Controle-I 2015-1 S1

Controle I - UNIFACS
CONTROLE I
Prof. Henrique Chagas, M.Sc.

Plano de ensino da disciplina
Ementa Controle I:
Teoria da análise de sistemas lineares. Teoria generalizada

de autovalores e autovetores. Funções de matrizes.
Classificação dos Sistemas. Teoria clássica de controle.
Sistemas de tempo contínuo. Funções de transferência.
Álgebra dos diagramas de blocos. Sistemas contínuos em
espaço de estados. Controlabilidade. Observabilidade.
Estabilidade. Problemas de engenharia de sistemas de
controle. Modelos e simulação. Controladores automáticos
industriais. Projeto de compensadores. Estabilidade
relativa.
Ementa Controle II:
Problemas de engenharia de sistemas de controle. Análise

da Resposta Transitória. Lugar das Raízes. Modelos e
simulação. Controladores automáticos industriais. Projeto
de compensadores. Estabilidade relativa.
Conteúdo:
1 – Fundamentos e Álgebra Linear

1.1 – Diagonalização de matrizes em blocos de Jordan.
Funções de matrizes quadradas;
1.2 – Autovalores e autovetores – teoria generalizada.
Transformações de similaridade;
1.3 – Aplicação da Transformada de Laplace na análise
de sistemas lineares;
1.4 – Função de Transferência: conceito de pólos e
zeros. Diagramas de blocos e simulação.
Conteúdo:
2 – Descrição Matemática de Sistemas

2.1 – Descrição matemática de sistemas usando
Variáveis de Estado;
2.2 – Equação de estado. Integral de convolução.
Solução da equação de estado;
2.3 – Matriz e função de transferência. Comparação com
a descrição por variáveis de estado;
2.4 – Diagramas de blocos. Gráficos de fluxo de sinais e
fórmula de Mason;
2.5 – Controlabilidade, Observabilidade e Estabilidade de
sistemas dinâmicos.
Conteúdo:
3 – Introdução à Análise de Sistemas de Controle

3.1 – Definições de planta, processo, controle por
realimentação;
3.2 – Sistema de controle em malha aberta e fechada;
3.3 – Fundamentos históricos e matemáticos.
Conceituação do problema de controle;
3.4 – Modelos de sistemas dinâmicos elétricos,
mecânicos, eletromecânicos, térmicos.
Referências:
Básicas:
• OGATA, Katsuhiko. Engenharia de controle moderno. 5. ed. São
Paulo: Pearson Prentice Hall, c2003. x , 788 p. (Biblio. Virtual)
•DORF, Richard C.; BISHOP, Robert H. Sistemas de controle

modernos. 11. ed. Rio de Janeiro: LTC, 2009. xx, 659 p. Os
exemplares da bib são de 2001
• HANSELMAN, Duane; LITTLEFIELD, Bruce. MATLAB 5: versao

do estudante: guia do usuario . Sao Paulo: Makron Books ; Person
Education do Brasil, c1999. 413 p.
Introdução aos Sistemas de Controle
Teoria de Controle Comumente Usadas Hoje:

 Teoria de controle clássico (ou teoria de controle convencional):
os métodos de resposta em freqüência e de lugar das raízes, são
a essência da teoria clássica de controle
 Teoria de controle moderno: base na análise e na síntese de

domínio do tempo com emprego de variáveis de estado.
 Teoria de controle robusto: controle H∞ e tópicos associados
Controle I e II – Unifacs
Baseadas nas teorias de controle
Clássico e Moderno
Revisão Histórica:
 Século XVII: O primeiro trabalho significativo de
controle automático foi o regulador centrífugo
construído por James Watt
 Em 1922: Minorsky trabalhou em controladores
automáticos para pilotagem de embarcações e
demonstrou como a estabilidade poderia ser
determinada a partir de equações diferenciais que
descrevem o sistema.
 Em 1932: Nyquist desenvolveu um procedimento
relativamente simples para determinação da
estabilidade de sistemas de malha fechada com base
na resposta de malha aberta a excitações senoidais
estacionárias.
 Em 1934: Hazen, que introduziu o termo
servomecanismos para sistemas de controle de
posição, discutiu o projeto de servomecanismos a relé,
capaz de acompanhar de perto uma variação de
entrada
 Década de 40: métodos de resposta em freqüência
(especialmente os métodos com base nos diagramas de
Bode) tornaram possível aos engenheiros projetar
sistemas de controle linear de malha fechada.
 Final década de 40 e início de 50: Evans, com o método
de lugar das raízes.
 Desde o final da década de 50, a ênfase nos problemas

com projetos de controle foi deslocada do projeto de
um dentre muitos sistemas que funcionam para o
projeto de um sistema que seja ótimo.
 A partir da década de 60, a teoria de controle
moderno, com base na análise e na síntese de domínio
no tempo com o emprego de variáveis de estado, foi
desenvolvida para lidar com a crescente complexidade
dos sistemas modernos e seus rigorosos requisitos
relativos à precisão.
 Entre 60 e 80, o controle ótimo de sistemas não
determinísticos e estocásticos, bem como o controle
adaptativo e de aprendizagem de sistemas complexos,
foram amplamente pesquisados.
 De 80 em diante, os desenvolvimentos na teoria de

controle moderno se voltaram para o controle robusto,
o controle H∞ e tópicos relacionados.
Definições:
 Variável controlada: é a grandeza ou a condição que é medida ou
controlada.
 Variável manipulada: é a grandeza ou a condição modificada pelo

controlador, de modo que afete o valor da variável controlada.
 Sistemas a controlar ou planta: Um sistema a controlar pode ser

parte de um equipamento ou apenas um conjunto de componentes
de um equipamento que funcione de maneira integrada, com o
objetivo de realizar determinada operação.
 Processo: toda operação a ser controlada

Definições:
 Sistema: é a combinação de componentes que agem em conjunto
para atingir determinado objetivo.
 Distúrbio: é um sinal que tende a afetar de maneira adversa o

valor da variável de saída de um sistema.
 Controle com realimentação: refere-se a uma operação que, na

presença de distúrbios, tende a diminuir a diferença entre a
saída de um sistema e alguma entrada de referência e atua com
base nessa diferença.
Exemplo de Sistemas de Controle:

 Sistema de controle de velocidade:
Exemplo de Sistemas de Controle:

 Sistema de controle de temperatura:
Controle de Malha Fechada x Malha Aberta:

Definimos um sistema em malha fechada como aquele
no qual os sinais aplicados ao sistema (entradas) são
determinados, pelo conhecimento das respostas do
sistema (saídas)
Controle de Malha Fechada x Malha Aberta:
Na maioria dos sistemas de controle em malha

fechada é necessário conectar um terceiro sistema à
malha para obter características satisfatórias para o
sistema total
Os sistemas de controle clássico se dividem

em duas classes:
 Regulador: controle de uma variável
 Servomecanismos: seguir uma variável, função do

tempo
Resolver um problema de controle, envolve:
1. Escolha de sensores para medida da saída da planta

2. Escolha dos atuadores que irão agir sobre a planta
3. Desenvolvimento de equações (modelos) da planta, dos
atuadores e dos sensores
4. Projeto do controlador baseado nos modelos
desenvolvidos
5. Avaliar o projeto analiticamente por simulação e por
teste físico
Há uma afirmação de que o desenvolvimento

de modelos de sistemas físicos representam
80 a 90% do esforço requerido na análise e
projeto de sistemas de controle
Fundamentos e Álgebra Linear
Equações Lineares e Matrizes

Equação Linear:
y = ax Gráfico da equação Linha reta
Semelhantemente: b = a1x1 + a2x2 + ... + anxn Equação

linear
Um sistema de m equações lineares com n incógnitas ou

simplesmente um sistema linear
Conjunto de m equações lineares cada uma com
n incógnitas

Matrizes:
As matrizes nos permitem escrever um sistema linear
sem ter que manter um registro das incógnitas, de
maneira compacta, o que torna mais fácil automatizar o
método de eliminação em um computador.
Operações com matrizes permitem resolver

sistemas de equações lineares

Definições:
 Uma matriz quadrada A=[aij] cujos coeficientes fora da
diagonal são todos nulos, ou seja, aij=0 se i ≠ j, é chamada
de matriz diagonal.
 Uma matriz diagonal A=[aij], cujos termos sobre a
diagonal principal são iguais, ou seja, aij=c para i = j e aij=0
para i ≠ j, é chamada de matriz escalar.

Adição Matricial (Definição):
 Se A=[aij] e B=[bij] são matrizes mxn, então a soma de

A e B é a matriz C=[cij] mxn, definida por:
Cij = aij + bij (1 ≤ i ≤ m , 1 ≤ j ≤ n)
Ou seja, C é obtida adicionando elementos

correspondentes de A e B.

Multiplicação Matricial (Definição):
 Se A=[aij] é uma matriz mxp e B=[bij] é uma matriz pxn,

então o produto de A e B é a matriz C=[cij] mxn, definida
por:
cij = ai1b1j + ai2b2j + ... +aipbpj (1 ≤ i ≤ m , 1 ≤ j ≤ n)


Sistemas Lineares:
Sistema linear de m equações e n incógnitas:
Chamada
matriz dos coeficientes
O sistema linear pode ser escrito sob a forma matricial

como: AX = B

Sistemas Lineares:
[A|B] é chamada: matriz aumentada do sistema linear

Multiplicação por escalar (Definição):
 Se A=[aij] é uma matriz mxn e r um número real, então

a multiplicação da matriz A pelo escalar r, rA, é a matriz
B=[bij] mxn, em que:
bij = raij (1 ≤ i ≤ m , 1 ≤ j ≤ n)
Ou seja, B é obtida multiplicando cada elemento de A por

r.

Transposta de uma matriz (Definição):
 Se A=[aij] é uma matriz mxn, então a matriz nxm

AT=[aij]T, em que:
aTij = aji (1 ≤ i ≤ m , 1 ≤ j ≤ n)
A transposta de A é obtida trocando a posição relativa

das linhas e das colunas de A.

Solução de Equações:
Processo de eliminação de GAUSS-JORDAN para
resolver o sistema linear AX=B
1° passo: forme a matriz aumentada [A|B]
2° passo: leve a matriz aumentada à forma reduzida

escalonada por linhas, usando as operações elementares
sobre linhas.
3° passo: para cada linha não-nula da matriz em forma

reduzida escalonada, resolva a equação correspondente.
As linhas formadas totalmente por zeros podem ser
desprezadas.

Procedimento para levar uma matriz à forma reduzida
escalonada por linhas:
1° passo: ache a 1ª coluna de A (da esquerda para a

direita) cujos coeficientes não são nulos. Esta coluna é
chamada de coluna pivô.
Exemplo:
coluna pivô

2° passo: identifique o 1° coeficiente (de cima para

baixo) não-nulo na coluna pivô. Este elemento é chamado
de pivô, e nós o marcamos com um círculo.
Exemplo:
pivô

3° passo: troque, se necessário, as posições relativas da

1ª linha com a linha em que ocorre o pivô, de maneira que
o pivô esteja agora na primeira linha. Chame a nova matriz
de A1.
Exemplo:

4° passo: divida a 1ª linha de A1 pelo pivô. Assim, o

coeficiente na 1ª linha e na coluna pivô (onde está
localizado o pivô) é agora 1. Chame a nova matriz de A2.
Exemplo:

5° passo: adicione múltiplos da 1ª linha de A2 a todas as

outras linhas, a fim de anular todos os coeficientes da
coluna pivô, exceto o coeficiente onde estava localizado o
pivô. Assim todos os coeficientes da coluna pivô e das
linhas 2, 3, ..., são nulos. Chame a nova matriz de A3.
Exemplo:

6° passo: identifique B como sendo a submatriz (m – 1)xn

de A3, obtida ignorando a primeira linha de A3; não
apague a 1ª linha de A3. Repita os passos de 1 a 5 com B.
Exemplo:
pivô
coluna pivô

6° passo: A 1ª e a 2ª linhas de B
tiveram suas posições
Exemplo: relativas trocadas.
A 1ª linha de B1 foi dividida

por 2.
2x a 1ª linha de B2 foi
adicionada à terceira.

7° passo: adicione múltiplos da 1ª linha de B3 a todas as

linhas de A3, acima da linha de B3, de forma que os
coeficientes da coluna pivô, exceto o pivô, sejam
anulados.
Exemplo:

8° passo: identifique C com a sub-matriz (m-2)xn de B3

obtida ignorando a 1ª linha de B3; não apague a 1ª linha de
B3. Repita com C os passos 1 a 7.
Exemplo:
pivô
coluna pivô

Não foi necessário trocar as
8° passo: posições relativas de linhas
de C. A 1ª linha de C foi
Exemplo: dividida por 2
Foi adicionado (-2)x a

1ªlinha de C2 à sua 2ª linha.
Foi adicionado 4x a 1ª linha de

C3 à primeira linha circulada;
adicionou-se (-3/2)x a 1ª linha
de C3 à 2ª linha circulada

8° passo:
Matriz final
Exemplo:

3° passo do processo de eliminação de GAUSS-JORDAN:
Exemplo:
Onde r é um n° real arbitrário, logo sistema linear dado tem

infinitas soluções.

Inversa de uma matriz (Definição):
 Uma matriz A nxn é chamada não-singular (ou

inversível) se existe uma matriz B nxn tal que:
AB = BA = In
A matriz B (A-1) é chamada de uma inversa de A. Se não

existe esta matriz B (A-1), então A é chamada singular (ou
não inversível).

Inversa de uma matriz:
Processo prático para calcular a inversa da matriz A:
1° passo: Forme a matriz nx2n [A|In] obtida juntando a

matriz identidade In à matriz A dada.
2° passo: Leve a matriz obtida no 1° passo à forma

reduzida escalonada por linhas usando operações
elementares sobre linhas.
3° passo: Suponha que o segundo passo obteve [C|D] sob

a forma reduzida escalonada por linhas
(a) Se C = In, então D = A-1
(b) Se C ≠ In, então C tem linhas de zeros => A é singular

Exemplo:
1° passo: [A|I3]
2° passo: Subtraia 5x a 1ª linha da 3ª

para obter

Exemplo:
2° passo: Divida a 2ª linha por 2 para
obter
Subtraia a 2ª linha da 1ª
para obter
Multiplique a 3ª linha por -1/4

para obter

Exemplo:
2° passo: Adicione -3/2x a 3ª linha à
segunda para obter
Adicione ½x a 3ª linha à 1ª
para obter

Sistemas Lineares e Inversas:
Se A é uma matriz nxn, então o sistema linear AX = B é
um sistema de n equações e n incógnitas. Suponha que A é
não-singular. Então A-1 existe e podemos multiplicar
AX = B por A-1 em ambos os lados, obtendo:
A-1(AX) = A-1B InX = X = A-1B
Se A for não-singular, temos uma solução única


Sistemas Lineares e Inversas (Aplicações):
 Este método é útil em problemas industriais. Muitos

modelos físicos são descritos por sistemas lineares. Isto
significa que se n destes valores forem usados como
entradas, então são obtidos m valores como saídas
segundo a regra AX = B.
 A matriz A está intrinsecamente ligada ao processo

(“caixa preta”).
Determinante
Definição:
 Seja A=[aij] uma matriz nxn. Definimos o determinante
de A (representado por |A|) por:
Onde o somatório é feito sobre as permutações j1j2...jn do

conjunto S = {1, 2, ..., n}. O sinal é escolhido positivo ou
negativo conforme a permutação j1j2...jn seja par ou
impar.
Determinante
Determinante
Propriedades:
 Os determinantes de uma matriz e de sua transposta
são iguais |A| = |AT|
 Se a matriz B resulta da matriz A pela troca da posição
relativa de duas linhas de A, então |B| = - |A|
 Se duas linhas (colunas) de A forem iguais, então
|A|=0.
 Se uma linha (coluna) de A consiste somente de zeros,
então |A| = 0
 Se B é obtida de A multiplicando uma linha (coluna) de
A por um número real c, então |B|= c|A|
Determinante
Propriedades:
 O determinante de um produto de duas matrizes é o
produto de seus determinantes: |AB| = |A||B|
 Se A é não-singular, então:
Determinante
Desenvolvimento em Cofatores e Aplicações
(Definição):
 Seja A=[aij] uma matriz nxn. Seja Mij a submatriz
(n-1)x(n-1) de A obtida eliminando a i-ésima linha e a
j-ésima coluna de A. O determinante |Mij| é chamado o
menor de aij. O cofator Aij de aij é definido por:
Aij = (-1)i+j |Mij|
Seja A=[aij] uma matriz nxn. Então, para cada 1 ≤ i ≤ n
|A| = ai1Ai1 + ai2Ai2 + ... + ainAin
(desenvolvimento de |A| segundo a i-ésima linha)
|A| = a1jA1j + a2jA2j + ... + anjAnj
(desenvolvimento de |A| segundo a j-ésima coluna)
Determinante
Desenvolvimento em Cofatores e Aplicações
(Definição):
Exemplo:
Determinante
Matriz Adjunta (Definição):
 Seja A[aij] uma matriz nxn. A matriz AdjA, é a matriz
nxn cujo (i,j)-ésimo elemento é o cofator Aij de aij.
 Se A[aij] é uma matriz nxn então

A(AdjA) = (AdjA)A = |A|In
 Se A é uma matriz nxn e |A|≠0, então

Outro método para se obter a inversa de A
Determinante
Regra de Cramer:
 Método para resolver um sistema linear de n equações
e n incógnitas cuja matriz dos coeficientes seja não-
singular.
1° passo: Calcule |A|. Se |A|=0, a regra de Cramer não

é aplicável
2° passo: Se |A|≠0, então, para cada i, xi = |Ai|/|A|
Onde Ai é a matriz obtida de A substituindo a i-ésima

coluna de A por B

Controle-I 2015-1 S1

Enviado por

Dados do documento

Descrição original:

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

Controle-I 2015-1 S1

Enviado por

Direitos autorais:

Formatos disponíveis

Controle I - UNIFACS

Prof. Henrique Chagas, M.Sc.

Teoria da análise de sistemas lineares. Teoria generalizada

Ementa Controle II:

Problemas de engenharia de sistemas de controle. Análise

1 – Fundamentos e Álgebra Linear

2 – Descrição Matemática de Sistemas

3 – Introdução à Análise de Sistemas de Controle

•DORF, Richard C.; BISHOP, Robert H. Sistemas de controle

• HANSELMAN, Duane; LITTLEFIELD, Bruce. MATLAB 5: versao

Teoria de Controle Comumente Usadas Hoje:

 Teoria de controle moderno: base na análise e na síntese de

 Teoria de controle robusto: controle H∞ e tópicos associados

 Desde o final da década de 50, a ênfase nos problemas

 De 80 em diante, os desenvolvimentos na teoria de

 Variável manipulada: é a grandeza ou a condição modificada pelo

 Sistemas a controlar ou planta: Um sistema a controlar pode ser

 Processo: toda operação a ser controlada

 Distúrbio: é um sinal que tende a afetar de maneira adversa o

 Controle com realimentação: refere-se a uma operação que, na

Exemplo de Sistemas de Controle:

Exemplo de Sistemas de Controle:

Controle de Malha Fechada x Malha Aberta:

Controle de Malha Fechada x Malha Aberta:

Na maioria dos sistemas de controle em malha

Os sistemas de controle clássico se dividem

 Regulador: controle de uma variável

 Servomecanismos: seguir uma variável, função do

Resolver um problema de controle, envolve:

1. Escolha de sensores para medida da saída da planta

Há uma afirmação de que o desenvolvimento

Equações Lineares e Matrizes

Semelhantemente: b = a1x1 + a2x2 + ... + anxn Equação

Um sistema de m equações lineares com n incógnitas ou

Equações Lineares e Matrizes

Operações com matrizes permitem resolver

Equações Lineares e Matrizes

Equações Lineares e Matrizes

 Se A=[aij] e B=[bij] são matrizes mxn, então a soma de

Cij = aij + bij (1 ≤ i ≤ m , 1 ≤ j ≤ n)

Ou seja, C é obtida adicionando elementos

Equações Lineares e Matrizes

 Se A=[aij] é uma matriz mxp e B=[bij] é uma matriz pxn,

cij = ai1b1j + ai2b2j + ... +aipbpj (1 ≤ i ≤ m , 1 ≤ j ≤ n)

Equações Lineares e Matrizes

O sistema linear pode ser escrito sob a forma matricial

Equações Lineares e Matrizes

Equações Lineares e Matrizes

 Se A=[aij] é uma matriz mxn e r um número real, então

Ou seja, B é obtida multiplicando cada elemento de A por

Equações Lineares e Matrizes

 Se A=[aij] é uma matriz mxn, então a matriz nxm

A transposta de A é obtida trocando a posição relativa

Equações Lineares e Matrizes

1° passo: forme a matriz aumentada [A|B]

2° passo: leve a matriz aumentada à forma reduzida

3° passo: para cada linha não-nula da matriz em forma

Equações Lineares e Matrizes

1° passo: ache a 1ª coluna de A (da esquerda para a

Equações Lineares e Matrizes

2° passo: identifique o 1° coeficiente (de cima para

Equações Lineares e Matrizes