

Sobre este experimento, entende-se que sinais de entrada e saı́da de um sistema, neste
caso coletados por meio de uma equação dinâmica, são suficientes para identificar modelos
matemáticos para o sistema. O método da resposta ao degrau se mostrou eficaz para essa
identificação no sistema em estudo. A análise gráfica dos resultados foi importante durante
todo o procedimento, pois auxilia na definição rápida do melhor modelo. Por fim, foi possı́vel
analisar a eficiência dos modelos de forma quantitativa por meio de ı́ndices como IEA, ITAE
e RMSE, que quantificam o erro.
 11

Referências

DORF, R. C.; BISHOP, R. H. Sistemas de Controle Modernos. 12. ed. [S.l.]: Pearson
Education, 2010. Citado na página 3.

OGATA, K. Engenharia de Controle Moderno. 5. ed. [S.l.]: Pearson Education, 2010.

Citado na página 3.