Relatório Final de Iniciação Cientı́fica

Bolsa FAPESP

Projeto de controladores H∞ através de técnicas de

programação matemática.
Processo no 2008/00236-6

Aluno: Raul Mariano Cardoso

Registro Acadêmico: 046028
Curso: Engenharia de Controle e Automação

Orientador: Alberto Luiz Serpa

Faculdade de Engenharia Mecânica - FEM/UNICAMP
Departamento de Mecânica Computacional - DMC

20 de março de 2008
2
Sumário

1 Introdução 6

2 Sistemas Mecânicos 8

2.1 Modelo de Estados . . . . . . . . . . . . . . . . . . . . . . . . 8

2.2 Realimentação de saı́da . . . . . . . . . . . . . . . . . . . . . 9

2.3 Estabilidade e análise da matriz An×n . . . . . . . . . . . . . 10

2.4 Formas canônicas de representação . . . . . . . . . . . . . . . 11

3 Viga Flexı́vel 12

3.1 Elemento Finito de Viga Bidimensional . . . . . . . . . . . . 12

3.2 Formulação do Modelo de Estados . . . . . . . . . . . . . . . 13

3.3 Matriz de amortecimento e considerações . . . . . . . . . . . 14

4 Problema H∞ 15

4.1 Norma H∞ e valores singulares . . . . . . . . . . . . . . . . . 15

4.2 Forma Padrão para o controle H∞ . . . . . . . . . . . . . . . 16

4.3 Malha fechada para controle . . . . . . . . . . . . . . . . . . . 17

5 Problema H∞ com enfoque em otimização 19

5.1 Problema de minimização e restrições . . . . . . . . . . . . . 19

5.2 Método das Penalidades . . . . . . . . . . . . . . . . . . . . . 20

5.2.1 Algoritmo do Método das Penalidades . . . . . . . . . 21

1
 5.3 Método de minimização irrestrita . . . . . . . . . . . . . . . . 22

5.4 Adaptação computacional e considerações . . . . . . . . . . . 22

5.5 Dificuldades encontradas . . . . . . . . . . . . . . . . . . . . . 23

6 Resultados 25

6.1 Exemplo de controle de sistema massa-mola-amortecedor . . 25

6.1.1 Controlador LMI . . . . . . . . . . . . . . . . . . . . . 28

6.1.2 Controlador de ordem 1 . . . . . . . . . . . . . . . . . 28

6.1.3 Controlador de ordem 2 . . . . . . . . . . . . . . . . . 29

6.1.4 Análise e comparação dos resultados do sistema massa-

mola-amortecedor . . . . . . . . . . . . . . . . . . . . 30

6.2 Exemplo de ordem 2 . . . . . . . . . . . . . . . . . . . . . . . 31

6.2.1 Controlador LMI . . . . . . . . . . . . . . . . . . . . . 33

6.2.2 Controlador de ordem 1 . . . . . . . . . . . . . . . . . 33

6.2.3 Controlador de ordem 2 . . . . . . . . . . . . . . . . . 35

6.2.4 Análise e comparação dos resultados do exemplo de

ordem 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 38

6.3 Viga engastada . . . . . . . . . . . . . . . . . . . . . . . . . . 38

7 Conclusão 42

2
Lista de Figuras

1 Modelo massa mola amortecedor e seu diagrama de blocos

correspondente. . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Esquema de realimentação de saı́da - esta configuração será

explicada na seção 4.2 . . . . . . . . . . . . . . . . . . . . . . 10

3 Elemento finito de viga, onde ρ é a densidade, A é a área da

seção transversal, I é o momento de inércia, E é o módulo de
elasticidade e l é o comprimento. . . . . . . . . . . . . . . . . 12

4 Representação da norma H∞ . . . . . . . . . . . . . . . . . . 15

5 Configuração padrão de controlador H∞ . . . . . . . . . . . . 16

6 Comportamento da função objetivo ao se fixar 4 parâmetros

e varias o último em torno do pronto de mı́nimo. . . . . . . . 24

7 Modelo massa-mola-amortecedor com controle . . . . . . . . . 26

8 Diagrama de valores singulares para o modelo massa-mola-

amortecedor. . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

9 Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador LMI. . . . . . . . . . . . . . . . 28

10 Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador 1 × 1. . . . . . . . . . . . . . . 29

11 Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador 2 × 2. . . . . . . . . . . . . . . 30

12 Diagrama de valores singulares para o exemplo da seção 6.2

para um intervalo de frequências de 0,01 a 100 rad/s, nas
proximidades do zero observa-se uma assı́ntota. . . . . . . . . 32

3
13 Diagrama de valores singulares para a planta controlada através
do método das LMIs. . . . . . . . . . . . . . . . . . . . . . . . 33

14 Diagrama de valores singulares para a planta controlada por

controlador ótimo 1 × 1. . . . . . . . . . . . . . . . . . . . . . 34

15 Simulação linear para malha fechada com controlador 1 × 1 -

em cinza a entrada e em azul a resposta do sistema. . . . . . 35

16 Diagrama de valores singulares para a planta controlada por

controlador ótimo 2 × 2. . . . . . . . . . . . . . . . . . . . . . 36

17 Simulação linear para malha fechada com controlador 2 × 2 -

em cinza a entrada e em azul a resposta do sistema. . . . . . 37

18 Modelo discreto de Viga. . . . . . . . . . . . . . . . . . . . . . 39

19 Diagrama de valores singulares para malha aberta - em azul

o modelo completo e em verde o o modelo truncado. . . . . . 40

4
Lista de Tabelas

1 Comparação para o problema massa-mola-amortecedor com

controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2 Crescimento de r e aproximação da solução. . . . . . . . . . . 34

3 Comparação para exemplo de ordem 2. . . . . . . . . . . . . . 38

4 Dados de entrada e tempo de execução para testes realizados. 41

5
1 Introdução

Uma série de problemas na área de controle de sistemas podem ser formu-

lados como problemas de otimização, onde ferramentas matemáticas desta
área podem ser utilizadas, como por exemplo, técnicas da programação li-
near, programação não linear, e programação semi-definida. Sob este ponto
de vista, o problema de controle deve ser formulado de forma que uma função
objetivo de interesse seja minimizada, satisfazendo restrições especı́ficas de
cada técnica de projeto e condições de estabilidade para a malha fechada.

Um dos problemas usuais é o de controle baseado na minimização da

norma H∞ [3], que consiste em uma técnica de projeto que busca reduzir
o maior pico da resposta em frequência do sistema em malha fechada (ou
valor supremo no diagrama de valores singular no caso de sistemas multi-
variáveis). Este problema, em sua formulação clássica, determina controla-
dores que possuem a mesma ordem da planta a ser controlada, ou maiores
que esta. Muitas vezes esta ordem elevada do controlador obtido pode ser
inconveniente e impedir uma implementação prática adequada.

Quando se deseja projetar um controlador de menor ordem que a planta,

restrições adicionais são impostas ao problema, que deixa de ser um pro-
blema convexo de otimização. Neste caso, alternativas mistas de solução
usando técnicas de programação não linear juntamente com as LMI têm
sido empregadas de forma conjunta para resolver o problema [6].

Neste trabalho tentou-se empregar diretamente as formulações da pro-

gramação matemática ou mais especificamente da programação não linear.
Neste caso, o problema de projeto pode ser formulado diretamente como
um problema da programação não linear, onde a ordem e estrutura do con-
trolador podem ser impostas diretamente. Para resolver este problema é
possı́vel empregar métodos de minimização com restrições como por exem-
plo o Método das Penalidades.

A seguir é apresentado um resumo sobre o que será discutido no presente

relatório:

6
• A seção 1 apresenta a motivação do projeto assim como um resumo
do que será discutido em cada seção;

• A seção 2 é iniciada apresentando conceitos básicos sobre modelos de

estados, sobre o porque e como estes são montados. Isso possibilita que
seja discutida a estabilidade de sistemas representados dessa forma.
Finalmente, é apresentado o problema realimentação de saı́da para o
caso regulador;

• A seção 3 apresenta o conceito de estruturas flexı́veis discutindo como

uma viga discretizada pelo Método dos Elementos Finitos (MEF) pode
ser representada na forma de estados e permitir a aplicação de técnicas
de controle;

• A seção 4 apresenta como o problema H∞ é elaborado trazendo con-

ceitos fundamentais para a compreensão desta teoria (destaque para
valores singulares e norma H∞ ). É mostrada a dedução das matrizes
de malha fechada para um controlador dinâmico de realimentação de
saı́da, que será o foco do problema;

• A seção 5 introduz o problema H∞ com enfoque em otimização direta.

É feita uma breve introdução ao assunto que possibilita a formulação
do problema. Então o método utilizado no trabalho é explicado com
os principais passos do algoritmo;

• A seção 6 apresenta os resultados de três exemplos:

1. Aplicação de controle em um modelo massa-mola-amortecedor de

um grau de liberdade;
2. Exemplo de controle H∞ retirado da literatura;
3. Viga discretizada através do MEF com 8 elementos.

Finalmente, os resultados obtidos são discutidos.

• A seção 7 apresenta a conclusão deste trabalho.

7
2 Sistemas Mecânicos

2.1 Modelo de Estados

Um sistema, ou planta, associa uma função de entrada u(t) a uma função

de saı́da y(t). Este sistema recebe uma ação e deve apresentar uma res-
posta associada. Controlar significa atuar sobre este sistema de tal forma a
obter uma resposta desejada, através de um controlador, ou compensador,
devidamente projetado [1, 4].

Partindo então de requisitos de desempenho apropriados obtém-se um

problema de controle. Uma forma comum de representar uma planta e um
controlador é através de modelos de estados.

O objetivo principal da modelagem de estado é permitir que um sistema

representado por uma equação diferencial de ordem n possa ser represen-
tado por n equações de primeira ordem, fato este que facilita o tratamento
matemático de vários tipos de problemas.

Um modelo de estados envolve 3 tipos de variáveis: variáveis de entrada

(u(t)), variáveis de saı́da (y(t)) e as variáveis de estado (x(t)). Para sistemas
invariantes no tempo é possı́vel escrever:

ẋ(t) = Ax(t) + Bu(t), (1)

y(t) = Cx(t) + Du(t), (2)

onde a matriz A é a matriz de estado e armazena as caracterı́sticas internas

do sistema, a matriz B é a matriz de entradas e relaciona estas aos estados,
a matriz C relaciona as saı́das aos estados e é denominada matriz de saı́da
e finalmente D é a matriz de transmissão direta, a qual relaciona as saı́das
e as entradas de forma direta.

Um diagrama de blocos representativo para um modelo de estados de

um sistema massa-mola-amortecedor de um grau de liberdade é mostrado
na Figura 1, onde k é a rigidez da mola, c o coeficiente de amortecimento,
m a massa do bloco, x = [x1 x2 ]t é o vetor de estados, neste caso posição

8
 k u ẋ2 R x2 R x1 = y
− −
m

c
c −m
k
−m

Figura 1: Modelo massa mola amortecedor e seu diagrama de blocos corres-

pondente.

e velocidade da massa m, e ẋ = [ẋ1 ẋ2 ]t é o vetor das derivadas temporais

dos estados.

Pode-se também escrever o controlador na forma de modelo de estados,

usando as respectivas variáveis de estado do controlador. Neste caso, o
projeto do controlador se baseia no fato de encontrar as matrizes Ac , Bc ,
Cc e Dc , partindo de requisitos de projeto.

2.2 Realimentação de saı́da

Controlar significa atuar sobre um sistema, através de um controlador, de

tal forma a obter uma saı́da desejada.

Dada uma configuração em modelo de estados como mostrada pelas

equações (1) e (2), a saı́da do sistema é dada por y(t). Pode-se então medir
esta saı́da e tratá-la da forma desejada, realimentando-a. Esta configuração
é denominada realimentação de saı́da. A Figura 2 exemplifica a situação.

Fechar a malha para um sistema na configuração de realimentação de

saı́da consiste em substituir a lei de controle nas equações de estado. Na
seção 4.3 um controlador em modelo de estados é substituı́do na forma
padrão H∞ gerando um problema de controle.

9
 w
B1

+
y
+
P lanta C2

B2

u Dc
+

Bc
+
+ R
Cc
+

Ac

Figura 2: Esquema de realimentação de saı́da - esta configuração será expli-

cada na seção 4.2

Após o fechamento da malha de controle é possı́vel obter as novas ma-

trizes Ak , Bk , Ck e Dk do sistema em malha fechada.

2.3 Estabilidade e análise da matriz An×n

Para encontrar a matriz de transferência de um sistema representado pelas

equações (1) e (2) aplica-se a transformada de Laplace às mesmas, obtendo:

sX(s) − x(0) = AX(s) + BU(s), (3)

Y(s) = CX(s) + DU(s). (4)

Após algumas manipulações a fim de encontrar a relação entre Y(s) e

U(s), e substituindo (3) em (4), obtém-se para a matriz de transferência,
que considera condições iniciais nulas (x(0) = 0):

T(s) = C(sI − A)−1 B + D. (5)

Nota-se que da inversão do termo em (5) surgirá o denominador da

10
equação, que será:

det(sI − A). (6)

Este termo, quando igualado a zero, representa a equação caracterı́stica do

sistema. Assim, mostra-se que os autovalores de An×n serão os pólos de
T(s),[1, 4].

Para que o sistema representado por T(s) seja estável é necessário que
seus pólos, ou autovalores de A, tenham parte real negativa. Esse resultado
vem da resolução da equação diferencial que define a resposta do sistema,
[4].

2.4 Formas canônicas de representação

Seja um sistema na forma padrão das equações (1) e (2). As matrizes de

estado podem ser manipuladas de tal forma apresentar uma forma padrão,
ou canônica.

Para um sistema com função de transferência dada por:

P (s) = sn + a1 sn−1 + . . . + an−1 s + an , (7)

define-se a forma companheira de representação como sendo:

 
0 0 ... 0 −an  

1 0 ... 0 −a

 1
n−1   

  0
A= 0 1 ... 0 −a n−2  B = . .
 
(8)

 .. .. . . .. .
  .. 
. . . . ..    
  0
0 0 ... 1 −a1

Neste trabalho, esta forma de agrupamento dos elementos das matrizes

é importante pois diminui o número de incógnitas dos problemas tratados,
já que os elementos 0 e 1 destas matrizes são pré-definidos.

11
3 Viga Flexı́vel

Uma estrutura é dita flexı́vel quando sua modelagem leva em conta suas
propriedades elásticas. Neste trabalho a determinação das matrizes de massa
e rigidez da viga flexı́vel, utilizada como exemplo, é realizada através do
Método dos Elementos Finitos.

3.1 Elemento Finito de Viga Bidimensional

Neste estudo foi adotado o modelo de viga bidimensional. Na Figura 3 é

mostrado o elemento de viga utilizado. Na discretização são utilizados 2 nós
para cada elemento e cada nó possui 3 graus de liberdade: o deslocamento
axial, o deslocamento transversal e uma rotação.
ȳ
v̄1 v̄2
θ̄2
θ̄1
ū1 x̄ ū2

ρ, A, l, I, E

Figura 3: Elemento finito de viga, onde ρ é a densidade, A é a área da seção

transversal, I é o momento de inércia, E é o módulo de elasticidade e l é o
comprimento.

Para um elemento de viga no sistema de coordenadas local, x̄ e ȳ, pode-se

escrever as matrizes de rigidez e massa respectivamente:
 
Al2 0 0 −Al2 0 0
 
 0 12I 6Il 0 −12I 6Il 
 
4Il2 2Il2 
 
 0 6Il 0 −6Il
K̄ =  ,
−Al2 0 0 Al2 0 0 
 
 
 0 −12I −6Il 0 12I −6Il
 
0 6Il 2Il2 0 −6Il 4Il2

12
  
1/3 0 0 1/6 0 0
 
 0 13/35 (11/210)l 0 9/70 −(13/420)l 
 

 0 (11/210)l (1/105)l 2 0 (13/420)l −(1/140)l 2

M̄ =  .
1/6 0 0 1/3 0 0
 
 
 
 0 9/70 (13/420)l 0 (13/35) −(11/210)l 
 
0 −(13/420)l2 −(1/140)l2 0 −(11/210)l (1/105)l2

Por outro lado, é comum que o referencial local esteja rotacionado com
relação ao referencial global. Para que estas matrizes sejam reescritas no
referencial global é necessária uma tranformação de coordenadas. Assim, a
seguinte operação deve ser realizada:

K = RK̄R, (9)

onde R é a matriz de transformação de coordenadas calculada em função

do ângulo entre os sistemas local e global de coordenadas [11].

Partindo das matrizes de massa e rigidez obtidas para cada elemento

finito pode-se efetuar a operação de assembly das matrizes, onde cada com-
ponente é inserido na posição correta da matriz global do elemento. Após
isso, aplica-se as condições de contorno, obtendo as matrizes de massa e
rigidez da estrutura inteira. Para mais detalhes, consultar [11].

3.2 Formulação do Modelo de Estados

A equação de movimento de uma estrutura pode ser escrita como:

Mä + Lȧ + Ka = F, (10)

onde M é a matriz de massa, L é matriz de amortecimento, K é a matriz

de rigidez, F é o vetor de forças e a é o vetor de deslocamentos dos graus
de liberdade do sistema.

Pode-se adotar que x = [a ȧ]t e substituindo na equação (10), chega-se

13
a equação de estados, dada por:
" # " #
0 I 0
ẋ = x+ u. (11)
−M−1 K −M−1 L M−1 F

Comparando com as equações (1) e (11), pode-se tirar que o modelo de

estados de ums estrutura flexı́vel é dado por [11]:
" # " #
0 I 0
A= B= , (12)
−M−1 K −M−1 L M−1 F

e as matrizes C e D, da equação (2), dependem das saı́das escolhidas.

3.3 Matriz de amortecimento e considerações

Para a montagem do modelo de estados da estrutura foi estudada uma rotina

computacional, retirada de [11], que monta as matrizes de massa e rigidez de
uma viga discretizada. Este programa foi alterado para que as matrizes do
problema padrão H∞ , mostrado pelas equações (16), (17) e (18), pudessem
ser geradas.

Além disso, foi considerado o modelo de amortecimento proporcional,

onde a matriz L é a soma das matrizes K e M multiplicadas por fatores de
proporcionalidade. Assim:

L = κM + γK, (13)

onde os coeficientes κ e γ podem ser estimados através de correlações com

dados experimentais.

14
4 Problema H∞

O controle H∞ é uma técnica muito utilizada quando se deseja sistemas

com boa robustez, ou seja, que possuam baixa vulnerabilidade a condições
adversas como distúrbios e ruı́dos de medição. Em suma, deseja-se projetar
um controlador que minimize o pico da resposta em frequência do sistema.
Isso faz com que a margem de estabilidade do mesmo aumente, aumentando
a quantidade de incertezas e entradas indesejadas que podem ser admitidas.
A Figura 4 exemplifica a situação de minimização do pico da norma H∞ .
||H∞ ||
Amplitude(dB)

Figura 4: Representação da norma H∞

4.1 Norma H∞ e valores singulares

Para um sistema de múltiplas entradas e múltiplas saı́das (MIMO), a res-

posta em frequência é dada através do diagrama de valores singulares. Dada
uma matriz de transferência T, que representa um sistema, tem-se que va-
lores singulares, σi , são raı́zes quadradas positivas dos autovalores (λi ) de
T∗ T, onde T∗ é o complexo-conjugado transposto da matriz T. Na forma
de equação tem-se:
p
σi (T(s)) = λi (T∗ (jω)T(jω)). (14)

O diagrama de valores singulares é então gerado variando a frequência ω

de tal forma a obter diferentes valores de σi que são plotados em um gráfico,

15
onde o eixo das ordenadas é a amplitude, usualmente em dB, da resposta
encontrada, e o eixo das abscissas é a frequência, ω.

A norma H∞ pode então ser definida como:

kT(s)k∞ = supω σ(T(jω)), (15)

que corresponde ao maior valor em módulo da resposta em frequência da

matriz de transferência T(s), [3].

4.2 Forma Padrão para o controle H∞

Uma representação usual do problema H∞ é mostrada no diagrama da Fi-

gura 5, onde

• w: é o vetor de entradas exógenas (referência, distúrbios e ruı́dos);

• u: é o vetor de controle;

• z: é a medida de desempenho;

• y: é o sinal medido na realimentacão.

w z

u y

Figura 5: Configuração padrão de controlador H∞

Explicitamente tem-se as seguintes equações de estados,

ẋ = Ax + B1 w + B2 u, (16)
z = C1 x + D11 w + D12 u, (17)
y = C2 x + D21 w + D22 u, (18)

16
que podem ser tratadas como uma expansão do caso mais simples, mostrado
pelas equações (1) e (2). Pode-se agrupar as matrizes das equações (16), (17)
e (18) para obter a descrição compacta P que é:
 
A B1 B2
 
P = C1 D11

.
D12  (19)
C2 D21 D22

4.3 Malha fechada para controle

Para a formulação do problema de controle em realimentação de saı́da tra-

tado neste trabalho será utilizado um controlador dinâmico dado por:

ẋc = Ac xc + Bc y, (20)
u = Cc xc + Dc y, (21)

onde xc são os estados do controlador.

Pode-se relacionar o controlador em modelo de estados, definido acima,

com a matriz de transferência K(s):

K(s) = Cc (sI − A)−1 Bc + Dc . (22)

Substituindo as equações (20) e (21) em (16), (17) e (18), e considerando

na formulação sem afetar sua generalidade, que D22 = 0, obtém-se a equação
de malha fechada, dada por:
" #
A + B2 D c C 2 B2 C c
Ak = , (23)
Bc C 2 Ac

" #
B1 + B2 Dc D21
Bk = , (24)
Bc D21

h i
Ck = C1 + D12 Dc C2 D12 Cc , (25)

Dk = D11 + D12 Dc D21 , (26)

17
as quais estão em função das matrizes Ac , Bc , Cc e Dc . A seção 5.4
mostra como os elementos destas matrizes são as incógnitas do problema de
projeto do controlador, que neste caso será formulado como um problema
de otimização.

Assim, o interesse é a minimização da norma do sistema com entrada e

w e saı́da z, ou em forma de matriz de tranferência, Tzw (s).

18
5 Problema H∞ com enfoque em otimização

O projeto de controladores H∞ através de técnicas de otimização por busca

direta, conforme proposto neste trabalho, baseia-se no fato de empregar as
técnicas usuais da programação matemática para resolver o problema da
minimização da norma H∞ . Esta minimização pode ser acompanhada de
restrições, as quais podem ser de igualdade ou desigualdade.

Para os casos estudados, a função objetivo é a norma H∞ e as restrições

buscam fazer com que o sistema controlado seja estável.

O seguinte problema de otimização pode ser formulado:

min f (v), (27)

v
sujeito a g(v) = 0, (28)
h(v) ≤ 0, (29)
(30)

onde as funções f (v), g(v) e h(v) em questão são discutidas na seção 5.1.

5.1 Problema de minimização e restrições

É possı́vel, então, retornar a equação (15) com o objetivo de calcular a norma

do sistema. Seja a matriz de transferência Tzw (s) (matriz de transferência
para entrada w e saı́da z) correspondente à malha fechada do modelo de
estados obtido. Então, a função objetivo passa a ser:

min kTzw (s)k∞ , (31)

K(s)

que corresponde a minimizar a norma H∞ do sistema em malha fechada

tendo como variáveis de otimização o controlador K(s), aqui dado em forma
de função de transferência, conforme a equação (22).

O problema de otimização dado por (31) possui certas restrições. Da

seção 2.1 sabe-se que os autovalores da matriz A de um sistema qualquer,

19
correspondem aos pólos do sistema no plano complexo. Para que este seja
estável é necessário que seus pólos tenham parte real negativa. Este requisito
pode ser levado em conta impondo-se as seguintes restrições:

max(real(λ(Ak ))) ≤ 0, (32)

max(real(λ(Ac ))) ≤ 0, (33)

onde Ak e Ac correspondem, respectivamente, ao sistema em malha fechada

e ao controlador.

5.2 Método das Penalidades

Seja o problema de minimização generalizado

min f (v), (34)

v
(
gi (v) = 0 ∀ i = 0, 1, ..., p,
sujeito a (35)
hj (v) ≤ 0 ∀ j = 0, 1, ..., q.

onde v é o vetor de variáveis de minimização, f (v) é a função objetivo, gi (v)

são as restrições de igualdade e hj (v) as restrições de desigualdade.

O método das penalidades consiste em adicionar à função objetivo termos

penalizados para cada violação das restrições [12]. Dessa forma, uma nova
função objetivo é montada como sendo

φ(v, r) = f (v) + rP (v), (36)

P (v) é a função de penalidade e r é o fator de penalização. A cada iteração é

possı́vel fazer aumentar o fator de penalização, r → βr, ; e quando r cresce,
o mı́nimo de (36) se aproxima da solução de (34) [12].

Para a montagem da equação (36) vários tipos de função de penalidade

podem ser utilizadas. Uma função de penalidade muito comum, e que será
utilizada neste estudo, é a de forma quadrática [12]. Para j = 0, 1, ..., q e
i = 0, 1, ..., p, define-se
q
X p
X
2
P (v) = (max [0, hj (v)]) + (gi (v))2 . (37)
j=0 i=0

20
 Finalmente, conclui-se que o Método das Penalidades tem as seguintes
caracterı́sticas:

• Tranforma o problema de minimização restrita em uma série de pro-

blemas de minimização sem restrições;

• Gera uma sequência infactı́vel de pontos;

• Possui baixa taxa de convergência comparado a outros métodos, mas

é de simples implementação computacional e tem a caracterı́stica de
tornar o problema irrestrito equivalente convexo quando o parâmetro
de penalidade é aumentado.

5.2.1 Algoritmo do Método das Penalidades

O algoritmo para o Método das Penalidades que foi utilizado neste trabalho
obedece as seguintes etapas principais:

1. Iniciar o contador de iterações, i = 0;

2. Definir um parâmetro de penalização inicial r = r0 , a taxa de cresci-

mento β e o ponto de partida x = x0 ;

3. Montar a função de penalidade, como mostrado pela equação (36);

4. Minimizar a função de penalidade através de um método de busca

irrestrita;

5. Verificar os critérios de convergência. Se convergiu, então termine;

6. Atualizar o parâmetro de penalização, fazer ri+1 = βri ;

7. Atualizar o ponto para a solução do problema de busca irrestrita;

8. Incrementar o contador de iterações;

9. Voltar para 3.

21
5.3 Método de minimização irrestrita

O Método das Penalidades utiliza, no passo 4 do algoritmo mostrado na

seção 5.2.1, um método de busca irrestrita para encontrar o mı́nimo da
função de penalidade. Para isso foi utilizada a função do MATLAB já im-
plementada através do comando fminsearch.

Essa função utiliza o algoritmo de Nelder-Mead [13] para realizar a busca

do ponto de mı́nimo. O fato deste método não utilizar o gradiente da função
objetivo nas buscas do ponto de ótimo pode ser considerada uma vantagem
deste método para certos tipos de problemas. Isso faz com que ele seja mais
eficiente em problemas que envolvem descontinuidades e não-linearidades.

O Algoritmo de Nelder-Mead é um método baseado no algoritmo Simplex

adaptado para problemas não lineares.

5.4 Adaptação computacional e considerações

As variáveis do problema de otimização, como foi dito na seção 4.3, são as

matrizes Ac , Bc , Cc e Dc . Para a aplicação computacional, foi criado um
vetor v das variáveis de otimização associadas a cada elemento incógnito das
matrizes procuradas. Além disso, o modelo do controlador foi colocado na
forma canônica companheira como na seção 2.4 com o objetivo de reduzir
o número de variáveis de otimização. Por exemplo, para um controlador de
ordem 2, com 1 entrada e 1 saı́da, tem-se 5 variáveis de otimização como
mostrado a seguir:
" # " #
0 v(1) 1
ẋc = xc + y, (38)
1 v(2) 0

h i h i
u = v(3) v(4) xc + v(5) y. (39)

O número de variáveis necessárias para a completa associação depende,

então, da ordem do controlador a ser projetado e do número de entradas do
controlador, associadas ao vetor y(t) que é dado pela equação (18).

22
 É importante destacar neste ponto que a ordem do controlador passa a
ser um dado de entrada, ao contrário de formulações usuais de resolver o
problema de minimização da norma H∞ como as Desigualdades Matriciais
Lineares (LMIs) [9] e a formulação de Riccati [3], onde a ordem do controla-
dor é atrelada à ordem da planta. Estas metodologias não são enfoque deste
trabalho, e só são utilizadas para fins de comparação.

A função objetivo, que neste trabalho é a norma H∞ , e as restrições do

problema, passam a ser função do vetor de variáveis v que caracterizam os
elementos das matrizes do controlador.

5.5 Dificuldades encontradas

O primeiro enfoque utilizado para a resolução dos problemas de minimização

da norma H∞ deste estudo foi o método SQP (“Sequential Quadratic Pro-
gram”), através da função fmincon já definida no Optmization Toolbox do
software comercial MATLAB [10]. Este método apresentou resultados in-
satisfatórios para a solução do problema de otimização considerado pois
depende do gradiente da função objetivo (utilizado para encontrar a direção
de descida da função)[8].

A Figura 6 ilustra uma singularidade na função objetivo do exemplo

da seção 6.2. Esta função foi analisada para o caso de um controlador
2 × 2. Para isso encontrou-se a solução ótima através da metodologia
LMI, para que a função pudesse ser visualizada foram fixadas 4 variáveis
(v(1) = −2609; v(2) = −1125; v(3) = −2935; v(4) = 3.302 × 106 ). Então,
o parâmetro v(5) foi variado em um intervalo nas vizinhanças do ponto
de ótimo. O resultado que indica uma singularidade que limita o uso de
métodos baseados no gradiente é como mostrado na Figura 6.

Isso justifica a utilização do Método das Penalidades juntamente com um

método de busca irrestrito não dependente do gradiente da função objetivo,
disponı́vel no comando fminsearch do MATLAB [10].

23
 10000

9000

8000

7000

6000
f(v)

5000

4000

3000

2000

1000

0
0 20 40 60 80 100
v

Figura 6: Comportamento da função objetivo ao se fixar 4 parâmetros e

varias o último em torno do pronto de mı́nimo.

24
6 Resultados

Esta seção discute os resultados obtidos neste projeto de iniciação cientı́fica.

Inicialmente são apresentadas as plantas e seus respectivos diagramas de
valores singulares, apresentando os valores da norma H∞ para o sistema
não controlado.

Com o auxı́lio do comando hinfsyn, opção LMI, já definido no Robust

Control Toolbox [5] do software comercial MATLAB serão projetados con-
troladores para fins de comparação. A opção TOLGAM foi ajustada para o
mesmo valor de ǫ3 especificada a seguir.

Finalmente serão apresentados os controladores projetados através da

metodologia adotada neste trabalho. Nos casos tratados nas seções seguintes
serão adotados os critérios de convergência como sendo:

ǫ1 = 10−4 , (40)
ǫ2 = 10−4 , (41)
ǫ3 = 10−4 , (42)

onde ǫ1 é a tolerância para factibilidade das restrições, ǫ2 é a tolerância à

variação entre dois pontos consecutivos das variáveis de minimização (v) e
ǫ3 é a tolerância à variação da função objetivo avaliada entre dois pontos
consecutivos.

Além disso, para a maioria dos casos tratados o parâmetro de penalidade

adotado inicialmente é r0 = 10−8 e a taxa de crescimento adotada foi β = 10.
Alterações nestes parâmetros serão indicadas no texto quando ocorrerem.

6.1 Exemplo de controle de sistema massa-mola-amortecedor

Este exemplo é o mais simples que será analisado e ilustra a aplicação

da metodologia em um problema de controle de um sistema massa-mola-
amortecedor. O modelo está ilustrado na Figura 7, onde k1 é a rigidez da
mola, c1 é o coeficiente de amortecimento, M é a massa do bloco, d é o

25
 k1 u(t) c1

Figura 7: Modelo massa-mola-amortecedor com controle

distúrbio e u(t) é o esforço de controle.

O equacionamento do sistema foi realizado através do método de Newton

e os parâmetros foram escolhidos de tal forma que o sistema fosse pouco
amortecido. A saı́da de desempenho considerada é a aceleração da massa e
a saı́da de medição é a velocidade da mesma.

O modelo de estados do sistema é:

" # " #( ) " # " #
ẋ1 0 1 x1 0 0
= + d+ u, (43)
ẋ2 −200 −0, 0447 x2 1 1
( )
h i x h i h i
1
z = −200 −0, 0447 + 1 d+ 1 u (44)
x2
( )
h i x h i h i
1
y= 1 0 + 0 d + 0 u. (45)
x2
(46)

O diagrama de valores singulares correspondente é mostrado na Figura

8. O valor da norma é de 50 dB.

26
 Singular Values

50

40

30

20
Singular Values (dB)

10

−10

−20

−30

−40

−50
0 1 2
10 10 10
Frequency (rad/sec)

Figura 8: Diagrama de valores singulares para o modelo massa-mola-

amortecedor.

27
6.1.1 Controlador LMI

O controlador projetado pela metodologia LMI é de ordem 2 e é dado como

sendo:
" # " #
−2547 −1, 834 × 104 −1, 987 × 104
ẋc = xc + y, (47)
−2560 −1, 834 × 104 −1, 987 × 104

h i h i
u = 198, 3 −22, 01 xc + 0 y. (48)

A norma encontrada para a malha fechada controlada é de 1,01 dB. O

diagrama de valores singulares é mostrado na Figura 9.

Singular Values

10

−10
Singular Values (dB)

−20

−30

−40

−50

−60

−70
−3 −2 −1 0 1 2 3 4
10 10 10 10 10 10 10 10
Frequency (rad/sec)

Figura 9: Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador LMI.

6.1.2 Controlador de ordem 1

Para os cálculos considera-se um controlador de primeira ordem na forma:

h i h i
ẋc = v(1) xc + 1 y, (49)

28
 h i h i
u = v(2) xc + v(3) y, (50)

com 3 variáveis de otimização. O ponto de partida utilizado é v0 = [−1 1 0],

e o controlador obtido é mostrado:
h i h i
ẋc = −423, 9548 xc + 1 y, (51)

h i h i
u = 844, 9259 xc + −21, 8312 y, (52)

O diagrama de valores singulares correspondente é mostrado na Figura

10. O valor da encontrado para a malha fechada com controlador é de 1 dB.

Valores Singulares

−5

−10

−15
Amplitude (dB)

−20

−25

−30

−35

−40

−45

−50
0 1 2 3
10 10 10 10
Frequência (rad/sec)

Figura 10: Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador 1 × 1.

6.1.3 Controlador de ordem 2

Para um controlador 2 × 2 como mostrado na seção 5.4, tem-se 5 variáveis

de otimização. Os cálculos foram realizados para v0 = [−1 − 1 0 1 0] como

29
ponto de partida, e o controlador obtido é mostrado abaixo:
" # " #
0 −769, 9089 1
ẋc = xc + y, (53)
1 −372, 3837 0

h i h i
u = −0.8925 3133, 9945 xc + −20, 5673 y. (54)

O valor encontrado para a norma é de 1 dB, e o diagrama de valores

singulares para a planta controlada é mostrado na Figura 11.

Valores singulares

−10

−20

−30
Amplitude (dB)

−40

−50

−60

−70

−80

−90
−1 0 1 2 3
10 10 10 10 10
Frequência (rad/sec)

Figura 11: Diagrama de valores singulares para o modelo massa-mola-

amortecedor com controlador 2 × 2.

6.1.4 Análise e comparação dos resultados do sistema massa-

mola-amortecedor

Para este exemplo a metodologia obteve sucesso. Os diagramas de valo-

res singulares mostrados nas Figuras 9, 10 e 11 não apresentam diferenças
significativas e a norma H∞ é praticamente a mesma para todos os casos.

Os resultados numéricos obtidos para os casos tratados neste exemplo

são agrupados na Tabela 1.

30
Tabela 1: Comparação para o problema massa-mola-amortecedor com con-
trole.
Técnica Ordem Tempo para projeto(s) Valor da norma(dB)
LMI 2 2,9 1,01
Otimização 1 2,8 1
Direta 2 3,1 1

Para as comparações feitas neste e no próximo exemplo foi utilizado um

notebook marca DELL com processor Intel Core 2 Duo 2.4 GHz e 2GB de
memória RAM.

6.2 Exemplo de ordem 2

Este exemplo foi retirado de [7]. A planta é de ordem 2 e possui 2 entradas

de distúrbio, o que é verificado através da análise das matrizes A e B1
respectivamente.

Seja a seguinte planta na forma usual do problema H∞ :

" # " #( ) " #( ) " #

ẋ1 0 0 x1 1 0 d 1
= + + u, (55)
ẋ2 1 0 x2 0 0 n 0
" #( ) " #
0 1 x1 0
z= + u, (56)
0 0 x2 1
( ) ( )
h i x1 h i d
y= 0 1 + 0 1 . (57)
x2 n

O diagrama de valores singulares para a planta sem controle é mostrado

na Figura 12, e a norma H∞ da malha aberta é infinita.

31
 Valores singulares

80

60

40
Magnitude (dB)

20

−20

−40

−60

−80
−2 −1 0 1 2
10 10 10 10 10
Frequência (rad/sec)

Figura 12: Diagrama de valores singulares para o exemplo da seção 6.2 para
um intervalo de frequências de 0,01 a 100 rad/s, nas proximidades do zero
observa-se uma assı́ntota.

32
6.2.1 Controlador LMI

O controlador projetado pela metodologia LMI para o caso é de ordem 2 e

é dado como sendo:
" # " #
−0, 923 39, 64 −0, 3304
ẋc = xc + y, (58)
−39, 64 −1124 −54, 18
h i h i
u = −0, 3304 54, 18 xc + 0 y, (59)

O diagrama de valores singulares para a planta controlada é mostrado

na Figura 13 e o valor para a norma encontrado é de 8,3637 dB.

Singular Values

50

0
Singular Values (dB)

−50

−100

−150

−200
−2 −1 0 1 2 3 4 5
10 10 10 10 10 10 10 10
Frequency (rad/sec)

Figura 13: Diagrama de valores singulares para a planta controlada através

do método das LMIs.

6.2.2 Controlador de ordem 1

Para os cálculos considera-se um controlador como mostrado nas equações

(49) e (50). Partindo do ponto inicial v0 = [−1 1 0] obtem-se um controlador
ótimo como mostrado:
h i h i
ẋc = −2, 2996 xc + 1 y, (60)

33
 h i h i
u = 4, 9575 xc + −2, 6058 y. (61)

A Tabela 2 mostra como o crescimento do penalizador r faz com o que

a solução seja encontrada.

Tabela 2: Crescimento de r e aproximação da solução.

r v Norma H∞
10−4 [−0, 4482 1, 5985 − 0, 0005] 1,2138
100 [−0.4427 1.5787 − 0.0005] 1,2350
104 [−0.5456 0.9231 − 1.4144] 11,7390
108 [−1.9277 3.4561 − 2.2149] 8,7247
1012 [−2.2987 4.9530 − 2.6047] 8,3189
1013 [−2, 2996 4, 9573 − 2, 6057] 8,3188

O diagrama de valores singulares da malha fechada controlada é mos-

trado na Figura 14, nele pode-se perceber a redução do valor da norma para
o valor de 8,3188 dB.

Valores singulares

10

−10

−20
Magnitude (dB)

−30

−40

−50

−60

−70

−80
−2 −1 0 1 2
10 10 10 10 10
Frequência (rad/sec)

Figura 14: Diagrama de valores singulares para a planta controlada por

controlador ótimo 1 × 1.

34
 Além disso, o sistema controlado pode ser testado com o auxı́lio dos
comandos chirp e lsim do software MATLAB. Com o auxı́lio destes pode-
se realizar uma varredura em frequência da resposta do sistema, ou seja,
aplica-se uma entrada cossenoidal de amplitude 1 e frequência variante para
analisar a saı́da correspondente. A varredura é realizada no intervalo de 0
a 1s em uma faixa de frequência de 0 a 100Hz. O resultado dessa simulação
é mostrado na Figura 15.

Linear Simulation Results

0.5
To: Out(1)

−0.5
Amplitude

−1
3

1
To: Out(2)

−1

−2

−3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time (sec)

Figura 15: Simulação linear para malha fechada com controlador 1 × 1 - em

cinza a entrada e em azul a resposta do sistema.

É possı́vel verificar que a atenuação é considerável para a primeira en-

trada de distúrbio, porém há uma amplificação para a segunda entrada.
Antes da inserção do controlador este sistema era instável e o controlador
cumpriu sua função de estabilizar o sistema.

6.2.3 Controlador de ordem 2

Para um controlador 2 × 2 como mostrado na seção 5.4, tem-se 5 variáveis

de otimização. Os cálculos foram realizados utilizando o ponto de partida
v0 = [−1 − 1 0 1 0] como ponto de partida, e o controlador obtido é

35
mostrado abaixo:
" # " #
0 −760, 3394 1
ẋc = xc + y, (62)
1 −332, 9416 0

h i h i
u = 4, 9813 −19, 3659 xc + −2, 6058 y. (63)

Fechando a malha, pode-se traçar o diagrama de valores singulares, Fi-

gura 16, e testar a planta agora controlada, Figura 17. O valor da norma
para o caso controlado é 8,3188 dB.

Valores singulares

20

−20
Amplitude (dB)

−40

−60

−80

−100

−120
−2 −1 0 1 2 3
10 10 10 10 10 10
Frequência (rad/sec)

Figura 16: Diagrama de valores singulares para a planta controlada por

controlador ótimo 2 × 2.

Este resultado é muito parecido com o obtido pelo controlador de ordem

1, o que indica que não houveram alterações significativas com a redução de
ordem do controlador.

36
 Linear Simulation Results

0.5
To: Out(1)

−0.5
Amplitude

−1
3

1
To: Out(2)

−1

−2

−3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time (sec)

Figura 17: Simulação linear para malha fechada com controlador 2 × 2 - em

cinza a entrada e em azul a resposta do sistema.

37
6.2.4 Análise e comparação dos resultados do exemplo de ordem
2

Novamente, para este exemplo simples a metodologia obteve sucesso para

encontrar o controlador. Os diagramas de valores singulares mostrados nas
Figuras 13, 14 e 16 não apresentam diferenças significativas e a norma H∞
é praticamente a mesma para todos os casos. Conseguiu-se o projeto de um
controlador de ordem reduzida através de uma técnica que apresenta grande
simplicidade em termos da sua formulação.

Por outro lado, nota-se que o aumento da complexidade do problema é

acompanhado pelo aumento do tempo para projeto e o projeto LMI é cerca
de 40 vezes mais rápido que a otimização por busca direta para controladores
de mesma ordem.

Os resultados numéricos obtidos para os casos tratados neste exemplo

são agrupados na Tabela 3.

Tabela 3: Comparação para exemplo de ordem 2.

Técnica Ordem Tempo para projeto(s) Valor da norma(dB)
LMI 2 2,9 8,3637
Otimização 1 30,6 8,3188
Direta 2 98,4 8,3188

6.3 Viga engastada

O método dos elementos finitos foi utilizado com a finalidade de obter o

modelo de estados para a viga engastada, como mostrado na seção 3.2.
A viga (com l = 1, 10 m, ρ = 2, 7 × 103 kg/m3 ; A = 9, 6 × 10−5 m2 ;
I = 7, 2 × 1011 m4 e E = 69 × 109 Pa), foi discretizada em 8 elementos
finitos de tamanhos iguais 8l , obtendo-se 32 graus de liberdade, uma vez que
não foram levados em consideração os graus de liberdade de deslocamento
axial. Para os coeficientes de proporcionalidade indicados na equação (13)

38
são adotados os valores, com base em correlações experimentais:

κ = 10−6 ; (64)
γ = 10−6 . (65)

A Figura 18 ilustra o sistema em questão. Neste modelo foi considerado

que os atuadores e sensores utilizam o deslocamento transversal dos nós. O
sinal de controle é aplicado no nó 3, a medição do distúrbio no nó 4 e as
saı́das, tanto de medição quanto desempenho, são avaliadas no nó 6.

u y, z
l/8
K

Figura 18: Modelo discreto de Viga.

Após a obtenção do modelo foi possı́vel truncá-lo a fim de reduzir o

problema para 3 modos de vibração. Essa redução foi realizada com o auxı́lio
do comando modreal, disponı́vel no software comercial MATLAB. Assim o
diagrama de valores singulares da malha aberta passou a apresentar apenas
3 picos, como mostra a Figura 19. A norma H∞ da planta em malha aberta
é de 118,9790 dB.

Nenhuma das tentativas de projetar controladores para esta planta através

da metodologia proposta neste trabalho obteve sucesso, conforme descrito a
seguir.

Na primeira tentativa realizada tentou-se projetar um controlador 1 × 1

com ponto de partida v0 = [−1 1 0]. Após 90, 8 h de execução do programa
foi obtido o controlador:
h i h i
ẋc = −8, 5659 × 10−8 xc + 1 y, (66)

h i h i
u = −5, 9598 × 10−3 xc + 0, 1580 y. (67)

39
 Valores Singulares

120

100

80

60
Amplitude (dB)

40

20

−20

−40

−60
0 1 2 3 4 5
10 10 10 10 10 10
Frequencia (rad/sec)

Figura 19: Diagrama de valores singulares para malha aberta - em azul o

modelo completo e em verde o o modelo truncado.

A função fminsearch retornou que foram excedidas o número de iterações

máxima sem que um ponto de mı́nimo tivesse sido encontrado, ou seja,
não houve convergência. Apesar de reduzir a norma H∞ para 78,6112 dB,
este resultado será considerado a malha fechada obtida é estável violando a
restrição (33) o que caracteriza uma solução infactı́vel.

Como foi dito, este resultado insatisfatório demorou quase 4 dias para
ser gerado. Dessa forma grande parte dos testes foram interrompidos du-
rante a execução quando as iterações do Método das Penalidades passaram
a requerer um tempo computacional considerado excessivo.

Alternativas de soluções foram buscadas variando o ponto de partida, a

ordem do controlador e a taxa de crecimento do parâmetro de penalidade. A
Tabela 4 ilustra o que foi tentado. Contudo, nenhuma das tentativas obteve
sucesso.

Após a realização destes testes tentou-se aplicar fatores de penalização

diferentes para as duas restrições impostas ao problema. Para a restrição
dada pela equação (32) utilizou-se β = 1, 1% do parâmetro de penalidade a

40
 Tabela 4: Dados de entrada e tempo de execução para testes realizados.
Ordem Ponto de partida β Tempo de Execução (h)
1 [-1 1 0] 10 90,8
1 [-10 10 0] 10 8,6
1 [-10 10 0] 1,5 13,4
1 [-1 1 0] 1,5 10,8
2 [-1 -1 0 1 0] 10 15,9
2 [-1 -1 0 1 0] 1,5 13,7
6 [-1 -1 -1 -1 -1 -1 0 0 0 0 0 1 0] 1,5 99,4

cada iteração, já para aquela dada pela equação (33) o crescimento foi de
β = 1, 5% a cada iteração. O programa executou por 9 h não encontrando
resultado.

41
7 Conclusão

Neste trabalho tentou-se empregar diretamente as formulações da programação

matemática ou mais especificamente da programação não linear no pro-
jeto de controladores baseados na minimização da norma H∞ . Para isso,
o problema de projeto foi formulado diretamente como um problema da
programação não linear, onde a ordem e estrutura do controlador foram
impostas diretamente.

Em uma abordagem inicial tentou-se utilizar na resolução do problema

de otimização o algoritmo SQP já implementado na função fmincon do MA-
TLAB. Como mencionado na seção 5.5 não se obteve sucesso pois as funções
tratadas apresentam singularidades e não-linearidades, o que não permite o
emprego de métodos de busca baseados no gradiente.

Para contornar este problema foi empregado o Métodos das Penalida-

des associado ao Algoritmo de Nelder-Mead de minimização irrestrita, este
último já implementado através da função fminsearch do MATLAB. O pro-
grama foi implementado com sucesso para problemas de poucas variáveis
como indicam os resultados das seções 6.1 e 6.2.

Por outro lado o resultado esperado não foi alcançado para problemas
com um pouco mais de complexidade.

A metodologia adotada não obteve sucesso no projeto de controladores

para o modelo da viga engastada. As causas destas dificuldades estão sendo
investigadas. Acredita-se que estas estão ligadas com o mau condiciona-
mento das matrizes para fatores de penalidades mais elevados, usados no
Método das Penalidades.

É importante ressaltar neste ponto que a formulação do método proposto

neste projeto de iniciação cientı́fica é mais simples do que as formulações
clássicas para resolução deste tipo de problema, desde que os métodos de
solução dos problemas de otimização possam ser aplicados.

Apesar dos resultados técnicos obtidos não serem satisfatórios reque-

42
rendo estudos futuros, as etapas estipuladas para este projeto de iniciação
cientı́fica foram cumpridas com sucesso possibilitando uma adequada com-
preensão dos conceitos envolvidos.

43
Referências

[1] Serpa, A. L.,“Controle de Sistemas em Tempo Contı́nuo”, 2007

(Apostila da disciplina Controle de Sistemas Mecânicos).

[2] Serpa, A. L.,“Controle discreto e introdução ao controle ótimo e ro-

busto”, 2008 (Apostila da disciplina Controle Avançado de Sistemas).

[3] Zhou, K. e Doyle, J. C.,“Essentials of Robust Control”, Prentice

Hall, 1998.

[4] Ogata K., “Engenharia de Controle Moderno”, Prentice-Hall, 2004.

[5] Chiang, R. Y. e Safonov, M. G., “Robust Control Toolbox User’s

Guide”, The MathWorks, Inc., 1998.

[6] Sarracini Jr, F., “Sı́ntese de Controladores H∞ de Ordem Reduzida

com Aplicação no Controle Ativo de Estruturas Flexı́veis”, dissertação
de mestrado, Campinas, 2006.

[7] Shahian B., Hassul M., “Control System Design using MATLAB”,
Prentice-Hall, 1993.

[8] Gill P. E., Murray W. e Wright M.H., “Practical Optimization”,

Academic Press, London and New York, 1981.

[9] Boyd S., Ghaoui L. E., Feron E., Balakrishnan V., “Linear
Matrix Inequalities in System and Control Theory”, SIAM Studies in
Applied Mathematics, Vol. 15, 1994.

[10] Branch, M. A., Grace A., “MATLAB - Optimization Toolbox -

User’s Guide”, The Mathworks, Inc., 1996.

[11] Kwon Y. W., Bang H., “The Finite Element Method Using MA-
TLAB”. 2. ed. CRC Press, 1997. 624 p.

[12] Bazaraa, M. S., Sherali, H. D., Shetty, C. M., “Nonlinear Pro-

gramming: Theory and Algorithms”, 2. ed. New York: John Wiley &
Sons, Inc., 1993. 638 p.

44
[13] Nelder, J. A., Mead, R., “A simplex method for function minimi-
zation”., Computer Journal (1965), pp 308-313.

45