Modelagem e Sistemas Dinâmicos

Modelagem e Sistemas
Dinâmicos
Prof.ª Julia Grasiela Busarello Wolff
Prof. Rogério Diogne de Souza e Silva
Indaial – 2020
2a Edição
Copyright © UNIASSELVI 2020
Elaboração:
Prof.ª Julia Grasiela Busarello Wolff
Prof. Rogério Diogne de Souza e Silva
Revisão, Diagramação e Produção:

Centro Universitário Leonardo da Vinci – UNIASSELVI
Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

UNIASSELVI – Indaial.
W855m
Wolff, Julia Grasiela Busarello
Modelagem e sistemas dinâmicos. / Julia Grasiela Busarello

Wolff; Rogério Diogne de Souza e Silva. – Indaial: UNIASSELVI, 2021.
182 p.; il.
ISBN 978-65-5663-877-5
ISBN Digital 978-65-5663-873-7
1. Sistemas dinâmicos. - Brasil. I. Silva, Rogério Diogne de Souza

e. II. Centro Universitário Leonardo da Vinci.
CDD 510
Impresso por:
Apresentação
Prezado aluno, seja bem-vindo! Esta é a disciplina Modelagem e
Sistemas Dinâmicos, cujo conteúdo é fundamental e diferencial para a sua
formação como engenheiro eletricista. A modelagem e simulação de sistemas
físicos é a base para você atuar nas áreas da engenharia relacionadas ao
controle e automação dos diversos sistemas existentes na natureza.
O nosso intuito é auxiliá-lo nos seus estudos para compreender o

processo que envolve a modelagem e a simulação de sistemas dinâmicos
para, posteriormente, projetar e analisar sistemas de controle. Nesse sentido,
este livro apresenta a teoria com abordagem aplicada a sistemas físicos
lineares, utilizando ferramentas de simulação computacional para ampliar
seu poder de visualização e análise da teoria e, posteriormente, a simulação
computacional dos seus próprios projetos.
O livro está dividido em três unidades. Na Unidade 1, apresentaremos

as definições de sistemas, a modelagem matemática e a representação dos
sistemas através de diagramas de blocos e, no último tópico, introduziremos
a simulação de sistemas utilizando um software de computação numérica.
Na Unidade 2, avançaremos e abordaremos a modelagem no domínio da
frequência, apresentando a caracterização da resposta dos sistemas no
domínio do tempo. Encerraremos o conteúdo com a Unidade 3, aprofundando
a análise das respostas dos sistemas com diversas excitações de entrada,
resultando no projeto e simulação de dinâmicos.
Deve-se ressaltar que o estudo de modelagem de sistemas lineares é

embasado em princípios matemáticos algébricos e diferenciais. Dessa forma, o
conhecimento prévio da teoria das equações diferenciais torna-se necessário,
o qual será utilizado na modelagem de sistemas físicos conhecidos, como
sistemas elétricos, mecânicos, térmicos e fluídicos.
Desejamos bons estudos e que, ao fim da disciplina, você agregue

conhecimentos e habilidades na área da modelagem e simulação de sistemas
dinâmicos, contribuindo para uma sólida formação em engenharia elétrica.
NOTA
Você já me conhece das outras disciplinas? Não? É calouro? Enfim, tanto para
você que está chegando agora à UNIASSELVI quanto para você que já é veterano, há novi-
dades em nosso material.
Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

o material base da disciplina. A partir de 2017, nossos livros estão de visual novo, com um
formato mais prático, que cabe na bolsa e facilita a leitura.
O conteúdo continua na íntegra, mas a estrutura interna foi aperfeiçoada com nova diagra-
mação no texto, aproveitando ao máximo o espaço da página, o que também contribui
para diminuir a extração de árvores para produção de folhas de papel, por exemplo.
Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

apresenta também este livro no formato digital. Assim, você, acadêmico, tem a possibilida-
de de estudá-lo com versatilidade nas telas do celular, tablet ou computador.

Eu mesmo, UNI, ganhei um novo layout, você me verá frequentemente e surgirei para
apresentar dicas de vídeos e outras fontes de conhecimento que complementam o assun-
to em questão.
Todos esses ajustes foram pensados a partir de relatos que recebemos nas pesquisas
institucionais sobre os materiais impressos, para que você, nossa maior prioridade, possa
continuar seus estudos com um material de qualidade.
Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Desempenho de Estudantes – ENADE.

Bons estudos!
LEMBRETE
Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

um novo conhecimento.
Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

que está em suas mãos, uma rica trilha de aprendizagem, por meio dela você
terá contato com o vídeo da disciplina, o objeto de aprendizagem, materiais complemen-
tares, entre outros, todos pensados e construídos na intenção de auxiliar seu crescimento.
Acesse o QR Code, que levará ao AVA, e veja as novidades que preparamos para seu estudo.
Conte conosco, estaremos juntos nesta caminhada!

Sumário
UNIDADE 1 — CONCEITOS BÁSICOS DE MODELAGEM ....................................................... 1
TÓPICO 1 — INTRODUÇÃO AOS SISTEMAS DINÂMICOS.................................................... 3

1 INTRODUÇÃO..................................................................................................................................... 3
2 CONCEITOS BÁSICOS DE MODELAGEM ................................................................................. 4
3 O QUE SÃO SISTEMAS DINÂMICOS? ........................................................................................ 4
4 MODELO: CONCEITO E CLASSIFICAÇÃO ................................................................................ 6
4.1 MODELOS LINEARES E NÃO LINEARES................................................................................ 8
4.2 MODELOS DETERMINÍSTICOS E ESTOCÁSTICOS................................................................ 8
4.3 MODELOS CONCENTRADOS E DISTRIBUÍDOS.................................................................... 8
4.4 MODELOS CONTÍNUOS E DISCRETOS.................................................................................... 9
4.5 MODELOS ESTACIONÁRIOS E NÃO ESTACIONÁRIOS...................................................... 9
4.6 MODELOS VARIANTES E INVARIANTES NO TEMPO......................................................... 9
RESUMO DO TÓPICO 1..................................................................................................................... 12
AUTOATIVIDADE............................................................................................................................... 13
TÓPICO 2 — MODELAGEM DE SISTEMAS................................................................................. 15

1 INTRODUÇÃO................................................................................................................................... 15
2 MODELAGEM MATEMÁTICA...................................................................................................... 15
3 O DOMÍNIO DA FREQUÊNCIA E A TRANSFORMADA DE LAPLACE ............................ 16
4 FUNÇÃO DE TRANSFERÊNCIA.................................................................................................... 21
5 MODELAGEM POR BLOCOS........................................................................................................ 22
5.1 REPRESENTAÇÃO BÁSICA ...................................................................................................... 22
5.2 DIAGRAMA DE BLOCOS EQUIVALENTE.............................................................................. 25
6 MODELAGEM DE SISTEMAS FÍSICOS...................................................................................... 26
6.1 SISTEMA MECÂNICO................................................................................................................. 26
6.1.1 Sistemas mecânicos em translação..................................................................................... 27
6.1.2 Sistemas mecânicos em rotação.......................................................................................... 29
7 SISTEMA ELÉTRICO........................................................................................................................ 30
8 SISTEMA TÉRMICO......................................................................................................................... 32
9 SISTEMA FLUÍDICO........................................................................................................................ 33
LEITURA COMPLEMENTAR............................................................................................................. 35
RESUMO DO TÓPICO 2..................................................................................................................... 39
AUTOATIVIDADE............................................................................................................................... 40
TÓPICO 3 — INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS...................... 41

1 INTRODUÇÃO................................................................................................................................... 41
2 SOFTWARE DE PROGRAMAÇÃO MATEMÁTICA E SIMULAÇÃO................................... 42
2.1 APRESENTAÇÃO E AMBIENTES DE TRABALHO................................................................ 44
2.2 COMANDOS BÁSICOS E OPERAÇÕES MATEMÁTICAS.................................................... 46
2.3 INTERPRETAÇÃO DE EQUAÇÕES MATEMÁTICAS .......................................................... 52
2.4 SCILAB TOOLBOX XCOS – SIMULAÇÃO POR BLOCOS..................................................... 58
2.4.1 Exemplo de utilização do Scilab/Xcos............................................................................... 61
RESUMO DO TÓPICO 3..................................................................................................................... 64
AUTOATIVIDADE............................................................................................................................... 65
UNIDADE 2 — FORMAS DE REPRESENTAÇÃO DE MODELOS DE
SISTEMAS DINÂMICOS....................................................................................... 67
TÓPICO 1 — MODELAGEM NO DOMÍNIO DA FREQUÊNCIA............................................. 69

1 INTRODUÇÃO................................................................................................................................... 69
2 MODELAGEM NO DOMÍNIO DA FREQUÊNCIA .................................................................. 70
2.1 EXPANSÃO EM FRAÇÕES PARCIAIS ..................................................................................... 73
3 SIMULAÇÃO COMPUTACIONAL DE FUNÇÕES NO DOMÍNIO DA FREQUÊNCIA......... 77
3.1 DECLARAÇÃO DE FUNÇÕES NO DOMÍNIO DA FREQUÊNCIA.................................... 77
3.2 EXPANSÃO EM FRAÇÕES PARCIAIS...................................................................................... 79
3.3 DETERMINAÇÃO DE POLOS E ZEROS DE UMA FUNÇÃO DE TRANSFERÊNCIA........... 84
RESUMO DO TÓPICO 1..................................................................................................................... 88
AUTOATIVIDADE............................................................................................................................... 89
TÓPICO 2 — RESPOSTA DO DOMÍNIO DO TEMPO................................................................ 91

1 INTRODUÇÃO................................................................................................................................... 91
2 POLOS, ZEROS E A RESPOSTA DO SISTEMA.......................................................................... 92
3 SISTEMAS DE PRIMEIRA ORDEM ............................................................................................. 92
4 SISTEMAS DE SEGUNDA ORDEM.............................................................................................. 94
4.1 RESPOSTA NÃO AMORTECIDA............................................................................................... 96
4.2 RESPOSTA SUBAMORTECIDA.................................................................................................. 96
4.3 RESPOSTA CRITICAMENTE AMORTECIDA......................................................................... 97
4.4 RESPOSTA SUPERAMORTECIDA ........................................................................................... 98
RESUMO DO TÓPICO 2................................................................................................................... 101
AUTOATIVIDADE............................................................................................................................. 102
TÓPICO 3 — MODELAGEM COMPUTACIONAL UTILIZANDO FUNÇÕES

DE TRANSFERÊNCIA............................................................................................... 103
1 INTRODUÇÃO................................................................................................................................. 103
2 SIMULAÇÃO DE SISTEMAS DE PRIMEIRA ORDEM.......................................................... 104
3 SIMULAÇÃO DE SISTEMAS DE SEGUNDA ORDEM.......................................................... 107
3.1 RESPOSTA NÃO AMORTECIDA............................................................................................. 107
3.2 RESPOSTA SUBAMORTECIDA................................................................................................ 109
3.3 RESPOSTA CRITICAMENTE AMORTECIDA....................................................................... 111
3.4 RESPOSTA SUPERAMORTECIDA.......................................................................................... 114
3.5 ESTUDO DA RESPOSTA À ENTRADA DEGRAU DE SISTEMAS
SUBAMORTECIDOS.................................................................................................................. 116
LEITURA COMPLEMENTAR........................................................................................................... 119
RESUMO DO TÓPICO 3................................................................................................................... 121
AUTOATIVIDADE............................................................................................................................. 122
UNIDADE 3 — ERROS E ANÁLISE DO LUGAR DAS RAÍZES.............................................. 123
TÓPICO 1 — ANÁLISE DE ERROS EM REGIME ESTACIONÁRIO...................................... 125

1 INTRODUÇÃO................................................................................................................................. 125
2 CLASSIFICAÇÃO DOS SISTEMAS DE CONTROLE............................................................. 125
3 ERROS ESTACIONÁRIOS............................................................................................................. 126
4 CONSTANTE DE ERRO ESTÁTICO DE POSIÇÃO KP.......................................................... 127
5 CONSTANTE DE ERRO ESTÁTICO DE VELOCIDADE Kv................................................. 128
6 CONSTANTE DE ERRO ESTÁTICO DE ACELERAÇÃO Ka................................................. 130
RESUMO DO TÓPICO 1................................................................................................................... 136
AUTOATIVIDADE............................................................................................................................. 137
TÓPICO 2 — ANÁLISE DO LUGAR GEOMÉTRICO DAS RAÍZES....................................... 139
1 INTRODUÇÃO................................................................................................................................. 139
2 GRÁFICO DO LUGAR DAS RAÍZES.......................................................................................... 140
2.1 CONDIÇÕES DE ÂNGULO E DE MÓDULO......................................................................... 140
RESUMO DO TÓPICO 2................................................................................................................... 156
AUTOATIVIDADE............................................................................................................................. 158
TÓPICO 3 — CRITÉRIO DE ESTABILIDADE DE ROUTH-HURWITZ................................. 161

1 INTRODUÇÃO................................................................................................................................. 161
2 ESTABILIDADE DE SISTEMAS DE CONTROLE LINEARES.............................................. 161
2.1 CRITÉRIO DE ESTABILIDADE DE ROUTH........................................................................... 162
2.2 CASOS ESPECIAIS...................................................................................................................... 165
2.3 ANÁLISE DA ESTABILIDADE RELATIVA............................................................................ 168
2.4 APLICAÇÃO DO CRITÉRIO DE ESTABILIDADE DE ROUTH À ANÁLISE DE
SISTEMAS DE CONTROLE....................................................................................................... 168
LEITURA COMPLEMENTAR........................................................................................................... 173
RESUMO DO TÓPICO 3................................................................................................................... 178
AUTOATIVIDADE............................................................................................................................. 180
REFERÊNCIAS..................................................................................................................................... 182
UNIDADE 1 —
CONCEITOS BÁSICOS DE
MODELAGEM
OBJETIVOS DE APRENDIZAGEM
A partir do estudo desta unidade, você deverá ser capaz de:
• compreender o significado de sistema e qual a importância da modelagem

para a atividade do engenheiro eletricista;
• representar um sistema através de variáveis de entrada e saída;
• determinar a função de transferência de sistemas lineares;
• modelar os sistemas físicos no domínio da frequência;
• representar os sistemas físicos modelados através de diagramas de blocos;
• modelar e simular os sistemas físicos através do computador.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – INTRODUÇÃO AOS SISTEMAS DINÂMICOS
TÓPICO 2 – MODELAGEM DE SISTEMAS
TÓPICO 3 – INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS
CHAMADA
Preparado para ampliar seus conhecimentos? Respire e vamos

em frente! Procure um ambiente que facilite a concentração, assim absorverá
melhor as informações.
1
2
TÓPICO 1 —
UNIDADE 1
INTRODUÇÃO AOS SISTEMAS DINÂMICOS
1 INTRODUÇÃO
Iniciaremos nossa jornada até a modelagem e projetos de sistemas
dinâmicos com um tópico apenas de conceitos e classificações. Tal abordagem se
faz necessária dado o grau de abstração conceitual de sistema. Contudo, o que
pode ser considerado um sistema?
Você, estudante de engenharia elétrica, deve estar habituado com os

circuitos elétricos e eletrônicos. A modelagem de sistemas dinâmicos abre
caminho para outra área de extrema importância na sua formação de engenheiro
eletricista: a área de sistemas de controle. Para você projetar o controle de qualquer
sistema, você precisa conhecer seu funcionamento e representá-lo a partir das leis
físicas conhecidas.
Nesse contexto, explica-se a importância da nossa abordagem sobre o

conceito de sistema. No controle e automação, um sistema pode ser de iluminação,
um forno, um computador, um motor elétrico, o corpo humano, ou um órgão,
enfim, temos inúmeros exemplos de sistemas artificiais criados pelo homem e
infindáveis exemplos na natureza.
Você aprenderá, neste capítulo, que os sistemas são formas de

representarmos tudo o que há na natureza.
Modelar pode significar descrever os sistemas físicos. É realizar através da

utilização de equações diferenciais e algébricas para descrever o comportamento
através da correlação entre as variáveis dos sistemas físicos. Não ficaremos
limitados aos sistemas elétricos, mas abordaremos outros sistemas físicos, como
mecânicos, térmicos e fluídicos.
Com a modelagem dinâmica, podemos representar fisicamente uma

linha de transmissão de energia, uma usina hidroelétrica ou uma usina eólica,
entre outros sistemas fundamentais no escopo da engenharia elétrica. A partir
dessa representação física, o modelo pode ser utilizado para simularmos o
comportamento dos sistemas nas fases de planejamento e projeto, além do estudo
e análise de sistemas em operação. O controle automático de sistemas só é possível
a partir da modelagem dinâmica.
Em nossa jornada, com o aprendizado da modelagem de sistemas

dinâmicos, utilizaremos recursos atuais, computacionais e fundamentais para a
melhor compreensão do conteúdo. Veremos mais sobre isso a partir do Tópico 3.
3
UNIDADE 1 — CONCEITOS BÁSICOS DE MODELAGEM
2 CONCEITOS BÁSICOS DE MODELAGEM

Este capítulo é destinado à apresentação das definições que envolvem a
modelagem de sistemas dinâmicos. Apresentaremos a você que a modelagem
é uma ferramenta fundamental na engenharia. Apoiados por princípios físicos,
conseguiremos representar o comportamento dos diversos sistemas existentes.
O correto entendimento dos conceitos é muito importante para o sucesso

na área de modelagem de sistemas, pois é possível compreender os limites físicos
e matemáticos dos problemas a serem resolvidos. No nosso caso, o foco inicial
será o Sistema Linear Invariante no Tempo (S.L.I.T), o qual, no fim da disciplina,
conseguiremos projetar, modelar, simular e analisar.
3 O QUE SÃO SISTEMAS DINÂMICOS?

Para chegarmos ao principal propósito da nossa disciplina, que é a
modelagem de sistemas dinâmicos, precisamos definir cada componente do
conteúdo. O primeiro da lista, o sistema, é uma palavra muito comum e usual do
nosso vocabulário. Assim, seguem algumas definições obtidas:
1. Conjunto de elementos, materiais ou ideais, entre os quais se possa
encontrar ou definir alguma relação.
2. Disposição das partes ou dos elementos de um todo, coordenados
entre si, e que funcionam como estrutura organizada.
3. Reunião de elementos naturais da mesma espécie, que formam um
conjunto intimamente relacionado (FERREIRA, 1980, p. 1572).
Ainda, no dicionário, você encontrará outras inúmeras definições. Dessa

forma, pode-se perceber sua definição, podendo um sistema ser de qualquer
natureza, desde sistemas biológicos, físicos e, até mesmo, um sistema social.
Agora, vamos correlacionar com o ponto de vista da engenharia. Observem

três definições citadas. As palavras em comum são “elementos” e “relação”, e
estas permitem representar os sistemas na engenharia, com aproximações bem
próximas da realidade, através de correlações entre os elementos que compõem o
sistema a ser estudado, além das causas e efeitos das iterações. A possibilidade é
indispensável para a engenharia, pois permite não apenas projetar sistemas, mas
simular o seu comportamento antes da sua implementação física, possibilitando a
identificação de erros ou problemas e, até mesmo, otimizando o seu funcionamento.
Vamos considerar os conceitos apresentados por outros autores. Lathi

(2006, p. 75) definiu sistema da seguinte forma:
É uma entidade que processa um conjunto de sinais (entradas),
resultando em um outro conjunto de sinais (saídas). Um sistema pode
ser construído com componentes físicos, elétricos, mecânicos ou sistemas
hidráulicos (realização em hardware) ou pode ser um algoritmo que
calcula uma saída de um sinal de entrada (realização em software).
Segundo Monteiro (2006, p. 41), com relação à definição de sistema, é:

4
TÓPICO 1 — INTRODUÇÃO AOS SISTEMAS DINÂMICOS
Um conjunto de objetos agrupados por alguma interação ou

interdependência, de modo que existam relações de causa e efeito nos
fenômenos que ocorrem com os elementos do conjunto.
Sistema é uma combinação de componentes atuando em conjunto para a

realização de um objetivo especificado. Os componentes ou elementos interagindo
possuem relações de causa e efeito (ou de entrada-saída).
Primeiramente, os sistemas são classificados quanto ao comportamento dos

seus elementos (variáveis), sendo chamados de sistemas estáticos ou dinâmicos.
O sistema estático é aquele em que as características e propriedades que

descrevem o seu comportamento não variam com o tempo, porém, podem variar
com relação ao espaço. Já com relação aos sistemas dinâmicos, objeto do nosso
estudo, as suas características variam ao longo do tempo.

Segundo Kluever (2018, p. 5), um sistema pode ser considerado dinâmico
quando:
As variáveis de saída (ou variáveis dinâmicas) atuais dependem
das condições iniciais (ou da energia armazenada) do sistema e/ou
das variáveis de entrada anteriores. As variáveis dinâmicas de um
sistema (por exemplo, deslocamento, velocidade, tensão, pressão)
variam com o tempo.
A seguir, é apresentado um diagrama de representação de sistema, além

da sua relação com as variáveis de entrada e saída.
FIGURA 1 – DIAGRAMA REPRESENTANDO UM SISTEMA, SUAS ENTRADAS E SAÍDAS
FONTE: O Autor
Para exemplificar com uma aplicação na engenharia elétrica, observe a

seguir. Um sistema pode ser um motor elétrico, no qual a entrada é a tensão
elétrica e, a saída, a velocidade angular e torque de uma carga mecânica acoplada
ao eixo do motor elétrico.
FIGURA 2 – DIAGRAMA COM EXEMPLO DE SISTEMA MOTRIZ
FONTE: O Autor
5
TUROS
ESTUDOS FU
A representação dos sistemas e a correlação entre as variáveis são muito

úteis e fundamentais na engenharia. Em breve, estudaremos a representação dos sistemas
através de diagramas de blocos, além da utilização da representação para a modelagem
dos sistemas.
DICAS
O filme “Estrelas Além do Tempo”, de 2017 (FOX Filme do Brasil), baseado em

uma história real, se passa em 1961, e aborda a corrida espacial disputada por Estados
Unidos e União Soviética, durante a guerra fria. A correlação do filme com a nossa disciplina
está na atividade de modelagem da rota dos foguetes espaciais por físicos da NASA, cujos
cálculos de simulação eram realizados de forma manual pelas protagonistas do filme.
Ainda, é possível visualizar o início da utilização do computador para realizar tais tarefas.
Na próxima seção, abordaremos como representar diversos sistemas

através de modelos físicos e matemáticos, com várias aplicações que, futuramente,
poderemos trabalhar nas diversas áreas da engenharia.
4 MODELO: CONCEITO E CLASSIFICAÇÃO

Nas ciências naturais e nas engenharias, a elaboração de modelos é
uma ferramenta essencial, tanto que Felício (2010) afirma que a engenharia é
um conjunto de modelos. Assim, há duas definições: modelo físico e modelo
matemático.
Garcia (2005) indica que modelos físicos podem ser protótipos e plantas-
piloto, enquanto os matemáticos constituem uma representação através de
equações. Ainda, Felício (2010) define modelo físico como uma organização de
peças e mecanismos reais, os quais são elaborados considerando especificações
de dimensões e com comportamento similar ao de um sistema real. Os modelos
físicos em escala representam importante metodologia para algumas áreas
da engenharia. Esse modelo é muito usado em projetos de veículos, perfis
aerodinâmicos, estruturas etc. (FELÍCIO, 2010).
Atualmente, a modelagem física também é realizada através do software

CAD (Computer Aided Design). É prático e reduz custos.
6
FIGURA 3 – MODELO FÍSICO: PROTÓTIPO EM SOFTWARE CAD 3D
FONTE: <https://cutt.ly/DfrJhBA>. Acesso em: 12 dez. 2019.
A construção de plantas-piloto para representação de sistemas é uma

forma de modelagem física. Atualmente, temos a impressão 3D, que facilita e
reduz o tempo de construção do protótipo.
FIGURA 4 – EXEMPLO DE MODELO FÍSICO: PROTÓTIPO DE TURBINA A JATO IMPRESSO EM 3D
FONTE: <https://cutt.ly/9ffToB8>. Acesso em: 12 dez. 2019.
De acordo com Kluever (2018), o desempenho ou o comportamento de

sistemas de engenharia é obtido através da determinação de modelos, por meio
de equações matemáticas que representam leis físicas fundamentais. Os sistemas
dinâmicos são representados por equações diferenciais, cujas leis físicas são
correlacionadas aos sistemas a serem estudados, por exemplo, sistemas elétricos
representados pelas leis de Kirchhoff, sistemas mecânicos pelas leis de Newton.
O modelo matemático do comportamento de um sistema dinâmico

envolve equações diferenciais lineares ou não lineares, que representam o
comportamento físico do sistema. É possível exemplificar com um motor
elétrico, o qual é caracterizado por circuitos elétricos e mecânicos. O modelo
7
matemático é formado por um conjunto de equações diferenciais caracterizando

o comportamento da tensão e corrente elétrica e outras equações, como rotação e
torque mecânico.
Para o processo de modelagem de sistemas dinâmicos, a classificação dos

tipos de sistemas e, consequentemente, a dos modelos, são muito importantes.
4.1 MODELOS LINEARES E NÃO LINEARES

Segundo Kluever (2018), todos os sistemas físicos são não lineares. No
entanto, o autor infere que, caso as variáveis de entrada e saída apresentem uma
faixa nominal de restrição, o sistema não linear pode ser representado por um
modelo linear caracterizado por equações diferenciais lineares.
Garcia (2005) define que se a saída de um modelo depende linearmente da

entrada, esse modelo é considerado linear, caso contrário, ele é não linear.
No Tópico 2 desta unidade, abordaremos os modelos/sistemas lineares, e

como podemos trabalhar com eles no domínio da frequência e suas aplicações na
simulação de sistemas dinâmicos.
4.2 MODELOS DETERMINÍSTICOS E ESTOCÁSTICOS

De acordo com Garcia (2005), em um modelo determinístico, a saída pode
ser determinada com exatidão, caso o sinal de entrada e as condições iniciais sejam
conhecidos. Já em um modelo estocástico, observa-se a presença de variáveis com
comportamentos aleatórios, não permitindo a determinação exata de um valor de
saída. Assim, podemos ter, como saída, uma distribuição de probabilidades.
Na natureza, os diversos sistemas estão sujeitos a eventos aleatórios.

Para exemplificar, um sistema de distribuição de energia elétrica está sujeito a
descargas atmosféricas, porém, estas apresentam características aleatórias, e não
sabemos exatamente como e quando elas ocorrerão. Assim, para a representação
em nosso modelo, precisamos utilizar modelos estocásticos.
4.3 MODELOS CONCENTRADOS E DISTRIBUÍDOS

Todo e qualquer sistema real é distribuído, porém, dada a complexidade,
podemos utilizar aproximações. Modelos ou sistemas concentrados, ou também
denominados de parâmetros concentrados, segundo Kluever (2018), são aqueles
que podem ser representados por um número finito de equações diferenciais
ordinárias, pois são caracterizados por um número finito de variáveis. Por
exemplo, podemos concentrar um modelo desprezando algumas variações nos
elementos físicos utilizados no modelo, considerando algumas propriedades
como homogêneas.
8
Em contraponto, com relação aos modelos distribuídos ou com parâmetros

distribuídos, essas variações que podem ocorrer nos elementos físicos são
consideradas, caracterizando o modelo por um número infinito de equações
ordinárias, ou através de equações diferenciais parciais.
4.4 MODELOS CONTÍNUOS E DISCRETOS

A classificação dos modelos e sistemas como contínuos ou discretos se dá
em relação ao seu comportamento no tempo. Kluever (2018) caracteriza os sistemas
contínuos como aqueles que possuem variáveis e funções que são definidas em
todos os instantes de tempo. Por outro lado, em um sistema discreto (tempo),
as variáveis são definidas apenas em determinados instantes de tempo, ou seja,
são amostras de tempo contínuo. Tais características determinam como será a
abordagem matemática, no caso, em sistemas de tempo contínuo, os modelos
serão representados por equações diferenciais. Já com relação aos sistemas
discretos, a caracterização será realizada através de equações de diferenças.
Fazendo uma contextualização, em sistemas contínuos, utilizamos sinais e

suas respectivas variáveis ditas analógicas. Em sistemas discretos, sinais discretos,
também chamados de digitais, uma amostra dos sinais contínuos.
4.5 MODELOS ESTACIONÁRIOS E NÃO ESTACIONÁRIOS

Modelos ou sistemas nos quais as variáveis permanecem constantes no
tempo são classificados como estacionários ou estáticos. Matematicamente, o efeito
da variável de entrada é apenas instantâneo e, em função disso, é representado
apenas por equações algébricas. Por outro lado, modelos não estacionários,
também chamados de modelos ou sistemas dinâmicos, são transientes ou
transitórios. Assim, a solução matemática completa deve caracterizar os regimes
permanente e transitório. Dados esses comportamentos, a modelagem é baseada
em um sistema de equações diferenciais.
4.6 MODELOS VARIANTES E INVARIANTES NO TEMPO

Kluever (2018) e Garcia (2005) conceituam, de forma bem direta, que em
um sistema ou modelo variante no tempo, os parâmetros são variáveis. De forma
análoga, um sistema ou modelo é considerado invariante no tempo caso seus
parâmetros permaneçam constantes.
Embora pareçam conceitos muito simples, são sujeitos a alguns equívocos,

pois não se deve confundir modelos variantes no tempo com modelos dinâmicos.
Em um sistema variante no tempo, as características dos elementos físicos variam,
por exemplo, a isolação de um cabo de um sistema de distribuição em função da
9
umidade é alterada, provocando aumento da resistência elétrica. Em um sistema

dinâmico, as variações consideradas são das variáveis de entrada e saída do
modelo. Considerando o exemplo anterior, a tensão elétrica ou a corrente terá um
comportamento transitório e em regime permanente, porém, o elemento físico
(resistência) permanece inalterado.
E
IMPORTANT
Um exemplo é dado para elucidar a diferença entre variação dos parâmetros de

um sistema e variação das suas variáveis dinâmicas. Em um motor elétrico, os parâmetros
do sistema devem ser a resistência elétrica do circuito, a indutância dos enrolamentos, o
coeficiente de atrito nos mancais do rotor e o momento de inércia. Caso tais parâmetros não
variem com o tempo, então, o motor elétrico em questão é um sistema invariante no tempo.
No tópico seguinte, iniciaremos o contato mais prático com a modelagem.

A caminho da simulação, serão apresentados sistemas mecânicos, elétricos,
térmicos e fluídicos. A leitura complementar, exposta a seguir, aborda a história
dos sistemas de controle. Boa leitura!
E
IMPORTANT
Projeto de engenharia
O projeto de engenharia é a principal tarefa de um engenheiro. É um processo
complexo no qual tanto a criatividade quanto a capacidade analítica desempenham papéis
fundamentais. Projeto é o processo de concepção ou invenção de formas, partes e detalhes
de um sistema.
A atividade de projeto pode ser considerada como planejamento para o surgimento
de um produto ou sistema particular. O projeto é um ato inovador pelo qual o engenheiro,
criativamente, usa conhecimentos e materiais para especificar a forma, função e conteúdo
material de um sistema. As etapas do projeto são: 1) determinar uma necessidade originada dos
valores de vários grupos, cobrindo o espectro que vai dos responsáveis pelas políticas públicas
até o consumidor; 2) especificar, em detalhes, o que a solução para a necessidade deve ser e
incorporar esses valores; 3) desenvolver e avaliar várias soluções alternativas para contemplar
essas especificações; e 4) decidir qual delas deve ser projetada em detalhes e fabricada.
Um fator importante em projetos reais é a limitação de tempo. O projeto deve ser
realizado dentro de prazos impostos e, eventualmente, ajustado para um projeto inferior
ao ideal, mas considerado “bom o suficiente”. Em muitas situações, o tempo é a única
vantagem competitiva.
Um dos principais desafios para o projetista é escrever as especificações para o
produto técnico. Especificações são declarações que, explicitamente, expressam o que o
dispositivo ou produto deve ser e fazer. O projeto de sistemas técnicos objetiva fornecer
especificações de projeto apropriadas e se baseia em quatro características: complexidade,
soluções de compromisso, desvios de projeto e risco.
10
A complexidade do projeto resulta da grande gama de ferramentas, decisões e

conhecimentos a serem usados no processo. O grande número de fatores que deve ser
considerado ilustra a complexidade da atividade de especificação do projeto.
O conceito de solução de compromisso envolve a necessidade de resolver objetivos de
projeto conflitantes, todos desejáveis. O processo de projeto requer um compromisso
eficiente entre critérios desejáveis, porém conflitantes.
Ao fazer um dispositivo técnico, normalmente, acha-se que o produto final não
se parece com o originalmente visualizado. Por exemplo: a imagem que é feita de um
problema a ser resolvido não aparece em descrições escritas nem, em última análise, nas
especificações. Esses desvios de projeto são intrínsecos da progressão de uma ideia abstrata
para sua realização.
Essa incapacidade em se estar absolutamente certo leva a grandes incertezas sobre
os efeitos reais dos dispositivos e produtos projetados. Essas incertezas são incorporadas em
consequências não intencionais ou risco. O resultado é que o projeto de um sistema é uma
atividade na qual os riscos devem ser assumidos.
Complexidade, soluções de compromisso, desvios de projeto e risco são inerentes
ao projeto. Embora possam ser minimizados quando todas as consequências de um
determinado projeto são consideradas, eles estão sempre presentes no processo de projeto.
No projeto de engenharia, existe uma diferença fundamental entre os dois grandes tipos
de pensamento que precisa ser estabelecida: análise e síntese. Na análise, a atenção é
focada nos modelos dos sistemas físicos que são analisados para haver compreensão e que
indicam direções para melhorias. Por outro lado, a síntese é o processo pelo qual essas novas
configurações físicas são criadas.
O projeto é um processo que pode seguir em várias direções antes que a direção
desejada seja encontrada. É um processo deliberativo pelo qual o projetista cria alguma coisa
nova em resposta a uma necessidade identificada enquanto descobre restrições realistas.
O processo de projeto é inerentemente iterativo – é preciso começar de algum lugar!
Engenheiros de sucesso aprendem a simplificar sistemas complexos de maneira apropriada
para o projeto e análise. Um desvio entre o sistema físico complexo e o modelo de projeto
é inevitável. Desvios de projeto são intrínsecos na progressão do conceito inicial até o
produto final. Sabe-se, intuitivamente, que é mais fácil melhorar um conceito inicial de forma
incremental do que tentar criar logo no início um projeto final. Em outras palavras, o projeto
de engenharia não é um processo linear. É um processo iterativo, não linear e criativo.
As principais abordagens para o projeto de engenharia mais efetivo são a análise e a
otimização paramétrica. A análise paramétrica é baseada em: 1) identificação dos parâmetros-
chave, 2) geração da configuração do sistema e, 3) verificação de quão bem a configuração
contempla as necessidades. Essas três etapas formam um laço iterativo. Uma vez que os
parâmetros-chave são identificados e a configuração sintetizada, o projetista pode otimizar
os parâmetros. Tipicamente, o projetista se esforça para identificar um conjunto limitado de
parâmetros a serem ajustados.
FONTE: DORF, R. C.; BISHOP, R. H. Sistemas de controle modernos. 13. ed. Rio de Janei-
ro: LTC, 2018.
11
RESUMO DO TÓPICO 1
Neste tópico, você aprendeu que:
• Sistema é uma combinação de componentes atuando em conjunto para

a realização de um objetivo especificado. Os componentes ou elementos
interagindo possuem relações de causa e efeito (ou de entrada-saída).
• Modelo físico é como uma organização de peças e mecanismos reais, os
quais são elaborados considerando especificações de dimensões e com
comportamento similar ao comportamento de um sistema real.
• Modelos matemáticos constituem uma representação através de equações.
• Sistemas dinâmicos são aqueles em que a solução matemática completa deve
caracterizar os regimes permanente e transitório. Dado esse comportamento,
a modelagem é baseada em um sistema de equações diferenciais.
• Todos os sistemas físicos são não lineares. Se a saída de um modelo depende
linearmente da entrada, esse modelo é considerado linear, caso contrário, ele
é não linear.
• Em um sistema ou modelo variante no tempo, os parâmetros são variáveis com
o tempo. De forma análoga, um sistema ou modelo é considerado invariante
no tempo caso seus parâmetros permaneçam constantes.
• Modelos ou sistemas concentrados são aqueles que podem ser representados
por um número finito de equações diferenciais ordinárias, com caracterização
por um número finito de variáveis.
• Sistemas contínuos são aqueles que possuem variáveis e funções que são
definidas em todos os instantes de tempo. Por outro lado, em um sistema
discreto, as variáveis são definidas apenas em determinados instantes de tempo.
12
AUTOATIVIDADE
Considere um sistema de iluminação composto por um circuito elétrico, cuja

finalidade seja acionar uma lâmpada. Fisicamente, poderá ser representado
por um resistor ou um indutor. Para esse sistema, responda:
1 Quais são as variáveis físicas envolvidas (variáveis de entrada e saída) nesse

sistema? Desenhe um diagrama representando o sistema e destacando as
variáveis.
2 Quais leis físicas relacionam as variáveis de entrada e saída com o elemento

físico (resistor e indutor).
3 Classifique o sistema quanto às classificações apresentadas.
4 Repita os itens citados, substituindo o sistema de iluminação por um sistema

de aquecimento.
13
14
TÓPICO 2 —
UNIDADE 1
MODELAGEM DE SISTEMAS
1 INTRODUÇÃO
No tópico anterior, você estudou as definições de sistemas, sistemas

dinâmicos, modelos e suas classificações. Agora, no Tópico 2, estudaremos
a modelagem de sistemas dinâmicos através de abordagens correlacionadas a
sistemas físicos e aplicações práticas. Para transferir esse conhecimento a você,
este tópico foi dividido em três partes, além da parte introdutória.

Primeiramente, abordaremos a modelagem matemática de sistemas e os
Sistemas Lineares Invariantes no Tempo. Iniciaremos o processo de modelagem
dos sistemas através de equações diferenciais no domínio no tempo, além da
conversão para o domínio da frequência, convergindo com a determinação da
função de transferência do sistema.

A modelagem por blocos, ou a representação por diagramas de blocos,
será estudada também. Com essa metodologia, a visualização do sistema e seus
elementos tornam-se mais práticos e fáceis, além de usuais, principalmente a
simulação dos sistemas modelados através do computador.

Com os conhecimentos obtidos, avançaremos com uma abordagem
aplicada a sistemas físicos. Estudaremos sistemas mecânicos, elétricos, térmicos e
fluídicos, os quais podem ser modelados por leis e princípios físicos convergentes,
permitindo a representação de características físicas através de elementos básicos,
caracterizando armazenamento e dissipação de energia.

2 MODELAGEM MATEMÁTICA
Conforme apresentado no tópico anterior, os modelos apresentam
classificação e respectivas aplicações, conforme equações que melhor representam
o sistema a ser modelado. Segundo Castrucci, Bittar e Sales (2011), os modelos
matemáticos buscam representar sistemas reais, porém, em função da complexidade
de todas as condições envolvidas, acabam como modelos aproximados, limitados
por condições específicas. “Na medida em que os limites se ampliam, cresce a
complexidade dos modelos” (CASTRUCCI; BITTAR; SALES, 2011, p. 11).
15
Sobre a utilização de modelos aproximados, Felício (2010) afirma que

embora não haja completa exatidão, a engenharia, ao longo dos tempos, consegue
resolver, através de modelos aproximados, diversos problemas na nossa sociedade.
Por meio da aplicação de técnicas e procedimentos, o engenheiro
executa projeto e construção de tudo o que o ser humano usa, como
carros, tratores, aviões, foguetes, edifícios, estradas, computadores,
robôs, aparelhos para medicina, odontologia, de comunicação etc.
(FELÍCIO, 2010, p. 2).
Para a modelagem matemática, utilizaremos equações matemáticas que

representam as leis e princípios físicos que caracterizam os sistemas a serem
modelados. Garcia (2005) descreve procedimentos para a obtenção de modelos
matemáticos de sistemas, e apresenta três etapas para a elaboração do modelo:
• Etapa 1: determinação das variáveis de entrada e saída: especificar o sistema

e propor um modelo físico, cujo comportamento se ajuste ao comportamento
do sistema real;
• Etapa 2: escrever as equações matemáticas do modelo físico e desenhar um
diagrama de blocos que represente o sistema;
• Etapa 3: analisar o desempenho dinâmico do modelo físico.
Para atingirmos o nosso objetivo, que é a modelagem de sistemas

dinâmicos, nas seções seguintes deste capítulo, apresentaremos a base matemática
para alcançarmos o modelo físico. Dada a diversidade de sistemas físicos, serão
abordadas aproximações lineares, utilizando como referência a transformada de
Laplace. Mais tarde, inicia-se a identificação do sistema a partir da determinação das
variáveis de entrada e saída, resultando na obtenção das funções de transferência.
3 O DOMÍNIO DA FREQUÊNCIA E A TRANSFORMADA DE

LAPLACE
Segundo Nise (2017), a modelagem matemática é realizada através do
domínio da frequência ou do domínio do tempo. Para a modelagem no domínio
da frequência, são utilizadas funções de transferência. No domínio do tempo,
lança-se mão das chamadas equações de estado.
Vamos nos concentrar nas funções de transferência. Em um sistema

linear, admitindo que as condições iniciais sejam iguais a zero, a relação entre
a transformada de Laplace da variável de saída e a transformada da variável
de entrada é o que chamamos de função de transferência. Conceito simples,
não? Contudo, extremamente útil, sobretudo para a simulação e a análise de
desempenho dos sistemas dinâmicos que veremos em unidades posteriores.
16
TÓPICO 2 — MODELAGEM DE SISTEMAS
Vamos por partes e, primeiramente, é preciso revisar a teoria da

transformada de Laplace, que é definida pela equação 2.1.
Equação 2.1
A função F(s) é o que chamamos de transformada de Laplace da função

f(t), sendo s = σ + jω uma variável complexa. A variável s é denominada de variável
de Laplace, utilizada como operador diferencial, conforme a equação 2.2 a seguir.
Equação 2.2
De forma análoga e intuitiva, o operador integral é representado pela

equação 2.3.
Equação 2.3
Caso seja necessário realizar o caminho inverso, ou seja, obter f(t) a partir
de F(s), deve-se utilizar a chamada transformada inversa de Laplace, de acordo
com a equação 2.4.
Sendo Equação 2.4
A função u(t) é chamada de degrau unitário, e o produto de f(t) por u(t)

é uma função do tempo, igual a zero para t < 0. Pode-se observar esse a seguir.
FIGURA 5 – FUNÇÃO DEGRAU UNITÁRIO
FONTE: O Autor
Através da Equação 2.1, podemos substituir f(t) por qualquer função

matemática linear que você precise utilizar. Dessa forma, é usual um quadro de
transformadas de Laplace.
17
QUADRO 1 – TRANSFORMADAS DE LAPLACE
f(t) F(s)
Função degrau unitário – u(t)
Função impulso unitário – δ(t) 1
Função rampa unitária – tu(t)
e⁻ᵃᵗ
sen ωt
cos ωt
tn u(t)
e-at sen ωt
e-at cos ωt
te-at
tn e-at
senh ωt
cosh ωt
18
1 - cos ωt
ωt - sen ωt
sen ωt - ωtcos ωt
tcos ωt
FONTE: O Autor
Além da função degrau unitário, destacam-se as funções impulso, rampa,

exponencial e seno.
A função impulso unitário pode ser definida na equação 2.5.
Equação 2.5
Graficamente, pode ser representada a seguir. Em (a), temos as
19
representações de δ(t) e em (b) δ(t-a):
FIGURA 6 – FUNÇÃO IMPULSO UNITÁRIO

FONTE: O Autor
A função rampa unitária tu(t) representa um sinal linearmente crescente.

Matematicamente, sua definição é demonstrada pela equação 2.6.
Equação 2.6
A seguir, apresenta-se a representação gráfica da rampa unitária.
FIGURA 7 – FUNÇÃO RAMPA UNITÁRIA
FONTE: Adaptado de Nise (2017)
Outra função básica é a exponencial tn u(t), dada pela equação 2.7.
Equação 2.7
20
Na Figura 8, tem-se a representação gráfica.
FIGURA 8 – FUNÇÃO EXPONENCIAL
FONTE: O Autor
Tais funções serão muito utilizadas a partir da Unidade 2, em que

iniciaremos o estudo da análise de desempenho dos sistemas dinâmicos.
TUROS
ESTUDOS FU
No tópico seguinte, você conhecerá o software (Scilab) que utilizaremos para

a simulação dos nossos sistemas dinâmicos. A maioria das funções apresentadas já está
inserida no software, já no domínio da frequência, de uma forma muito prática de ser
utilizada por você.
4 FUNÇÃO DE TRANSFERÊNCIA
Seguindo nossa trilha para aprendermos a modelar sistemas, após a
conversão das funções matemáticas para o domínio da frequência, é possível
verificar que nossas funções foram escritas de forma simplificada. No momento,
podemos apresentar o conceito da função de transferência de um sistema. Segundo
Dorf e Bishop (2018), é a relação que descreve a dinâmica do sistema considerado.
Para melhorar o entendimento, observe o esquema a seguir.
FIGURA 9 – DIAGRAMA REPRESENTANDO UM SISTEMA LINEAR G(S)
FONTE: O Autor
21
Como mencionamos anteriormente, a função de transferência representa

a relação entre a variável de saída e a de entrada de um sistema linear.
Equação 2.8
Para exemplificar com valores numéricos, considere a seguinte equação

diferencial:
Equação 2.9
Aplicando a transformada de Laplace, obtemos a Equação 2.10:
Equação 2.10
Organizando a equação, teremos:
Equação 2.11
Logo, a função de transferência G(s) será:
Equação 2.12
Com a determinação das funções de transferência, podemos organizar

nosso sistema através de blocos, entre a entrada e saída determinadas. Chamamos
de modelagem por blocos.
5 MODELAGEM POR BLOCOS

Funções de transferência podem ser organizadas em diagramas de blocos,
constituindo um método prático para a representação gráfica das relações entre
as variáveis do problema a ser modelado. A prática da modelagem por blocos
auxilia e facilita a modelagem de sistemas com diferentes graus de complexidade,
pois as relações entre entrada, saída e sistemas são consideradas, além das
operações e operadores matemáticos, representando os fluxos de sinais. A seguir,
apresentaremos as representações básicas utilizadas na modelagem por blocos.
5.1 REPRESENTAÇÃO BÁSICA

Segundo Nise (2017), alguns sistemas possuem diversos subsistemas.
Assim, para realizar a conexão, podemos utilizar alguns elementos para cada
ação acrescentada no diagrama de blocos. Esses novos elementos podem ser
sinais, sistemas, somador e os pontos de ramificação.
22
Um elemento fundamental na modelagem por blocos é o somador, também

denominado de junção de soma ou ponto de soma. Seu bloco é apresentado a seguir.
FIGURA 10 – BLOCO SOMADOR, PONTO DE SOMA OU JUNÇÃO DE SOMA
FONTE: Adaptado de Ogata (2010)

O bloco somador é representado por um círculo com uma cruz no centro
e os sinais indicando as operações de soma (+) ou subtração (-).
Um ponto de ramificação ou derivação distribui o sinal oriundo de um

bloco para outros blocos e somadores. Observe, a seguir, um diagrama de blocos
com sinais, um bloco somador, um de sistema e um ponto de ramificação.
FIGURA 11 – DIAGRAMA DE BLOCOS COM REPRESENTAÇÕES BÁSICAS DE UM SISTEMA EM

MALHA FECHADA
A figura anterior, além de apresentar os blocos básicos de modelagem,

mostra a representação de um sistema de malha fechada. Observe que o sinal
de saída C(s) realimenta (fecha a malha) o sistema através do somador, sendo
comparado com o sinal de entrada R(s). No caso, a saída C(s) será:
Equação 2.13
23
Agora, observe o diagrama de blocos a seguir. Foi acrescentado o bloco

H(s) como um elemento de realimentação. Em sistemas reais, geralmente, esse
elemento é um sensor que verifica o sinal de saída e o compara com o sinal de
entrada. No caso, o sinal B(s) será:
Equação 2.14
FIGURA 12 – DIAGRAMA DE BLOCOS DE UM SISTEMA EM MALHA FECHADA COM ELEMENTO

DE REALIMENTAÇÃO
Continuando a análise, o sinal E(s) nada mais é do que o erro atuante

no sistema, medido através de H(s). No contexto, temos a chamada função de
transferência de malha aberta, caracterizada pela relação entre os sinais B(s) e
E(s), conforme a equação 2.15.
Equação 2.15
Ainda, temos a função de transferência do ramo direto, obtida pela relação

entre C(s) e E(s), equação 2.16.
Equação 2.16
No entanto, a relação entre a entrada R(s) e a saída C(s) é denominada de

função de transferência de malha fechada. Pode ser obtida através das relações entre
os sinais. O sinal C(s) pode ser obtido pela equação 2.17, escrito da seguinte forma:
Equação 2.17
O sinal de erro E(s):
Equação 2.18
Substituindo a equação 2.15 na equação 2.18, obtemos:
Equação 2.19
24
Agora, substituída a equação 2.19 em 2.17, temos:
Equação 2.20
Rearranjando a equação 2.20, para obter C(s) com uma relação em R(s),
temos:
Equação 2.21
Finalmente:
Equação 2.22
5.2 DIAGRAMA DE BLOCOS EQUIVALENTE

Conforme apresentado, podemos relacionar sinais e blocos de forma algébrica,
obtendo nossas funções de transferência. Para sistemas mais complexos, ou seja,
com elevada quantidade de elementos, pode-se agrupar esses elementos no próprio
diagrama, simplificando o sistema a ser modelado. Dorf e Bishop (2018) apresentam
a transformação do diagrama de blocos a partir do agrupamento entre vários blocos,
ocasionando um diagrama equivalente, conforme exemplificado a seguir.
A seguir, em (a), temos um diagrama com blocos em série, que pode ser
chamado de sistema em cascata. Através dos sentidos dos sinais e blocos, pode
haver condensação no diagrama em (b).
FIGURA 13 – BLOCO EM CASCATA – (A) ORIGINAL (B) EQUIVALENTE
FONTE: O Autor
A seguir, em (a), temos uma malha fechada com bloco de realimentação.

Esse diagrama pode ser reduzido ao diagrama equivalente de (b). Observe a seguir.
FIGURA 14 – BLOCO DE REALIMENTAÇÃO – (A) ORIGINAL (B) EQUIVALENTE
FONTE: O Autor
25
NOTA
Diversos softwares utilizados para modelagem e simulação de sistemas já

possuem Toolbox para modelagem através de blocos. O software que utilizaremos a
seguir possuí um Toolbox chamado de Xcos. Ainda, há um exemplo de um bloco somador
(a), além de um bloco de sistema (b).
FIGURA 15 – BLOCOS DO SOFTWARE SCILAB/XCOS – (A) SOMADOR (B) SISTEMA
FONTE: O Autor
6 MODELAGEM DE SISTEMAS FÍSICOS

Nos Capítulos 2 e 3, apresentamos como as propriedades físicas e
suas respectivas equações matemáticas são utilizadas para a modelagem do
comportamento dinâmico dos diversos sistemas. No contexto, há uma estratégia
muito eficaz para a modelagem dos diversos sistemas existentes na natureza:
através de sistemas físicos equivalentes. Com essa estratégia, podemos realizar a
modelagem de sistemas simples e complexos através de elementos físicos básicos
com características e equações matemáticas bem definidas.
Nos itens a seguir, apresentaremos equações representando

comportamentos de dissipação e armazenamento de energia. Por exemplo, para
sistemas mecânicos, teremos a representação de massa, mola e amortecedor;
para sistemas elétricos, resistências, indutâncias e capacitâncias; para sistemas
térmicos, diferença de temperatura, fluxo térmico, resistência e capacitância
térmica e; para sistemas fluídicos, a diferença de pressão, vazão volumétrica,
resistência e capacitância fluídica, tornando a modelagem mais prática para sua
implementação e posterior simulação.
6.1 SISTEMA MECÂNICO

As propriedades e leis físicas que representam os sistemas mecânicos
abordam inércia, rigidez e energia, com destaque para as Leis de Newton e de
Hooke (KLUEVER, 2018).
26
Para simplificar e abordar os diferentes contextos envolvendo sistemas

mecânicos, são utilizados diversos componentes ou elementos físicos para a
modelagem, tais como: massa, mola, amortecedor e inércia. São descritos por
equações diferenciais e algébricas de força, velocidade e deslocamento.
A representação dos sistemas mecânicos divide-se em sistemas em

translação (ou translacionais) e rotação (ou rotacionais).
6.1.1 Sistemas mecânicos em translação

Os sistemas mecânicos em translação serão representados por elementos
físicos, quanto ao seu comportamento em relação à energia. Na primeira coluna
do quadro a seguir, temos três elementos físicos ou componentes passivos. A
mola e a massa armazenam energia, e o amortecedor dissipa.
QUADRO 2 – ELEMENTOS FÍSICOS E SUAS EQUAÇÕES DESCRITIVAS DE SISTEMAS MECÂNICOS

EM TRANSLAÇÃO
Equação Descritiva no Domínio do Tempo

Elemento Físico
ou Componente Força em relação à Força em relação ao
velocidade deslocamento
Mola
Amortecedor
Massa
FONTE: O Autor
A seguir, são apresentadas as variáveis e suas respectivas unidades.
QUADRO 3 – VARIÁVEIS E UNIDADES DE SISTEMAS MECÂNICOS EM TRANSLAÇÃO
Variáveis Unidade (SI)

f(t)- força N – Newton
x(t)- deslocamento m – metro
v(t)- velocidade m/s – metro/segundo
K- constante de mola N/m – Newton/metro
fv- coeficiente de atrito viscoso N.s/m – Newton.segundo/metro
M – massa kg – quilograma
FONTE: O Autor
27
Em nosso material, é possível observar um exemplo de um sistema com

os três elementos físicos de sistemas mecânicos em translação, o denominado
diagrama de corpo livre. Observe o sentido do deslocamento x(t) e a força f(t).
FIGURA 16 – DIAGRAMA DE CORPO LIVRE: SISTEMA MASSA-MOLA-AMORTECEDOR
É possível representar esse sistema através de uma equação de movimento,

considerando o lado direito para caracterizar o movimento.
Agora, observe a figura a seguir. Nela, temos o diagrama de corpo

livre, porém, acrescentando três forças que agem sobre ele no sentido contrário,
provocadas pela massa, amortecedor e mola.
FIGURA 17 – DIAGRAMA DE CORPO LIVRE: REPRESENTAÇÃO DAS FORÇAS ATUANTES
De acordo com a Lei de Newton, esse sistema mecânico pode ser

representado por uma equação diferencial de movimento, através da somatória
das forças atuantes igual a zero, incidentes sobre o corpo livre. Tal representação
resulta na equação a seguir:
Equação 4.1
Agora, utilizando os conceitos apresentados, vamos converter a Equação

4.1 para o domínio da frequência e fazer a representação do sistema em diagrama
de blocos. Aplicando a transformada de Laplace em 4.1, teremos:
Equação 4.2
28
Resultando na função de transferência do sistema, conforme a

equação 4.3.
Equação 4.3
A função de transferência é representada a seguir, em forma de diagrama

de blocos correspondente do sistema massa-mola-amortecedor.
FIGURA 18 – DIAGRAMA DE BLOCOS: SISTEMA MASSA-MOLA-AMORTECEDOR
FONTE: O Autor
6.1.2 Sistemas mecânicos em rotação

Os sistemas de rotação também podem ser descritos por elementos físicos
mola e amortecedor, porém, a massa é substituída pela inércia. As funções são
diferentes dos sistemas de translação em virtude do sentido do movimento, agora
sujeitos à rotação. Dessa forma, o torque T(t) substitui a força e o deslocamento
angular θ(t) substitui o deslocamento de translação. A seguir, reunimos os
elementos físicos e as respectivas equações descritivas em função do torque,
deslocamento e velocidade angular.
QUADRO 4 – ELEMENTOS FÍSICOS E SUAS EQUAÇÕES DESCRITIVAS DE SISTEMAS MECÂNICOS

EM ROTAÇÃO

Elemento Físico
ou Componente Torque em relação à Torque em relação ao
velocidade angular deslocamento angular
Mola
Amortecedor
Inércia
FONTE: O Autor
29
A seguir, são apresentadas as variáveis utilizadas nas equações descritivas

e suas respectivas unidades.
QUADRO 5 – VARIÁVEIS E UNIDADES DE SISTEMAS MECÂNICOS EM ROTAÇÃO

T(t)- torque N.m – Newton.metro
θ(t)- deslocamento angular rad - radianos
ω(t)-velocidade angular rad/s-radiano/segundo
K-constante de mola N/m – Newton.metro/radiano
D- coeficiente de atrito viscoso N.m.s/rad – Newton.metro.segundo/radiano
J- inércia Kg.m2- quilograma.metro2
FONTE: O Autor
7 SISTEMA ELÉTRICO
Agora, temos equações descritivas que você já conhece de disciplinas
estudadas anteriormente, desde o início do curso. Os elementos físicos que
caracterizam os circuitos elétricos são componentes passivos, como resistor,
capacitor e indutor, e as leis físicas utilizadas são as Leis de Kirchhoff. Assim
como os demais sistemas físicos, os componentes elétricos são divididos entre os
que dissipam e os que armazenam energia. A seguir, apresentamos os elementos
e as diversas equações descritivas. O resistor é um elemento físico dissipativo e os
capacitores e indutores são elementos que armazenam energia.
QUADRO 6 – ELEMENTOS FÍSICOS E SUAS EQUAÇÕES DESCRITIVAS DE SISTEMAS ELÉTRICOS

Elemento
Físico ou Tensão em relação à Corrente em relação Tensão em
Componente corrente elétrica à tensão elétrica relação à carga
Capacitor
Resistor
Indutor
FONTE: O Autor
30

QUADRO 7 – VARIÁVEIS E UNIDADES DE SISTEMAS ELÉTRICOS

v(t)-Tensão elétrica V- Volt
i(t)-Corrente elétrica A - Ampere
q(t)-Carga elétrica Q - Coulombs
C- Capacitância F - Farad
R- Resistência - Ohm
L- Indutância H - Henry
FONTE: O Autor

Considere o circuito RLC apresentado a seguir, cujo comportamento é
regido pelas Leis de Kirchhoff. Dessa forma, a somatória das tensões na malha é
igual a zero.
FIGURA 19 – CIRCUITO RLC
Assumindo essa premissa, podemos representar o modelo do circuito

pela equação diferencial a seguir.
Equação 4.4
Para determinarmos a função de transferência do sistema, relacionando

a tensão de entrada v(t) e a tensão no capacitor vc(t), devemos considerar que e
substituir na equação 4.4, resultando na equação 4.5 a seguir.
Equação 4.5
31
Considerando a equação que representa a relação tensão-carga para o

capacitor, porém reescrevendo em função vc(t), temos:
) Equação 4.6
Então, substituindo a equação 4.6 em 4.5, temos:
Equação 4.7
Aplicando a transformada de Laplace na equação 4.7, obtemos o modelo

no domínio da frequência.
Equação 4.8
Resultando na função de transferência do sistema, conforme a

equação 4.9.
Equação 4.9
A função de transferência é representada a seguir, na forma de diagrama

de blocos correspondente ao sistema do circuito RLC.
FIGURA 20 – DIAGRAMA DE BLOCOS - CIRCUITO RLC
FONTE: O Autor
8 SISTEMA TÉRMICO
Os sistemas térmicos também são caracterizados por elementos físicos
semelhantes aos demais sistemas apresentados nos itens anteriores. No caso, a
resistência térmica que dissipa e a capacitância térmica que armazena energia. A
seguir, são apresentados os elementos físicos e as equações descritivas em função
da diferença de temperatura ∆T(t) e do fluxo térmico q(t).
32
QUADRO 8 – ELEMENTOS FÍSICOS E SUAS EQUAÇÕES DESCRITIVAS DE SISTEMAS TÉRMICOS

Elemento Físico ou
Componente Diferença de temperatura Fluxo térmico em relação à
em relação ao fluxo térmico diferença de temperatura
Resistência térmica
Capacitância térmica
FONTE: O Autor

QUADRO 9 – VARIÁVEIS E UNIDADES DE SISTEMAS TÉRMICOS

∆T(t)- Diferença de temperatura °C - Celsius
q(t)- Fluxo térmico Kcal/s
Rt- Resistência térmica °C s/kcal
Ct- Capacitância térmica Kcal/°C
FONTE: O Autor
9 SISTEMA FLUÍDICO
Os principais componentes de sistemas fluídicos são a resistência fluida,
que dissipa energia, e a capacitância fluida, que armazena energia. A seguir, além
dos componentes, apresentamos as equações descritivas no domínio do tempo,
caracterizadas pelas funções da vazão volumétrica e diferença de pressão.
QUADRO 10 – ELEMENTOS FÍSICOS E SUAS EQUAÇÕES DESCRITIVAS DE SISTEMAS FLUÍDICOS

Elemento Físico Vazão volumétrica em
ou Componente Diferença de pressão em
relação à diferença de
relação à vazão volumétrica
pressão
Resistência fluida
Capacitância fluida
FONTE: O Autor
33

QUADRO 11 – VARIÁVEIS E UNIDADES DE SISTEMAS FLUÍDICOS

∆P(t)- Diferença de pressão Pa - Pascal
Q(t)- Vazão volumétrica m3/s
Rf- Resistência fluida
Cf- Capacitância fluida

FONTE: O Autor
34
LEITURA COMPLEMENTAR
A HISTÓRIA DOS SISTEMAS DE CONTROLE
Os sistemas de controle com realimentação são muito antigos. Diversos

sistemas de controle biológicos foram formados nos primeiros habitantes do
nosso planeta. Vamos agora contemplar uma breve história dos sistemas de
controle projetados pelos seres humanos.
Controle de Nível de Líquido – os gregos começaram a engenharia de

sistemas com realimentação por volta de 300 a.C. Um relógio de água, inventado
por Ktesibios, funcionava através do gotejamento de água, a uma taxa constante,
em um recipiente de medição. O nível de água no recipiente de medição podia
ser usado para informar o tempo decorrido. Para que a água gotejasse a uma taxa
constante, o nível do reservatório de alimentação teria de ser mantido constante.
Isso foi conseguido usando-se uma válvula de boia semelhante à do controle de
nível de água da caixa de descarga dos vasos sanitários atuais.
Logo depois de Ktesibios, a ideia do controle do nível de líquido foi

aplicada a uma lâmpada a óleo por Philon de Bizâncio. A lâmpada consistia em
dois reservatórios de óleo posicionados verticalmente. A bandeja inferior era
aberta no topo e fornecia o combustível para a chama. A taça superior, fechada,
era o reservatório de combustível para a bandeja inferior. Os reservatórios eram
interconectados por dois tubos capilares e mais outro tubo, chamado transportador
vertical, que era inserido dentro do óleo na bandeja inferior, imediatamente abaixo
da superfície. À medida que o óleo queimava, a base do transportador vertical era
exposta ao ar, o que forçava o óleo do reservatório superior a fluir através dos tubos
capilares para a bandeja. A transferência de combustível do reservatório superior
para a bandeja parava quando o nível anterior de óleo na bandeja era restabelecido,
impedindo, assim, o ar de entrar no transportador vertical. Consequentemente, o
sistema mantinha o nível de líquido no reservatório inferior constante.
Controles de Pressão do Vapor e de Temperatura – a regulação da pressão

do vapor começou por volta de 1681, com a invenção da válvula de segurança
por Denis Papin. O conceito foi aprimorado, aumentando o peso do topo da
válvula. Se a pressão ascendente oriunda da caldeira excedesse o peso, o vapor
era liberado, e a pressão diminuía. Caso ela não excedesse o peso, a válvula não
abria e a pressão no interior da caldeira aumentava. Assim, o peso no topo da
válvula determinava a pressão interna na caldeira.
Também no século XVII, Cornelis Drebbel, na Holanda, inventou um

sistema de controle de temperatura puramente mecânico para a incubação de
ovos. O dispositivo utilizava um frasco com álcool e mercúrio com uma boia em
seu interior. A boia estava conectada a um registro que controlava uma chama.
Uma parte do frasco era inserida na incubadora, para medir o calor gerado pela
chama. À medida que o calor aumentava, o álcool e o mercúrio se expandiam,
elevando a boia, fechando o registro e reduzindo a chama. Temperaturas mais
baixas faziam com que a boia descesse, abrindo o registro e aumentando a chama.
35
Controle de Velocidade – em 1745, o controle de velocidade foi aplicado

a um moinho de vento por Edmund Lee. Ventos mais fortes fletiam as pás mais
para trás, de modo que uma área menor ficava disponível. À medida que o vento
diminuía, uma área de pás maior ficava disponível. William Cubitt aperfeiçoou a
ideia em 1809, dividindo as velas do moinho em abas móveis.
Também no século XVIII, James Watt inventou o regulador de velocidade de

esferas para controlar a velocidade de motores a vapor. Nesse dispositivo, duas esferas
giratórias se elevam à medida que a velocidade de rotação aumenta. Uma válvula de
vapor conectada ao mecanismo das esferas fecha com o movimento ascendente das
esferas e abre com o movimento descendente, regulando, assim, a velocidade.
Estabilidade, Estabilização e Direção – a teoria de sistemas de controle,

como conhecida atualmente, começou a se sedimentar na segunda metade do
século XIX. Em 1868, James Clerk Maxwell publicou o critério de estabilidade para
um sistema de terceira ordem baseado nos coeficientes da equação diferencial. Em
1874, Edward John Routh, utilizando uma sugestão de William Kingdon Clifford,
que tinha sido ignorada anteriormente por Maxwell, foi capaz de estender
o critério de estabilidade para os sistemas de quinta ordem. Em 1877, o tema
para o prêmio Adams foi “O Critério da Estabilidade Dinâmica”. Em resposta,
Routh submeteu um trabalho intitulado Um Tratado sobre a Estabilidade de um
Determinado Estado de Movimento e conquistou o prêmio. Esse trabalho contém
o que é conhecido atualmente como o critério de estabilidade de Routh-Hurwitz.
Alexandr Michailovich Lyapunov também contribuiu para o desenvolvimento
e a formulação das teorias e práticas atuais da estabilidade dos sistemas de
controle. Aluno de P. L. Chebyshev, na Universidade de St. Petersburg, na Rússia,
Lyapunov estendeu o trabalho de Routh para sistemas não lineares, em sua tese de
doutorado em 1892, intitulada O Problema Geral da Estabilidade do Movimento.
Durante a segunda metade do século XIX, o desenvolvimento de sistemas

de controle se concentrou na direção e na estabilização de navios. Em 1874, Henry
Bessemer, utilizando um giroscópio para medir o movimento de um navio, e
aplicando a potência gerada pelo sistema hidráulico, deslocava o salão do
navio para mantê-lo nivelado (se isso fez alguma diferença para os passageiros
é incerto). Outros esforços foram feitos para estabilizar plataformas de armas e
navios inteiros, utilizando pêndulos como sensores de movimento.
Desenvolvimentos do Século XX – foi apenas no início do século XX que

a condução automática de navios foi alcançada. Em 1922, a Sperry Gyroscope
Company instalou um sistema automático de direção que utilizava elementos de
compensação e controle adaptativo para melhorar o desempenho. Entretanto,
boa parte da teoria geral utilizada atualmente é atribuída a Nicholas Minorsky,
um russo nascido em 1885. Foi seu desenvolvimento teórico, aplicado à condução
automática de navios, que levou ao que hoje chamamos de controladores
proporcional, integral e derivado (PID), ou controladores de três modos.
36
No fim da década de 1920 e início da década de 1930, H. W. Bode e H.

Nyquist, da Bell Telephone Laboratories, desenvolveram a análise de amplificadores
com realimentação. Essas contribuições evoluíram para as técnicas de análise e
projeto.
Em 1948, Walter R. Evans, trabalhando na indústria aeronáutica,

desenvolveu uma técnica gráfica para representar as raízes de uma equação
característica de um sistema com realimentação, cujos parâmetros variavam sobre
uma faixa específica de valores. Essa técnica e os trabalhos de Bode e Nyquist
formam a base da teoria.
Aplicações Contemporâneas – atualmente, os sistemas de controle

encontram um vasto campo de aplicação na orientação, navegação e controle de
mísseis e veículos espaciais, como em aviões e navios. Por exemplo, os navios
modernos utilizam uma combinação de componentes elétricos, mecânicos e
hidráulicos para gerar comandos de leme em resposta a comandos de rumo
desejado. Os comandos de leme, por sua vez, resultam em um ângulo do leme que
orienta o navio. Encontramos sistemas de controle por toda a indústria de controle
de processos, regulando o nível de líquidos em reservatórios, concentrações
químicas em tanques, e a espessura do material fabricado. Por exemplo, considere
um sistema de controle de espessura para uma laminadora de acabamento de
chapas de aço. O aço entra na laminadora de acabamento e passa por rolos. Na
laminadora de acabamento, raios medem a espessura real e a comparam com a
espessura desejada. Qualquer diferença é ajustada por um controle de posição de
um parafuso, este que altera a distância entre os rolos através dos quais passa a
peça de aço. Essa alteração na distância entre os rolos regula a espessura.
Os desenvolvimentos modernos têm presenciado uma utilização

generalizada de computadores digitais como parte dos sistemas de controle.
Por exemplo, computadores são utilizados em sistemas de controle de robôs
industriais, veículos espaciais e na indústria de controle de processos. É difícil
imaginar um sistema de controle moderno que não utilize um computador
digital. Embora recentemente aposentado, o ônibus espacial fornece um
excelente exemplo do uso de sistemas de controle, pois ele continha inúmeros
sistemas de controle operados por um computador de bordo em regime de
tempo compartilhado. Sem sistemas de controle, seria impossível orientar a
nave para a órbita terrestre e da órbita terrestre, ou ajustar a órbita propriamente
dita e manter o suporte à vida a bordo. Funções de navegação programadas nos
computadores da nave utilizavam dados do hardware da nave para estimar a
posição e a velocidade do veículo. A informação era passada para as equações de
guiamento que calculavam os comandos para os sistemas de controle de voo da
nave, os quais manobravam a espaçonave.
No espaço, o sistema de controle de voo girava os motores do sistema

de manobra orbital (OMS — orbital maneuvering system) para uma posição que
fornecia um impulso na direção comandada para que fosse possível manobrar a
nave. Na atmosfera terrestre, a nave era manobrada por comandos enviados do
sistema de controle de voo às superfícies de controle, como os elevons. No grande
37
sistema de controle representado pela navegação, orientação e controle, existiam

inúmeros subsistemas para controlar as funções do veículo. Por exemplo, os
elevons requeriam um sistema de controle para assegurar que a posição era,
de fato, aquela que foi comandada, uma vez que perturbações, como o vento,
poderiam girar os elevons, afastando-os de sua posição comandada.
De modo análogo, no espaço, o giro dos motores de manobra orbital

requeria um sistema de controle similar, assegurando que o motor de giro pudesse
realizar sua função com velocidade e exatidão. Sistemas de controle também eram
utilizados para controlar e estabilizar o veículo durante sua descida. Diversos
pequenos jatos que compunham o sistema de controle de reação (RCS — reaction
control system) eram utilizados inicialmente na exosfera, onde as superfícies de
controle eram ineficazes.
O controle era passado para as superfícies de controle à medida que

a órbita decaía e a nave entrava na atmosfera. No interior da nave, diversos
sistemas de controle eram necessários para a geração de energia e para o suporte
à vida. Por exemplo, o veículo orbital possuía três geradores de energia de célula
de combustível que convertiam hidrogênio e oxigênio (reagentes) em eletricidade
e água, estas que eram utilizadas pela tripulação. As células de combustível
envolviam o uso de sistemas de controle para regular a temperatura e a pressão.
Os reservatórios de reagentes eram mantidos à pressão constante, à medida

que a quantidade dos reagentes diminuía. Sensores nos reservatórios enviavam
sinais para os sistemas de controle para ligar ou desligar os aquecedores, mantendo
constante a pressão dos reservatórios (ROCKWELL INTERNATIONAL, 1984).
Os sistemas de controle não estão limitados à ciência e à indústria. Por exemplo,
um sistema de aquecimento de uma residência é um sistema de controle simples,
composto por um termostato que contém um material bimetálico que se expande
ou se contrai com a variação da temperatura. Essa expansão ou contração move um
frasco de mercúrio que atua como interruptor, ligando ou desligando o aquecedor.
A quantidade de expansão ou contração necessária para mover o

interruptor de mercúrio é determinada pela regulagem de temperatura. Sistemas
de entretenimento domésticos também têm sistemas de controle embutidos. Por
exemplo, em um sistema de gravação de disco óptico, cavidades microscópicas,
representando as informações, são gravadas no disco por um laser durante o
processo de gravação. Durante a reprodução, um feixe de laser refletido focado
nas cavidades muda de intensidade. As mudanças de intensidade da luz são
convertidas em um sinal elétrico e processadas como som ou imagem. Um
sistema de controle mantém o feixe de laser posicionado nas cavidades, estas
que são cortadas na forma de círculos concêntricos. Existem inúmeros outros
exemplos de sistemas de controle, do cotidiano ao extraordinário. À medida que
iniciam seus estudos sobre a engenharia de sistemas de controle, você fica mais
consciente da grande variedade de aplicações.
FONTE: NISE, N. S. Engenharia de sistemas de controle. 7. ed. RJ: LTC, 2017.
38
RESUMO DO TÓPICO 2
• A modelagem matemática pode ser realizada utilizando princípios físicos e

equações diferenciais ordinárias.
• Em um sistema linear, admitindo que as condições iniciais sejam iguais a zero, a
relação entre a transformada de Laplace da variável de saída e a transformada
da variável de entrada é o que chamamos de função de transferência.
• A variável s é denominada de variável de Laplace, utilizada como operador
diferencial, conforme a equação:
• A função de transferência representa a relação entre a variável de saída e a de

entrada de um sistema linear. Logo, podemos escrever a função de transferência
do diagrama a seguir conforme a equação:
• O modelo de um circuito elétrico RLC é dado pela equação diferencial:
• A representação no domínio da frequência e a respectiva função de transferência

são:
• O modelo do circuito RLC representado por blocos:
39
AUTOATIVIDADE
1 Enumere os passos para a elaboração de um diagrama de blocos de um

sistema.
2 Qual é a diferença entre um sistema em malha aberta e um sistema em

malha fechada? Exemplifique com uma aplicação prática.
3 Para o circuito RLC a seguir, faça a modelagem para obter a função de

transferência .
4 Para um circuito RC série, encontre as funções de transferência do sistema no

domínio da frequência, relacionando tensão de entrada e tensão de saída.
40
TÓPICO 3 —
UNIDADE 1
INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS
1 INTRODUÇÃO
Garcia (2005) conceitua simulação como a determinação da resposta

ao tempo das variáveis que representam um modelo. Atualmente, a simulação
numérica é essencial nos processos de planejamento e projeto de um sistema.
Conforme apresentado nos tópicos e unidade anteriores, a simulação de
fenômenos complexos (físicos, mecânicos, elétricos etc.) permite o estudo de
seu comportamento e resultados, sem a necessidade experimentos reais com
custos elevados. Amplamente utilizada nos ambientes acadêmico e industrial, a
futura geração de engenheiros e cientistas deve ser treinada para a aplicação dos
conceitos de modelagem e simulação.
Para materializarmos a modelagem e simulação de sistemas dinâmicos,

utilizaremos o Scilab, que é um software científico open source para simulação
numérica. O software se adequa plenamente ao conteúdo estudado nos tópicos
anteriores. Possui uma ferramenta de programação por blocos, chamada Xcos,
a qual é uma ferramenta dedicada à modelagem e simulação de sistemas
dinâmicos híbridos, incluindo modelos contínuos e discretos. Também permite
simular sistemas governados por equações, inclui um editor gráfico que permite
representar facilmente modelos como diagramas de blocos, conectando os blocos
entre si. Cada bloco representa uma função básica predefinida ou definida pelo
usuário.
Na disciplina Modelagem de Sistemas Dinâmicos, utilizaremos o Scilab/

Xcos para a modelagem e análise da resposta de sistemas lineares invariantes no
tempo. O Scilab será necessário para nossas atividades de estudo nas próximas
unidades do livro didático.
A seguir, apresentaremos a descrição geral do software, seus ambientes

de trabalho, comandos básicos e operadores matemáticos, estes que são
fundamentais para a modelagem de sistemas. O Xcos também é apresentado,
com suas principais funções e blocos disponíveis. Ainda, finalizaremos com um
exemplo de simulação de um sistema linear apresentado no Tópico 1.
41
2 SOFTWARE DE PROGRAMAÇÃO MATEMÁTICA E

SIMULAÇÃO
O Scilab é um software de código aberto (open source) para simulação
numérica. Possui uma ferramenta de programação por blocos, chamada Xcos. Na
disciplina Modelagem e Sistemas Dinâmicos, utilizaremos o Scilab e o Xcos para
a modelagem, simulação e análise de sistemas dinâmicos. A simulação é uma
ferramenta poderosa não apenas neste momento de estudo que você se encontra,
mas na vida profissional do engenheiro. Dependendo da área de atuação, será
uma ferramenta de uso cotidiano.
O software pode ser encontrado no seguinte endereço: https://www.

scilab.org.
FIGURA 21 – JANELA PRINCIPAL DO SITE DO SOFTWARE SCILAB
FONTE: Adaptado de Scilab (2013)
De acordo com os desenvolvedores, o Scilab é um software livre e de código

aberto, cuja primeira versão foi desenvolvida em 1994. Seu principal público-alvo
são engenheiros e cientistas, e conta com uma comunidade crescente de usuários
(cerca de 100.000 downloads todos os meses em todo o mundo) (SCILAB, 2013).
Sua licença é da modalidade GPL (em inglês, o termo General Public Lincense, que
pode ser traduzido como licença pública geral), que permite ao usuário (SCILAB,
2013):
• Usar o software para qualquer finalidade;

• Alterar o software para atender às necessidades;
• Compartilhar o software com qualquer pessoa, além das alterações que
podem surgir.
42
TÓPICO 3 — INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS
DICAS
Você já percebeu que o website do software está em inglês, porém, adiantamos

que o Scilab tem a opção em português. Para a leitura do website e dos materiais disponíveis
nele, utilize a opção do Google Tradutor (https://translate.google.com) para a tradução de
site. Você apenas precisa copiar e colar o endereço do site no Google Tradutor, no campo
idioma inglês, e clicar no link disponibilizado no campo português. Fazendo essas tarefas, a
janela principal ficará da seguinte forma:
FIGURA 22 – JANELA PRINCIPAL TRADUZIDA
FONTE: O Autor
No website do Scilab, você encontrará diversos tutoriais que podem ajudar

quem quiser aprofundar seus conhecimentos em modelagem e simulação em
diferentes áreas de aplicação, como análise numérica, modelagem de sistemas,
sistemas de controle, otimização, processamento de sinais etc.
FIGURA 23 – JANELA TUTORIAIS
43
O Scilab será necessário para nossas atividades de estudo nas próximas

unidades do livro didático. A seguir, apresentamos instruções para utilizá-lo,
através de exemplos práticos.
DICAS
Faça o download do software Scilab no endereço https://www.scilab.org/

download/6.0.2. Após o download, faça a instalação, conforme as orientações. A última
versão publicada até setembro de 2019 é a 6.0.2, e está disponível para Windows, Linux e
Mac OS, com descrições em diversos idiomas, inclusive em português brasileiro (pt-BR).
2.1 APRESENTAÇÃO E AMBIENTES DE TRABALHO

Partindo para a prática, vamos começar a utilização do Scilab. A seguir,
temos o ícone para inicialização do Scilab 6.0.2. Após o procedimento de instalação,
estará localizado na área de trabalho e/ou barra de ferramentas do seu computador.
FIGURA 24 – ÍCONE DO SCILAB
Após o acionamento do ícone, a janela principal (console) irá abrir.
FIGURA 25 – JANELA PRINCIPAL
44
A janela principal é composta por três janelas menores, conforme (a)

Console, (b) Navegador de variáveis e (c) Histórico de comandos, na figura a seguir.
No Console, você digitará suas equações e comandos e receberá o

resultado das respectivas equações digitadas. Em (b), o Scilab apresenta as
variáveis declaradas em (a). Por fim, na janela Histórico de comandos, em (c), o
Scilab salva todos os comandos digitados na janela (a).
FIGURA 26 – DIVISÃO DA JANELA PRINCIPAL
O console será a interface de utilização constante das nossas atividades,

pois todos os comandos serão apresentados e processados. Assim como todo
software de programação matemática e análise numérica, há uma linguagem
própria para realizarmos as atividades pretendidas, desde a solução de operações
matemáticas simples até o desenvolvimento de algoritmos para a solução de
problemas complexos.
45
A seguir, apresentaremos a sintaxe básica para a utilização do Scilab para

o nosso propósito de modelagem de sistemas dinâmicos.
ATENCAO
Seus estudos serão muito mais eficientes se você estudar, este capítulo,
exercitando os exemplos simultaneamente no Scilab instalado no seu computador.
2.2 COMANDOS BÁSICOS E OPERAÇÕES MATEMÁTICAS

O console do Scilab é a primeira interface que temos contato. É através
dela que realizamos a forma mais básica de operação, assim, como trata-se de
uma ferramenta de programação matemática, iniciaremos nossas atividades
apresentando as operações aritméticas básicas e seus respectivos operadores.
QUADRO 12 – OPERADORES ARITMÉTICOS EM SCILAB
Operação aritmética Operador Exemplo

Adição + 4+2
Subtração - 4-2
Multiplicação * 4*2
Divisão / 4/2
Potenciação ^ 4^2
FONTE: O Autor
Abra o Scilab! Se você lançar os dados dos exemplos, observará a seguinte

imagem do console:
46
FIGURA 27 – CONSOLE COM AS OPERAÇÕES DO QUADRO ANTERIOR
FONTE: O Autor
Conforme o exposto, após declarar a operação, é possível visualizar a

seguinte sintaxe:
--> 4+2
ans =
6.
O símbolo --> é chamado de prompt e “ans =” representa a saída ou

resposta dos comandos digitados. De maneira intuitiva, o termo ans se refere à
answer, palavra em inglês que significa resposta.
ATENCAO
O Scilab possui uma excelente seção de Ajuda (Help). Para acessar, acione o
botão destacado no menu da janela principal.
47
FIGURA 28 – JANELA PRINCIPAL (AJUDA)
FONTE: O Autor
Você pode fazer sua consulta utilizando palavras-chave em português.
FIGURA 29 – JANELA AJUDA (BUSCA PALAVRA-CHAVE)
FONTE: O Autor
Para podermos trabalhar com equações e problemas matemáticos,

precisamos definir variáveis, assim como atribuir e armazenar valor. Continuando
com nosso exemplo, podemos declarar a variável “x” e atribuir o valor 4 a ela (x=4).
Assim, declaramos a variável “y” e, a ela, atribuímos o valor 2 (y=2), conforme
figura a seguir.
48
FIGURA 30 – DEFINIÇÃO E ATRIBUIÇÃO DE VALORES A VARIÁVEIS
FONTE: O Autor
Caso você apenas digite a variável no prompt, sem atribuir valor, o

software retornará à mensagem de erro “undefined variable” ou variável indefinida.
É possível verificar na última linha da figura anterior, com a tentativa de declarar
uma variável “z”.
Agora, vamos repetir as operações matemáticas utilizando as variáveis

declaradas e atribuindo os resultados das operações para a variável z.
FIGURA 31 – OPERAÇÕES MATEMÁTICAS UTILIZANDO VARIÁVEIS
FONTE: O Autor
49
Faça, em seu computador, as mesmas operações da figura anterior.

Apenas um detalhe: a variável z incorpora o último valor atribuído a ela. No caso
do exemplo do valor 16, para conferir, digite z e tecle <Enter>.
Com relação aos nomes das variáveis, o Scilab possui algumas regras que
devem ser cumpridas, conforme citaram Urroz (2001) e Lacerda (2011).
• O Scilab adota o padrão Case Sensitive, ou seja, ele diferencia letras maiúsculas
e minúsculas para formação do nome das variáveis. Considerando nosso
exemplo, x é diferente de X, da mesma forma que y, Y e z, Z.
• As variáveis declaradas devem começar com uma letra. Caso tenham mais
de um caractere, essa letra pode ser seguida de outras letras, algarismos ou
sublinhados. Exemplo: xy, XY, Xy, x1, z2, x_y.
• Os caracteres especiais, utilizados como operadores matemáticos, não são
permitidos como variáveis, isolados ou em conjunto com outros caracteres.
Exemplo: se você tentar digitar a variável “x/”, aparecerá a seguinte mensagem
de erro “Error: syntax error, unexpected =”.
• Outros caracteres especiais utilizados como partes de funções ou teclas de
atalho para funções também não são permitidos. Exemplo: @, %, [ , ] etc.
Ainda sobre operações no espaço de trabalho, deve-se destacar a utilização

do caractere ; (ponto e vírgula). Caso você insira o “;” após uma variável ou
comando, o resultado é ocultado.
FIGURA 32 – OPERAÇÕES NA ÁREA DE TRABALHO: OPERADOR OCULTAR
FONTE: O Autor
50
Observe quando foi digitado “z=4^2;”. O prompt não retornou nenhum

valor, porém, o valor atribuído à variável z foi armazenado. Ao digitar,
posteriormente, z, z=16.
ATENCAO
Com a utilização frequente do espaço de trabalho do Scilab, você pode ter

a necessidade de limpar a área de trabalho. Para isso, é só usar o comando “clc”, pois ele
limpará apenas o texto da área de trabalho, porém, todas as variáveis utilizadas permanecem
armazenadas.
Para você limpar o conteúdo das variáveis da área de trabalho, deve

utilizar o comando clear.
Segundo Lacerda (2011), caso você queira salvar as variáveis e operações

executadas na área de trabalho, você pode utilizar o comando Save e, para carregar
o conteúdo armazenado, pode utilizar o comando Load. Siga o roteiro a seguir
para verificar a funcionalidade dos comandos Save e Load.
FIGURA 33 – UTILIZAÇÃO DOS COMANDOS SAVE E LOAD
FONTE: O Autor
51
2.3 INTERPRETAÇÃO DE EQUAÇÕES MATEMÁTICAS

Dado o nosso contato com as primeiras operações matemáticas, utilizando
o console principal, vamos prosseguir com outras configurações do software para
definição e interpretação de equações matemáticas.
Primeiramente, deve-se destacar que o Scilab utiliza, como separador

de casas decimais, o “.”, e não “,”. A troca pode inviabilizar e/ou retornar um
resultado equivocado caso os números sejam escritos de forma incorreta.
Ainda quanto ao formato dos números, o Scilab, em geral, é configurado

para retornar sete casas decimais, porém, a ação pode ser alterada conforme a
necessidade do usuário. O comando para é o format. Com uma sintaxe simples,
por exemplo:
--> %pi
%pi =
3.1415927
--> format(5)
--> %pi
%pi =
3.14
Observe que, ao digitar format(5), o padrão numérico passa para duas

casas decimais, ou seja, o valor indicado na função corresponde a todas as casas
do número, incluindo ponto e espaço. Para voltar à forma original, basta fazer:
--> format(10)
--> %pi
%pi =
3.1415927
Com o comando format, também é possível alternar a forma numérica

para notação científica. Por exemplo, após os comandos, digite format (‘e’) e o
software retornará:
--> format('e')
--> %pi
%pi =
3.142D+00
Para voltar ao formato original, ou formato de variável, você deve utilizar

o comando format(‘v’). Você pode associar as duas funcionalidades em um único
comando, por exemplo, format (‘e’,10), retornando ao número com formato
científico com 10 posições.
52
O Scilab também possuí um conjunto de constantes numéricas com

representações especiais, representadas pelo caractere % e seguido das iniciais
que caracterizam o significado.
QUADRO 13 – PRINCIPAIS CONSTANTES NUMÉRICAS COM COMANDOS ESPECÍFICOS EM SCILAB
Comando Significado
%pi Número referente ao , ou seja, 3.1415927
Refere-se ao epsilon (floating-point relative accuracy). Em português,
significa precisão relativa do ponto flutuante. Constante que
%eps
representa a precisão numérica da máquina. O Scilab usa o
padrão IEEE 754.
%inf Retorna a representação dupla IEEE para infinito positivo.
Retorna a representação dupla IEEE para Not-a-Number (NaN)
%nan
Não Numérico
É uma unidade imaginária, usada para inserir um número
%i
complexo.
É o número de Euler, solução da equação ln (x)=1, ou seja, a base
%e
do logaritmo natural.
São variáveis booleanas que retornam verdadeiro. Quando a

%t ou %T
condição é verificada, o último retorna verdadeiro.
São variáveis booleanas que retornam false. Quando a condição

%f ou %F
não é verificada, o último retorna falso.
É o polinômio nos casos reais por padrão: s = poly (0, "s"). A
%s
variável é usada para criar polinômios.
É o polinômio nos casos complexos. Por padrão, z = poly (0, "z").
%z
A variável é usada para criar polinômios.
FONTE: O Autor
Com as informações apresentadas até o momento, já podemos nos

aprofundar na representação das equações matemáticas.
Anteriormente, quando declaramos e correlacionamos as operações

matemáticas x e y, e atribuímos a uma nova variável z, criamos nossas primeiras
equações. Dessa forma, podemos escrever as equações a partir das variáveis e
operadores matemáticos. Ainda, para complementar, o Scilab possui diversas
funções matemáticas prontas para uso, sem a necessidade de escrever as equações
ou um conjunto de equações.
A seguir, apresenta-se um grupo com o comando em Scilab para as

funções matemáticas mais comuns (LACERDA, 2011).
53
QUADRO 14 – COMANDOS PARA AS PRINCIPAIS FUNÇÕES MATEMÁTICAS
Comando em
Função Matemática
Scilab
abs(x) Valor absoluto
acos(x) Arco cosseno
acosh(x) Arco cosseno hiperbólico
asin(x) Arco seno
asinh(x) Arco seno hiperbólico
atan(x) Arco tangente
atanh(x) Arco tangente hiperbólico
conj(x) Conjugado
cos(x) Cosseno
cosh(x) Cosseno hiperbólico
exp(x) Exponencial: ex
imag(x) Parte imaginária de um número complexo
log(x) Logaritmo natural
log10(x) Logaritmo na base 10
real(x) Parte real de um número complexo
modulo(x,y) Resto da divisão de x por y
Função sinal: retorna o valor -1, +1 ou zero, conforme o
sign(x)
argumento x ser negativo, positivo ou nulo, respectivamente
sin(x) Seno
sinh(x) Seno hiperbólico
sqrt(x) Raiz quadrada
tan(x) Tangente
tanh(x) Tangente hiperbólica
FONTE: Adaptado de Lacerda (2011)
Em softwares de programação matemática, deve ser levada em

consideração a ordem de avaliação entre operadores aritméticos. Há uma
hierarquia de prioridades de operações: primeiramente, as consideradas de alta
prioridade são efetuadas. De acordo com Lacerda (2011), a ordem de prioridade
é dada a seguir:
54
QUADRO 15 – ORDEM DE PRIORIDADE DE OPERADORES MATEMÁTICOS

Prioridade Operação Associatividade
1ª Potenciação Da direita para esquerda
2ª Multiplicação e divisão Da esquerda para direita
3ª Adição e subtração Da esquerda para direita
FONTE: Adaptado de Lacerda (2011)
No Scilab, temos comandos específicos para a saída de dados, desde a

impressão de gráficos até a exportação de resultados para um arquivo, ambas
muito importantes para a engenharia.
Um comando muito comum para a exibição de dados de variáveis

é o disp(). Você pode testar utilizando o disp(z) no fim de certos comandos, e
aparecerá o valor numérico resultante da função z.
Quanto à impressão de gráficos, temos a função plot, utilizada para

criar gráficos no plano. Por exemplo, vamos traçar uma reta com as coordenadas
[9,15],[20,30]. Utilizando a função plot, ([9,15],[20,30]), resultando no exposto a seguir.
GRÁFICO 1 – OBTIDO COM A FUNÇÃO PLOT
FONTE: O Autor
Através de comandos de texto, podemos configurar a cor e os aspectos da

aparência. As cores podem ser especificadas inserindo um código de uma letra
(geralmente, a inicial do nome da cor em inglês) entre aspas.
55
QUADRO 16 – CÓDIGO DE CORES (GRÁFICOS SCILAB)
Cor Código
Azul b
Vermelho r
Verde g
Ciano c
Magenta m
Amarelo y
Branco w
Preto k
Por exemplo, para traçar o quadro anterior na cor vermelha, é só utilizar o

comando plot([9,15],[20,30],"r"). Faça o teste! Digite esse comando no Scilab.
Para traçar gráficos definidos através de funções, temos comandos

específicos, como function, linspace, além do plot. A função linspace tem a seguinte
sintaxe:
Para a função f(x), os valores de x são especificados da seguinte forma: x =

linspace (a, b, n), em que a é o menor valor da variável x, b o valor mais alto de x e
n o incremento ou a quantidade de valores utilizados entre o intervalo a e b. Para
exemplificar, considere a função f(x)=x2+5x+1. Para traçar o gráfico que represente
o comportamento da função, precisamos definir os valores de x. Vamos utilizar
um intervalo de x=[-10,10], conforme segue:
--> function y=f(x)

> y=x^2+5*x+1
> endfunction
--> x=linspace(-10,10,100);
--> plot(x,f)
A sintaxe resultará no seguinte:
56
GRÁFICO 2 – OBTIDO COM FUNÇÕES
FONTE: O Autor
Para funções em três dimensões, temos outros comandos que precisam ser
utilizados para obtermos um gráfico, como o surf e o feval. A função de surf pode
ser usada para traçar superfícies.
Agora, a nossa função possui três variáveis de entrada: x, y e z. Para traçar

a superfície definida por uma função da forma z = f (x,y), faça:
--> function z=f(x,y)

> z=2*x^2+y^2;
> endfunction
--> x=linspace(-10,10,100);
--> y=linspace(-20,20,200);
--> z=feval(x,y,f)';
--> clf
--> surf(x,y,z)
A sintaxe anterior resultará no seguinte:
GRÁFICO 3 – 3D OBTIDO COM FUNÇÕES
FONTE: O Autor
57
2.4 SCILAB TOOLBOX XCOS – SIMULAÇÃO POR BLOCOS

O pacote Xcos acompanha o software Scilab e, para a melhor compreensão
da utilização do programa, é importante entender suas principais funções.
O Xcos é baseado na utilização de blocos com funções específicas. Assim,

um modelo de um sistema e/ou uma malha de controle pode ser elaborado por
um conjunto de blocos interligados.
A seguir, apresenta-se o ícone (botão) para acesso ao Xcos, disponível na

janela principal do Scilab.
FIGURA 34 – ÍCONE XCOS
FONTE: O Autor
Após o acionamento do ícone, surge a janela principal do Xcos. Na

verdade, surgem duas janelas simultâneas, uma denominada Navegador de
Paleta (Pallete Browser), contendo os blocos com as funções, e outra janela para a
elaboração e montagem do sistema a ser simulado.
FIGURA 35 – JANELA PRINCIPAL XCOS
FONTE: O Autor
58
Na janela Navegador de Paleta, há blocos organizados por seção,

classificados de acordo com a funcionalidade.
FIGURA 36 – JANELA NAVEGADOR DE PALETA
FONTE: O Autor
Você pode observar que a primeira paleta de blocos é a Recently Used

Blocks, cujo nome está exposto em inglês. Na paleta, pela tradução literal do
nome, aparecem os últimos blocos utilizados pelo usuário do software.
A segunda paleta é a Sistema de Tempo Contínuo, e será muito utilizada

durante nossa disciplina.
59
FIGURA 37 – PALETA SISTEMAS DE TEMPO CONTÍNUO
FONTE: O Autor
Na paleta, destaque para o bloco CLR, cuja finalidade é escrever uma

função de transferência. Esse bloco realiza um sistema linear SISO representado
por sua função.
Outra paleta muito utilizada é a Fontes. Vários elementos serão utilizados

para modelarmos sistemas em nossa disciplina. A seguir, apresentaremos os
principais blocos.
QUADRO 17 – PRINCIPAIS BLOCOS DA PALETA FONTES
Bloco Ícone Descrição

Gera um sinal de saída no valor determinado
pelo parâmetro “Valor Inicial” até que se
alcance o tempo, em segundos, definido em
Degrau
“Tempo do passo”, quando sofre alteração
(step_function)
de sinal, em degrau, até o valor definido no
parâmetro “Valor Final”. Importante frisar que
o separador decimal reconhecido pelo Scilab/
Xcos é o ponto (“.”), ao invés de vírgula (“,”).
A fonte de sinal Rampa (RAMP) gera um
Rampa sinal configurado de acordo com o bloco
(Ramp) de parâmetros. Deve-se inserir a inclinação
desejada (Slope), o tempo de início da geração
e o valor (amplitude) do sinal.
60
A fonte de sinal impulso é um gerador de

Impulso pulsos. Gera um pulso a uma taxa de 1/P, em
(Pulse_SC) que P é o período do sinal. O atraso de fase
fornece o valor (no tempo) do primeiro evento.
Este bloco é um gerador de onda senoidal.

Você pode ajustar: a amplitude M com
Gerador
o parâmetro Magnitude; a frequência F
senoidal
em radianos/segundo com o parâmetro
(Gensin_f)
Frequency; a fase inicial P em radianos com o
parâmetro Phase.
Trata-se de um bloco gerador de eventos,

e é usado sempre associado a outro bloco.
É possível ajustar os parâmetros “tempo
Clock_c de inicialização” e “período”, ambos
em segundos. Contudo, recomenda-se a
utilização do bloco CLOCK_c com seus
valores padrões de propriedades.
FONTE: O Autor
Na paleta Receptores, destaque para o bloco Cscope. O Cscope exibe

sua entrada em relação ao tempo de simulação. Ambos os eixos têm um alcance
comum. O escopo permite que você ajuste a quantidade de tempo e o intervalo
de valores de entrada exibidos.
FIGURA 38 – ÍCONE BLOCO CSCOPE
FONTE: O Autor
2.4.1 Exemplo de utilização do Scilab/Xcos

A análise e a simulação de sistemas dinâmicos serão abordadas a partir da
próxima unidade, mas vamos iniciar a utilização do Scilab/Xcos com um exemplo
de simulação de um sistema em malha aberta.
No exemplo, temos a seguinte função de transferência
61
Vamos utilizar, como sinal de entrada, um degrau (Step Function), com os

seguintes parâmetros: Step time = 1; Initial Value= 0; Final Value= 1.5.
Para montar o sistema, arraste todos os blocos necessários para a área

de simulação do Xcos. Vamos precisar dos blocos Degrau (Step_Function), CLR,
Cscope e Clock_c.
FIGURA 39 – MONTAGEM DO SISTEMA LINEAR MODELADO POR BLOCOS
FONTE: O Autor
Preencha a função de transferência, pressionando duas vezes o bloco CLR,

surgindo a janela de parâmetros.
FIGURA 40 – JANELA PARÂMETROS BLOCO CLR
FONTE: O Autor
Repita o processo de preenchimento de dados no bloco Step_Function,

considerando Step time = 1; Initial Value= 0; Final Value= 1.5.
62
No bloco Cscope, configure os seguintes parâmetros:
-Ymin= 0
-Ymax= 2
-Refresh period=100
No bloco Clock_C, configure os seguintes parâmetros:
-Period = 0.1
-Initialisation time = 0.1
Após o preenchimento dos dados anteriores, acione o botão Iniciar, no

menu do Xcos.
FIGURA 41 – ÍCONE INICIAR: SIMULAÇÃO XCOS
FONTE: O Autor
O resultado da simulação é apresentado com uma curva de resposta do

sistema.
GRÁFICO 4 – RESPOSTA DO SISTEMA
FONTE: O Autor
Na próxima unidade, aprenderemos a interpretar o gráfico anterior, e a

analisar o comportamento dinâmico dos sistemas.
63
RESUMO DO TÓPICO 3
• O Scilab é um software de código aberto (open source) para simulação numérica.

Possui uma ferramenta de programação por blocos, chamada de Xcos.
• O símbolo --> é chamado de prompt e “ans =” representa a saída ou resposta
dos comandos digitados. De maneira intuitiva, o termo ans refere-se à answer,
palavra em inglês que significa resposta.
• O Scilab utiliza, como separador de casas decimais, o “.” e não o “,”. A troca
pode inviabilizar e/ou retornar um resultado equivocado caso os números
sejam escritos de forma incorreta.
• Quanto à impressão de gráficos, temos a função plot, utilizada para criar
gráficos no plano.
• Para funções em três dimensões, temos outros comandos que precisam ser
utilizados para obtermos um gráfico, como o surf e o feval.
• O Xcos é baseado na utilização de blocos com funções específicas. Assim, um
modelo de um sistema e/ou uma malha de controle pode ser elaborado por
um conjunto de blocos interligados.
• O bloco Clock_c trata-se de um bloco gerador de eventos e é usado sempre
associado a outro bloco. Podem ser ajustados os parâmetros “tempo de
inicialização” e “período”, ambos em segundos.
CHAMADA
Ficou alguma dúvida? Construímos uma trilha de aprendizagem

pensando em facilitar sua compreensão. Acesse o QR Code, que levará ao
AVA, e veja as novidades que preparamos para seu estudo.
64
AUTOATIVIDADE
1 Quais as declarações de variáveis a seguir não são válidas em Scilab?

a) ( ) UNIASSELVI.
b) ( ) %UNI.
c) ( ) UNI1.
d) ( ) X+Y.
e) ( ) X[ 1 ].
2 Escreva as equações a seguir utilizando a sintaxe do Scilab.

a) y = x² + 3x + 5
b) y = x sin xπ
c) y = 3e x sin xπ
d) z = x³ + y² + xy
e)

3 Para as funções a seguir, atribua, como valor de x, o intervalo de -100 a 100,
e trace os gráficos de cada função em Scilab.
a) y = x² + 3x + 5
b) y = x sin xπ
c) y = 3e x sin xπ
4 Para a seguinte função, atribua valores às variáveis x e y, e trace um gráfico

em 3D em Scilab.
z = x3 + y2 + xy
5 Para um circuito RC série, encontre as funções de transferência do sistema no

domínio da frequência, relacionando tensão de entrada e corrente elétrica.
Atribua valores às constantes, implemente no Xcos, e simule, considerando
como sinal de entrada uma função degrau. Por fim, determine a curva de
resposta do sistema.
65
66
UNIDADE 2 —
FORMAS DE REPRESENTAÇÃO
DE MODELOS DE SISTEMAS
DINÂMICOS
• compreender como as funções de transferência são determinadas;
• determinar as raízes de polinômios e, consequentemente, os polos e ze-

ros de funções de transferência;
• traçar polos e zeros de funções de transferência no plano s;
• analisar a resposta de sistemas no domínio do tempo;
• simular, computacionalmente, funções de transferência de sistemas.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – MODELAGEM NO DOMÍNIO DA FREQUÊNCIA
TÓPICO 2 – RESPOSTA DO DOMÍNIO DO TEMPO
TÓPICO 3 – MODELAGEM COMPUTACIONAL UTILIZANDO FUNÇÕES

DE TRANSFERÊNCIA
CHAMADA

67
68
TÓPICO 1 —
UNIDADE 2
MODELAGEM NO DOMÍNIO DA FREQUÊNCIA
1 INTRODUÇÃO
Neste tópico, abordaremos a modelagem no domínio da frequência,

que constitui uma das bases para as técnicas de análise e projeto de sistemas
de controle. Esses sistemas são modelados através de funções de transferência
representadas a partir de uma função racional, ou seja, temos um polinômio no
numerador e outro no denominador.
As raízes do denominador da função de transferência são os polos do sistema

e, as raízes do numerador, os zeros. Ainda, a posição dessas raízes no plano complexo
é fundamental para a análise dos sistemas a serem projetados. Casos particulares
podem surgir para a solução de tais funções. Eles também serão abordados.
Apresenta-se a expansão em frações parciais, cuja aplicação se dá em

funções com maior complexidade, casos específicos e particulares de polinômios
com raízes reais e distintas, raízes reais e repetidas e raízes complexas e imaginárias
são explicadas e exemplificadas.
Com o intuito de apresentar um estudo contextualizado e prático, mesmo

de um conteúdo com abordagem teórica, a simulação computacional no software
de programação matemática Scilab será utilizada e demonstrada. Os comandos
e funções disponíveis para a simulação no domínio da frequência também serão
apresentados.
Especificamente, abordaremos a declaração das funções e a determinação

das raízes de polinômios que compõe uma função de transferência. O método da
expansão em frações parciais é simulado, além da determinação de polos e zeros
de uma função de transferência. Além disso, há a representação desse resultado no
plano s ou mapa de polos e zeros, fundamental para as futuras etapas da disciplina.
69
UNIDADE 2 — FORMAS DE REPRESENTAÇÃO DE MODELOS DE SISTEMAS DINÂMICOS
2 MODELAGEM NO DOMÍNIO DA FREQUÊNCIA

Com a abordagem mais aplicada, neste capítulo, abordaremos como
utilizar a modelagem no domínio da frequência com a utilização da transformada
de Laplace, apresentada na Unidade 1.
A Função de Transferência (F.T) com Laplace, também chamada de

Função do Sistema, é definida como a relação entre a transformada da saída
e a transformada da entrada. Normalmente, uma F.T de um sistema linear é
representada por uma fração com polinômios no domínio da frequência no
numerador e denominador. Solucionando os polinômios, determinamos as suas
raízes. As raízes do numerador são chamadas de zero e, do denominador, são os
polos da função de transferência.
Para demonstrar as afirmações anteriores, considere a função de

transferência da equação 1 a seguir:
Equação 1
Em que “k” é uma constante, e se fizermos F(s) = 0, para o numerador,

teremos s = –z₁, s = –z₂, ..., s = –zm. Serão os zeros da função de transferência, e de
forma análoga, para o denominador, os valores de s = –p₁, s = –p₂, ..., s = –pn os
polos de F(s). Em outras palavras, os valores da variável complexa s para os quais
|F(s)| é zero são denominados zeros de F(s). Os valores da variável complexa s
para os quais |F(s)| é infinito são denominados polos de F(s) (KLUEVER, 2018).

Para exemplificar, considere a função a seguir:
Equação 2
Essa função não possui zeros, e seu polo é s= -5. Para obter a função no
tempo equivalente dessa transformada de Laplace, é preciso utilizar f(t)=e⁻ᵃᵗ,
dessa forma, para nosso exemplo, teremos:
Equação 3
Agora, considere a função da equação 4.
Equação 4
O zero dessa função é s = 0, e os polos são obtidos fazendo s² + 25 = 0.

Teremos:
70
TÓPICO 1 — MODELAGEM NO DOMÍNIO DA FREQUÊNCIA
Com isso, os polos são números complexos conjugados: s'=j5 e s''=-j5. A

função no tempo equivalente dessa transformada de Laplace será:
Equação 5
Os polos e zeros são números complexos, representados por duas variáveis:

uma é a parte real e, a outra, a parte imaginária desse número complexo. Desse
modo, o polo e o zero podem ser utilizados como coordenadas retangulares
em um plano retangular, também chamado de plano complexo ou plano s e,
por alguns autores, de mapa de polos e zeros (DISTEFANO III; STUBBERUD;
WILLIAMS, 2014).
Observe o exposto a seguir. No eixo da abscissa, temos a parte real (eixo ) e,

na ordenada, a parte imaginária (eixo j ). Os zeros da função de transferência são
representados por “O”, e os polos da função de transferência e são indicados
por “X” (OGATA, 2010).
FIGURA 1 – PLANO S OU MAPA DE POLOS E ZEROS
FONTE: Distefano III, Stubberud e Williams (2014, p. 95)
Os polos e zeros podem ser determinados e, assim, a função F(s) pode ser
encontrada. No caso, os polos são -3, -1 e -1+j e, os zeros, -1 e 2, correspondendo
à equação 6 a seguir:
Equação 6
71
Distefano III, Stubberud e Williams (2014) enumeram diversas

propriedades da função de transferência de sistemas contínuos:
• A função de transferência de um sistema é a transformada de Laplace da sua

resposta ao impulso (t), t 0.
• A modelagem de um sistema pode ser realizada através de equações
diferenciais, as quais determinam a função de transferência do sistema.
• As raízes do denominador da função de transferência são os polos do sistema
e, as raízes do numerador, os zeros.
• A função de transferência de um sistema linear invariante no tempo pode
ser utilizada para análise da estabilidade, a partir das raízes dos polinômios
característicos.
• Um sistema é classificado como fase mínima caso a função de transferência
não tenha polos nem zeros com partes reais positivas.
NOTA
Estabilidade é um dos conceitos fundamentais em modelagem e simulação.

Para sistemas lineares invariantes no tempo, estabilidade ocorre se a resposta natural tende
a zero, à medida que o tempo tende a infinito. No entanto, um sistema linear invariante no
tempo é instável se a resposta natural aumenta sem limites, à medida que o tempo tende
a infinito (NISE, 2017).
NOTA
Sistemas de fase mínima são aqueles que não possuem polos nem zeros no
semiplano direito do plano s. Já os sistemas com zeros no semiplano direito são denominados
de sistemas de fase não mínima (DISTEFANO III; STUBBERUD; WILLIAMS, 2014).
TUROS
ESTUDOS FU
A localização dos polos e zeros de uma função de transferência em um plano

complexo é um dos métodos para identificar condições de estabilidade de sistemas de
controle. Estudaremos no tópico de estudos da resposta no domínio do tempo.
72
2.1 EXPANSÃO EM FRAÇÕES PARCIAIS

Para funções com maior complexidade, outros métodos podem ser
utilizados para obter a solução das equações, como a expansão em frações parciais.
O método da expansão em frações parciais consiste na conversão de

uma função mais complexa em um somatório de termos mais simples, cujas
transformadas de Laplace são conhecidas. De acordo com Nise (2017), caso haja
uma função , cuja ordem do numerador N(s) é menor do que a ordem do
denominador D(s) (função racional própria), a expansão em frações parciais pode
ser efetuada. No entanto, se a ordem de N(s) for maior ou igual à ordem de D(s)
(função racional imprópria), deve-se realizar uma divisão de polinômios, ou seja,
dividir N(s) por D(s) quantas vezes forem necessárias para atingir um resultado,
no qual a ordem do numerador seja inferior.
Como exemplo, considere a equação 7 a seguir:
Equação 7
Observe que a ordem do numerador é 3, enquanto a ordem do

denominador é 2. Dessa forma, devemos realizar as divisões sucessivas até que a
ordem do numerador seja inferior à do denominador, ou seja, precisamos realizar
uma divisão de polinômios da seguinte forma:
QUADRO 1 – PROCEDIMENTO DE DIVISÃO DE POLINÔMIOS

Numerador Denominador
s³ + 7s² + 11s + 7 s²+6s+5
-s3 - 6s2 - 5s Multipl
Multiplica
ica O primeiro algarismo do
quociente, ao ser multiplicado
pelo denominador deve
neutralizar o primeiro algarismo
s do numerador. E multiplique
pelo restante dos termos do
denominador, e transfira o
produto para a área do “resto da
divisão” com o sinal inverso.
Este é o resto s² + 6s + 7 Repetir o processo anterior,
resultante, Multiplica para o segundo algarismo
para o do quociente. Quem anula o
primeiro primeiro algarismo do novo
divisor. numerador é o número 1.
-s²- 6s - 5 s+1 Quociente da divisão
Resto da Resto cuja ordem do numerador
divisão 2 é inferior à ordem de seu
denominador.
FONTE: O autor
73
A partir do resultado do quociente, com e resto ou resíduo igual

a 2, obtemos a equação 8:
Equação 8
A equação 8 pode ser reescrita como na equação 9:
Equação 9
No caso, pode-se obter a solução da função através da expan-

são em frações, ocasionando uma soma de termos. Posteriormente, é possível
determinar a transformada inversa de Laplace para cada termo, conforme o Caso
I a seguir.
Nise (2017) exemplifica, em três diferentes situações, como a expansão em

frações parciais pode ser utilizada. A primeira é quando as raízes do denominador
forem reais e distintas; a segunda, quando as raízes do denominador forem reais
e repetidas; e, por último, se as raízes no denominador forem complexas ou
imaginárias. Confira os exemplos de aplicação de cada caso a seguir:
Caso I – Raízes do denominador reais e distintas
Dada uma F(s), cujo denominador possui raízes reais e distintas, a

expansão em frações parciais é dada pela equação 10:
Equação 10
Observe que as raízes do denominador são distintas, uma vez que cada
fator é elevado apenas à primeira potência. Podemos escrever a expansão em
frações parciais como uma soma de termos, em que cada fator do denominador
original forma o denominador de cada termo, e constantes, chamadas de resíduos,
formam os numeradores.
Podemos resumir a Equação 10 em:
Equação 11
e bn são os coeficientes do numerador s².

Para elucidar melhor, considere a função , que pode ser re-
escrita como:
74
Aplicando a equação 11, temos as frações parciais:
Observe que b₂ (coeficiente de s² do numerador) é igual a 1, e k₁ e k₂ po-

dem ser calculados da seguinte forma:
Resultando em:
Caso II – Raízes do denominador reais e repetidas
Agora, para uma F(s) com raízes do denominador reais e repetidas, a ex-
pansão pode ser efetuada caso a ordem de N(s) for menor do que a ordem de
D(s), e as raízes repetidas forem de multiplicidade r em –p₁ (NISE, 2017).
Equação 12
Para obter K₁ até Kr para as raízes com multiplicidade maior, deve-se de-
terminar, inicialmente, F₁ (s), conforme 13:
Equação 13
Após, devemos fazer s tender a -p₁, seguindo a equação 14:
Equação 14
Vamos aplicar essas definições em um exemplo, realizando a expansão

em frações parciais de:
Equação 15
75
Inicialmente, observe que as raízes de (s+2)² são repetidas, dessa forma, a

expansão em frações parciais pode ser escrita em uma soma de termos, em que
cada fator do denominador forma o denominador de cada termo. Assim, é preciso
utilizar as equações de 12, e reescrever a equação 15, determinando a equação 16:
Equação 16
Através das equações 13 e 14, então, obtemos K₁ = 2. Para encontrar K₂,

multiplicando a Equação 16 por (s + 2)², obtemos:
Equação 17
Utilizando a equação 14 e fazendo s tender a –2, K₂ = –2. Para obter K₃,

inicialmente, é preciso derivar a Equação 17 em relação a s, obtendo:
Equação 18
Isolando K₃, e fazendo s tender a –2, é possível chegar a K₃ = -2.
Reescrevendo a equação 16 com os valores de K:
Equação 19
Utilizando as transformadas de Laplace, podemos obter f(t), a soma das

transformadas inversas de cada termo, resultando em:
Equação 20
Caso III – Raízes do denominador complexas ou imaginárias
No caso, a expansão em frações parciais pode ser realizada de acordo com

a equação 21:
Equação 21
Nise (2017) observa que a equação 21 pode ser utilizada apenas se a ordem
de N(s) for menor do que a ordem de D(s), p1 for real e o polinômio (s² + as + b)
tiver raízes complexas ou puramente imaginárias. Atente para equação 21 e veja
que as raízes complexas ou imaginárias são expandidas através dos termos (K₂s +
K₃) no numerador.
Considere a função da equação 22:
Equação 22
76
Essa função apresenta raízes complexas no denominador e, utilizando a

Equação 21, pode ser expandida conforme a equação 23:
Equação 23
O valor de K₁ é , K₂ e K₃ podem ser calculados multiplicando, inicial-

mente, a equação 23 pelo mínimo múltiplo comum do denominador, s (s² + 2s +
5), e cancelando os termos comuns das frações. Substituindo o valor de K₁ = ,
teremos:
Equação 24
Igualando os coeficientes, há (K₂+ )=0 e (K₃+ )=0. Dessa forma, K₂= - e

K₃= - . Substituindo K1, K2 e K3 na Equação 23, é originada a Equação 25, que é
a expansão, em frações parciais, da equação 22:
Equação 25
3 SIMULAÇÃO COMPUTACIONAL DE FUNÇÕES NO

DOMÍNIO DA FREQUÊNCIA
Utilizando o software Scilab apresentado na unidade anterior, podemos
avançar significativamente em nossos estudos. Para simulação computacional de
funções no domínio da frequência, apresentaremos, a seguir, os comandos e sin-
taxes necessários para a declaração das funções, cálculo das raízes, expansão em
frações parciais e a obtenção dos polos e zeros das funções.
3.1 DECLARAÇÃO DE FUNÇÕES NO DOMÍNIO DA

FREQUÊNCIA
Para a declaração das funções em Scilab, ou seja, para o Scilab entender
que o que você está escrevendo é um polinômio, primeiramente, você deve decla-
rar a variável da sua função, no caso do domínio da frequência, utilizamos a letra
s para representar tal variável.
Vamos utilizar o comando poly() para a tarefa, que representa uma função
polinomial de raízes e coeficientes, através da sintaxe e argumentos a seguir:
Sintaxe
• p = poly(vec, vname)
• p = poly(vec, vname, "roots"|"coeff")
• Pc = poly(matNN, vname)
77
Argumentos
• Vname – É uma string, o nome da variável simbólica do polinômio. Os
caracteres permitidos são iguais aos nomes de variáveis (consulte regras de
nomenclatura).
• Vec – Matriz escalar, vetorial ou não quadrada de números reais ou complexos.
Sinalizar "roots" (padrão) | "coeff" (ou "r" | "c"). Indica o que os números em
Vec representam. "Roots" é o valor padrão. Os atalhos podem ser usados: "r"
para "roots" e "c" para "coeff".
• p – Polinômio com raízes ou coeficientes indicados e nome da variável
simbólica.
• matNN- Matriz quadrada de números reais ou complexos.
• Pc – Polinômio característico da matriz quadrada fornecida, = det (x * eye () -
matNN), com a variável simbólica x = poly (0, vname).
• // – Utilizando essas duas barras inclinadas, é possível escrever um comentário
de texto.
Como demonstração, vamos declarar e determinar as raízes de três fun-

ções diferentes.
Uma das formas práticas de declarar as funções é através da sintaxe p =

poly(vec, vname, "roots"|"coeff"). A seguir, utilizaremos uma função de 2ª or-
dem. Você observará que os coeficientes são declarados na ordem inversa, e que
as raízes da função são números reais e distintos.
FIGURA 2 – DETERMINAÇÃO DE RAÍZES DE FUNÇÃO DE 2ª ORDEM - RAÍZES REAIS E DISTINTAS
FONTE: O autor
Exemplificaremos a determinação das raízes de uma função de 3ª ordem,

as quais são reais e repetidas.
78
FIGURA 3 – DETERMINAÇÃO DE RAÍZES DE FUNÇÃO DE 3ª ORDEM - RAÍZES REAIS E REPETIDAS
FONTE: O autor
Ainda, exemplificaremos a declaração de uma função de 3ª ordem e o

cálculo das suas raízes complexas.
FIGURA 4 – DETERMINAÇÃO DE RAÍZES DE FUNÇÃO DE 3ª ORDEM - RAÍZES COMPLEXAS E

IMAGINÁRIAS
FONTE: O autor
3.2 EXPANSÃO EM FRAÇÕES PARCIAIS

No caso das frações parciais apresentadas, podemos obtê-las de maneira
prática, com simulação computacional, contribuindo com a compreensão do assunto.
A função a ser utilizada é a pfss(), e deve ser aplicada de acordo com a

sintaxe apresentada no exemplo a seguir.
79
Inicialmente, é preciso obter as frações parciais de uma função com raízes

do denominador reais e distintas. Assim, considere a função . A sua
expansão em frações parciais pode ser obtida com as sintaxes que serão
apresentadas a seguir.
Realizaremos a declaração da função através do comando:
- poly(): função utilizada para definir polinômios;
Digitando s = poly(0,’s’), é possível indicar que a variável da minha função é s.
FIGURA 5 – FUNÇÃO COM RAÍZES DO DENOMINADOR REAIS E DISTINTAS - DECLARAÇÃO DA

FUNÇÃO
FONTE: O autor
Em seguida, o polinômio F, em função da variável s, é declarado.
Após declarar a função F(s), utilizar o comando pfss() para realizar a

expansão em frações parciais da função declarada.
80
FIGURA 6 – FUNÇÃO COM RAÍZES DO DENOMINADOR REAIS E DISTINTAS – EXPANSÃO EM

FRAÇÕES PARCIAIS
FONTE: O autor
O comando disp() também pode ser utilizado para apresentar o conteúdo

das variáveis.
81
FIGURA 7 – FUNÇÃO COM RAÍZES DO DENOMINADOR REAIS E DISTINTAS – APRESENTAÇÃO

DO RESULTADO DA EXPANSÃO
FONTE: O autor
Agora, considerar uma função com as raízes do denominador reais e

repetidas. Para isso, é necessário utilizar a função .
82
FIGURA 8 – EXPANSÃO EM FRAÇÕES PARCIAIS DE FUNÇÃO COM RAÍZES DO DENOMINADOR

REAIS E REPETIDAS
FONTE: O autor
A seguir, apresentaremos a expansão em frações de uma função com raízes

do denominador complexas ou imaginárias. Utilizaremos a função .
83
FIGURA 9 – EXPANSÃO EM FRAÇÕES PARCIAIS DE FUNÇÃO COM RAÍZES DO DENOMINADOR

COMPLEXAS OU IMAGINÁRIAS
FONTE: O autor
3.3 DETERMINAÇÃO DE POLOS E ZEROS DE UMA FUNÇÃO

DE TRANSFERÊNCIA
Com a função de transferência determinada, podemos utilizar o Scilab
para encontrarmos os polos e zeros da função.
Inicialmente, utilizaremos o comando poly() para declarar a variável s. Em

seguida, com o comando syslin(), a função de transferência H é criada.
Exemplificaremos através da função de transferência .
84
FIGURA 10 – DETERMINAÇÃO DE POLOS E ZEROS DE FUNÇÕES DE TRANSFERÊNCIA
FONTE: O autor
O comando figure() cria uma janela gráfica. Associado com o comando

clf(), mantém o fundo branco da janela. Observe que o comando plzr() é utilizado
com a função de transferência H. A saída da rotina criada é uma janela gráfica
contendo os polos e zeros da função H no plano complexo.
FIGURA 11 – POLOS E ZEROS DE UMA FUNÇÃO DE TRANSFERÊNCIA
FONTE: O autor
85
Agora, consideremos a função de transferência . Observare-

mos a etapa de declaração da função e comandos para determinar e plotar polos
e zeros.
FIGURA 12 – DETERMINAÇÃO DE POLOS E ZEROS DE FUNÇÃO DE TRANSFERÊNCIA CONTENDO

APENAS POLOS
FONTE: O autor
A função utilizada possui polos imaginários e não apresenta zeros.
FIGURA 13 – POLOS DE UMA FUNÇÃO DE TRANSFERÊNCIA
FONTE: O autor
86
Para exemplificar com uma função de transferência que apresente polos e

zeros, considere a função .
FIGURA 14 – DETERMINAÇÃO DE POLOS E ZEROS DE FUNÇÃO DE TRANSFERÊNCIA
FONTE: O autor
O plano imaginário da função , apresentando seus polos e

zeros, será representado a seguir.
FIGURA 15 – POLOS E ZEROS DE UMA FUNÇÃO DE TRANSFERÊNCIA
FONTE: O autor
87
RESUMO DO TÓPICO 1
• Uma função de transferência é definida como a relação entre a transformada

da saída e a transformada da entrada. É representada por uma fração com
polinômios no domínio da frequência no numerador e denominador.
• As raízes do numerador são chamadas de zero e, do denominador, são os

polos da função de transferência.
• A função de transferência de um sistema linear invariante no tempo pode

ser utilizada para análise da estabilidade, a partir das raízes dos polinômios
característicos.
• O método da expansão em frações parciais consiste na conversão de uma

função mais complexa em uma somatória de termos mais simples, cujas
transformadas de Laplace são conhecidas.
• Em Scilab, uma das formas práticas de declarar as funções é através da sintaxe

p = poly(vec, vname, "roots"|"coeff").
• O comando Syslin é utilizado para definição de sistemas lineares.
• O cálculo das raízes de um polinômio é obtido de forma prática em Scilab,

com o comando roots.
• Com a função de transferência determinada, é possível utilizar o Scilab para

encontrar os polos e zeros da função, através do comando plzr().
88
AUTOATIVIDADE
1 Utilize o Scilab para realizar a expansão em frações parciais da função:
2 Encontre os polos e zeros das seguintes funções de transferência:
a)
b)
3 Utilize o Scilab para a determinação do mapa de polos e zeros da função de

transferência:
89
90
TÓPICO 2 —
UNIDADE 2
RESPOSTA DO DOMÍNIO DO TEMPO
1 INTRODUÇÃO
O conteúdo estudado até o momento mostra que os sistemas lineares

invariantes no tempo podem ser representados por funções de transferência e, a
partir destas, podemos analisar e projetar seu comportamento dinâmico. Nesse
sentido, os polos e zeros das funções de transferência são utilizados para análise
de desempenho das respostas a sinais de entrada.
Para analisar o desempenho de sistemas através das respostas no domínio

do tempo, é preciso estabelecer parâmetros-chave, então, classificar os sistemas
de acordo com a sua ordem.
Estudaremos alguns parâmetros para análise de desempenho da resposta

de sistemas lineares invariantes no tempo. O principal de sistemas de primeira
ordem é a constante de tempo . Veremos, também, o tempo de acomodação
(Ts) e o tempo de subida (Tr), utilizados para a análise de sistemas de primeira e
segunda ordens. A constante de tempo é definida como o tempo para e⁻ᵃᵗ reduzir
para 37% do valor inicial. O tempo de acomodação, Ts, é dado para que a resposta
alcance e fique em uma faixa de 2%, aproximadamente, do valor final.
Para sistemas a partir da 2ª ordem, um número maior e mais variado de

respostas é observado quando comparado aos sistemas de primeira ordem. Tal
fato pode ser observado pela característica da resposta: em um sistema de primeira
ordem, a variação de um parâmetro da função de transferência ocasiona, apenas,
a velocidade da resposta, enquanto no sistema de segunda ordem, a forma da
resposta é modificada.
Vimos que, nos sistemas de primeira ordem, a caracterização da resposta

pode ser dada pelas constantes de tempo, já nos sistemas de segunda ordem,
outras grandezas podem auxiliar para a descrição da resposta transitória,
como a Frequência natural, ωn, e o Fator de amortecimento ζ. Em função desse
comportamento, a resposta no tempo de sistemas de segunda ordem possui uma
classificação quanto ao desempenho da resposta do sistema ao degrau unitário.
As respostas são classificadas como não amortecida, subamortecida, criticamente
amortecida e superamortecida.
91
2 POLOS, ZEROS E A RESPOSTA DO SISTEMA

Conforme apresentado no tópico anterior, os zeros são os valores da
variável complexa s para os quais o valor absoluto de F(s) é zero, já os polos são os
valores da variável complexa s para os quais o valor absoluto de F(s) é infinito. Tais
características são fundamentais para a análise de desempenho de sistemas. Assim,
a seguir, apresentaremos as propriedades para análises de sistemas de 1ª e 2ª ordens.
3 SISTEMAS DE PRIMEIRA ORDEM

Para analisar o desempenho de sistemas através da resposta destes no
domínio do tempo, é preciso iniciar pelos sistemas de primeira ordem sem
integrador. Estes são caracterizados pela função de transferência da equação 26:
Equação 26
Considere o exposto a seguir, em que temos um sistema de primeira ordem

sem zeros G(s), um sinal de entrada do tipo degrau unitário, ou seja, , cuja
saída ou resposta ao degrau é dada pela equação 27:
• DIAGRAMA DE SISTEMA DE PRIMEIRA ORDEM
Equação 27
Obtendo a equação no domínio do tempo, após a utilização da transformada

inversa na equação 27, temos a equação 28:
Equação 28
Observe a equação 2.3, que ocasiona a resposta forçada Cf (t)=1, e a resposta

natural Cn (t)=-e⁻ᵃᵗ. Só precisamos do parâmetro “a” para descrever a resposta
transitória do sistema ao degrau unitário.
92
TÓPICO 2 — RESPOSTA DO DOMÍNIO DO TEMPO
GRÁFICO 1 – RESPOSTA DE SISTEMA DE PRIMEIRA ORDEM A UM DEGRAU UNITÁRIO
ONTE: Nise (2017, p. 133)
Há uma resposta do sistema no domínio do tempo, ou seja, C(t). Observe

o eixo das abcissas, no instante . A resposta do sistema é:
Equação 29
Calculando e⁻ᵃᵗ para , temos:
Equação 30
Substituindo a equação 30 na equação 29:
Equação 31
Dessa forma, segundo Nise (2017), o termo é denominado de constante

de tempo da resposta. Utilizando a equação 30, a constante de tempo é definida
como o tempo para e⁻ᵃᵗ reduzir para 37% do valor inicial. Dessa forma, a partir da
equação 2.6, pode-se deduzir que a constante de tempo é o tempo para a resposta
ao degrau atingir 63% do valor final.
NOTA
A constante de tempo está relacionada à velocidade com que um sistema

responde a uma entrada em degrau. Dessa forma, é uma especificação da resposta
transitória para um sistema de primeira ordem (NISE, 2017).
93
Além da constante de tempo, existem outros parâmetros fundamentais

para a análise da resposta transitória. Trata-se do tempo de subida, indicado
por Tr, e do tempo de acomodação, dado por Ts. Como também são unidades de
tempo, aparecem indicados na abcissa.
Observe a faixa horizontal identificada por Tr. Podemos determinar que o

tempo de subida é o tempo necessário para que a forma de onda percorra de 0,1
a 0,9 do valor final. Analise a equação 2.3, e veja que Tr é encontrado, efetuando a
diferença de tempo entre C(t) = 0,9 e C(t) = 0,1.
Equação 32
Já o tempo de acomodação, Ts, é dado para que a resposta alcance

e fique em uma faixa de 2%, aproximadamente, do valor final. Para a análise
dessa afirmação, realize o mesmo procedimento anterior: identifique a faixa
horizontal Ts. Para obter Ts, a partir da definição, temos C(t) = 0,98 na equação 2.3
e, resolvendo para o tempo, t, o tempo de acomodação é dado pela equação 33:
Equação 33
TUROS
ESTUDOS FU
Em tópicos posteriores, você verificará o quanto os parâmetros apresentados

são importantes. A constante de tempo, o tempo de subida e o tempo de acomodação
dizem muito sobre a qualidade do modelo elaborado, e o estudo e a compreensão do
assunto são fundamentais para o projeto de sistemas de controle de primeira ordem.
4 SISTEMAS DE SEGUNDA ORDEM

Agora, aumentamos a complexidade do sistema. É preciso considerar os
sistemas de segunda ordem. Tais sistemas são um número maior e mais variado
de respostas quando comparado aos sistemas de primeira ordem. Um exemplo
da afirmação se dá pela característica da resposta: em um sistema de primeira
ordem, a variação de um parâmetro da função de transferência ocasiona, apenas,
a velocidade da resposta, enquanto no sistema de segunda ordem, a forma da
resposta é modificada.
A resposta no tempo de sistemas de segunda ordem possui uma classificação

quanto ao desempenho da resposta do sistema ao degrau unitário. As respostas
são classificadas como não amortecida, subamortecida, criticamente amortecida e
superamortecida. A seguir, apresentaremos as características de cada uma.
94
GRÁFICO 2 – RESPOSTAS AO DEGRAU PARA OS CASOS DE AMORTECIMENTO DE SISTEMAS

DE SEGUNDA ORDEM
FONTE: Nise (2017, p. 138)
Nos sistemas de primeira ordem, a caracterização da resposta pode

ser dada pela constante de tempo, já nos sistemas de segunda ordem, outras
grandezas podem auxiliar para a descrição da resposta transitória, como a
Frequência Natural, ωn, e o Fator de amortecimento ζ.
Para definir a representação física da frequência natural e do fator de

amortecimento, é preciso considerar, primeiramente, o modelo de um sistema
geral de segunda ordem, dado pela equação 34:
Equação 34
A frequência natural nada mais é que a frequência de oscilação do sistema

considerado. Assim, a partir da equação 34, pode ser determinado pela equação
35 a seguir:
Equação 35
Reescrever a equação 35 em função de ωn é uma representação útil,

resultando na equação 36:
Equação 36
O fator de amortecimento, ζ, é dado pela equação 37:
Equação 37
Colocando a equação 2.12 em função de ζ, temos a equação 38:

Equação 38
95
O que nos permite reescrever a equação 34 em função de ωn e ζ, resultando

na equação 39:
Equação 39
4.1 RESPOSTA NÃO AMORTECIDA

Na resposta não amortecida, como o próprio nome já diz, pode-se
deduzir que o fator de amortecimento é nulo, ou seja, ζ = 0. Assim, há dois polos
imaginários (±jωn).
FIGURA 16 – CARACTERÍSTICA DO PLANO S DE UM SISTEMA COM RESPOSTA NÃO AMORTECIDA
FONTE: Nise (2017, p. 140)
A resposta natural tem a representação de uma senoide não amortecida,

dada pela frequência, em radianos, igual à parte imaginária dos polos.
FIGURA 17 – RESPOSTA AO DEGRAU NÃO AMORTECIDA
FONTE: Nise (2017, p. 140)
4.2 RESPOSTA SUBAMORTECIDA

A resposta subamortecida é caracterizada por apresentar dois polos
complexos, -σd ± jωd, e o fator de amortecimento está entre 0 e 1, ou seja, 0 < ζ< 1.
A seguir, apresentaremos a característica do plano s para esses sistemas.
96
FIGURA 18 – CARACTERÍSTICA DO PLANO S DE UM SISTEMA COM RESPOSTA SUBAMORTECIDA
FONTE: Nise (2017, p. 140)
No caso, surge outro parâmetro, denominado de frequência de oscilação

amortecida, ωd, caracterizado pela equação 40:
Equação 40
De acordo com Nise (2017), a resposta natural apresenta uma senoide

amortecida com uma envoltória exponencial. A constante de tempo é igual ao
inverso da parte real do polo.
FIGURA 19 – RESPOSTA AO DEGRAU SUBAMORTECIDA
FONTE: Nise (2017, p. 140)
4.3 RESPOSTA CRITICAMENTE AMORTECIDA

Uma resposta é classificada como criticamente amortecida quando o fator
de amortecimento é unitário, ou seja, ζ = 1. Quanto aos polos, há dois polos reais.
97
FIGURA 20 – CARACTERÍSTICA DO PLANO S DE UM SISTEMA COM RESPOSTA CRITICAMENTE

AMORTECIDA
FONTE: Nise (2017, p. 140)
A seguir, será apresentada a resposta-característica de um sistema

criticamente amortecido.
FIGURA 21 – RESPOSTA AO DEGRAU CRITICAMENTE AMORTECIDA
FONTE: Nise (2017, p. 140)
4.4 RESPOSTA SUPERAMORTECIDA

A resposta ao degrau com característica superamortecida apresenta fator de
amortecimento maior que um, ζ > 1, além de apresentar dois polos reais no plano s.
FIGURA 22 – CARACTERÍSTICA DO PLANO S DE UM SISTEMA COM RESPOSTA SUPERAMORTECIDA
FONTE: Nise (2017, p. 140)
98
A resposta-característica superamortecida será apresentada a seguir.
FIGURA 23 – RESPOSTA AO DEGRAU SUPERAMORTECIDA
FONTE: Nise (2017, p. 140)
E
IMPORTANT
A evolução futura dos sistemas de controle
O objetivo permanente dos sistemas de controle é propiciar uma ampla flexibilidade

e um alto nível de autonomia. Dois conceitos de sistemas abordam esse objetivo por meio
de diferentes caminhos evolucionários.
Os robôs industriais atuais são reconhecidos como autônomos – uma vez

programados, normalmente, não é necessária intervenção posterior. Por causa de limitações
sensoriais, esses sistemas robóticos têm flexibilidade limitada para se adaptar a mudanças
no ambiente de trabalho. Aprimorar essa percepção do ambiente é uma motivação para as
pesquisas em visão computacional. O sistema de controle é muito adaptável, mas depende
de supervisão humana. Sistemas robóticos avançados anseiam por adaptabilidade a
tarefas através de realimentação sensorial avançada. Áreas de pesquisa concentradas em
inteligência artificial, integração de sensores, visão computacional e programação CAD/
CAM off-line tornarão os sistemas mais universais e econômicos.
Os sistemas de controle estão se movendo em direção à operação autônoma

como um aperfeiçoamento do controle humano. Pesquisas em controle supervisionado,
métodos de interface homem-máquina e gerenciamento de bases de dados computacionais
estão direcionados a reduzir a carga de operadores humanos e a melhorar a eficiência
desses operadores. Muitas atividades de pesquisa são comuns à robótica e aos sistemas
de controle, e são direcionadas a reduzir o custo de implementação e a expandir as áreas
de aplicação. Elas incluem métodos aperfeiçoados de comunicação e linguagens de
programação avançadas.
A facilitação do trabalho humano pela tecnologia, um processo que foi iniciado

na pré-história, está entrando em um novo estágio. A aceleração do ritmo da inovação
tecnológica, inaugurada pela Revolução Industrial, tem, até recentemente, resultado
principalmente no deslocamento da força muscular humana das tarefas de produção.
A revolução atual na tecnologia computacional está causando uma mudança social
igualmente importante, a expansão da coleta de informação e do processamento da
informação à medida que os computadores estendem o alcance do cérebro humano.
99
EVOLUÇÃO FUTURA DOS SISTEMAS DE CONTROLE E DA ROBÓTICA
FONTE: Adaptado de Dorf e Bishop (2018)
Sistemas de controle são usados para alcançar (1) maior produtividade e (2)
melhor desempenho de um dispositivo ou sistema. A automação é usada para melhorar a
produtividade e obter produtos de alta qualidade. A automação é a operação ou controle
automático de um processo, dispositivo ou sistema. Utiliza-se o controle automático de
máquinas e processos para produzir um produto confiável e com alta precisão. Com a
demanda por produção flexível personalizada, a necessidade por automação e robótica
flexível está crescendo.
A teoria, a prática e a aplicação do controle automático é uma disciplina da

engenharia vasta, excitante e extremamente útil. Pode-se, rapidamente, entender a
motivação para o estudo de sistemas de controle moderno.
FONTE: DORF, R. C.; BISHOP, R. H. Sistemas de controle modernos. 13. ed. Rio de Janeiro:
LTC, 2018.
100
RESUMO DO TÓPICO 2
• Os polos e zeros das funções de transferência são utilizados para análise de

desempenho das respostas a sinais de entrada.
• Para sistemas de primeira ordem, os parâmetros para análise de desempenho

da resposta estudados são a constante de tempo ( ), tempo de acomodação
(TS) e tempo de subida (Tr).
• A constante de tempo é o tempo para a resposta ao degrau atingir 63% do seu

valor final.
• O tempo de subida é dado por .
• O tempo de acomodação é dado por .
• As respostas no tempo de sistemas de segunda ordem são classificadas como

não amortecida, subamortecida, criticamente amortecida e superamortecida.
• A frequência natural é dada pela equação .
• O fator de amortecimento é dado pela equação .
• Na resposta não amortecida, o fator de amortecimento é nulo.
• Na resposta subamortecida, o fator de amortecimento está entre 0 e 1.
• Na resposta criticamente amortecida, o fator de amortecimento é unitário.
• Na resposta superamortecida, o fator de amortecimento é maior que um.
101
AUTOATIVIDADE
1 Para a função de transferência G(s) a seguir, determine:
a) a equação no domínio do tempo que represente a resposta transitória a um

degrau unitário.
b) um diagrama de blocos que represente esse sistema (entrada, função de
transferência e saída).
c) a constante de tempo, o tempo de subida e o tempo de acomodação.
2 Para um sistema com a função de transferência de segunda ordem G(s) a

seguir, e submetido a um sinal de entrada degrau, determine:
a) ( ) A frequência natural de oscilação.

b) ( ) O fator de amortecimento.
c) ( ) A classificação da resposta transitória.
102
TÓPICO 3 —
UNIDADE 2
MODELAGEM COMPUTACIONAL UTILIZANDO FUNÇÕES

DE TRANSFERÊNCIA
1 INTRODUÇÃO
Neste tópico, continuaremos com a apresentação de aplicações da
representação de sistemas, determinando a resposta transitória a partir do modelo
do sistema.
Anteriormente, foi demonstrado que funções de transferência podem

representar sistemas lineares invariantes no tempo, e depois de obtida a
representação matemática de um sistema, é preciso analisar suas respostas para
verificar se essas características fornecem o comportamento desejado. Para tanto,
já foi apresentado como os polos e zeros podem contribuir com essa análise, no
mesmo sentido, outros parâmetros nos auxiliaram com a interpretação e projeto
dos nossos modelos para haver a resposta ao degrau de sistemas de primeira
e segunda ordens. Tais parâmetros ou especificações no domínio do tempo
são fundamentais para análise de sistemas lineares, em virtude da maioria dos
sistemas de controle ser sistemas no domínio do tempo. Com as especificações,
podemos definir padrões de aceitabilidade, possibilitando ajustar o sistema de
controle até que a resposta transitória seja aceitável.
No tópico anterior, apresentamos a constante de tempo, tempo de subida

e acomodação para os sistemas de primeira ordem, assim como o fator de
amortecimento e a frequência natural de um sistema de segunda ordem. Agora,
apresentaremos como determinar o tempo de acomodação, o instante de pico, a
ultrapassagem percentual e o tempo de subida para um sistema de segunda ordem
subamortecido, no entanto, através de simulações computacionais, permitindo a
identificação e análise gráfica da resposta transitória dos sistemas.
Utilizaremos o degrau unitário como sinal de entrada para a análise da

resposta de sistemas de primeira e segunda ordens, com isso, assumimos que o
sistema está em repouso, ou seja, em equilíbrio e condições iniciais iguais a zero.
A ferramenta de simulação é o Scilab, mais especificamente, o Xcos, utilizado para
a modelagem e análise da resposta de sistemas lineares invariantes no tempo. O
pacote Xcos acompanha o software Scilab, e é baseado na utilização de blocos
com funções específicas, em que um modelo de um sistema ou uma malha de
controle pode ser elaborado por um conjunto de blocos interligados.
103
2 SIMULAÇÃO DE SISTEMAS DE PRIMEIRA ORDEM

Para a análise das respostas dos nossos sistemas, utilizaremos
procedimentos em Scilab para determinar, numericamente, os polos e zeros.
Ainda, é preciso traçar a localização destes no plano s. Representaremos os
sistemas em diagrama de blocos, e realizaremos a simulação através da ferramenta
Xcos do Scilab, sem a necessidade de comandos, apenas com a manipulação de
blocos, determinaremos a resposta transitória da função de transferência sujeita a
uma entrada em degrau unitário.
Os blocos do Xcos que utilizaremos já foram apresentados na Unidade

1. Neste tópico, utilizaremos o bloco para funções, CLR, a fonte Degrau, step_
function, um osciloscópio, através do bloco CSCOPE, além do bloco Clock_c,
para ajuste do tempo de simulação.
No menu simulação, ajuste o parâmetro Tempo final de integração para

10, e os parâmetros do osciloscópio para valores dos eixos mais adequados para
a simulação.
Para inserir linhas de grade nos gráficos, na janela gráfica, insira as linhas
no menu Editar -> Propriedade dos eixos x e y. Selecione a janela do eixo x e, no
item grid color, selecione a cor que você deseja. Repita a operação para o eixo y.
Para exemplificar a simulação da resposta transitória a uma entrada

degrau unitário, é utilizada a função de transferência da equação de primeira
ordem 41.
Equação 41
Ainda, é realizada a simulação em Xcos do sistema, e pode-se determinar

a curva da resposta transitória ao degrau unitário.
FIGURA 24 – BLOCOS PARA SIMULAÇÃO DE UM SISTEMA DE 1ª ORDEM
FONTE: O autor
A resposta da simulação poderá ser observada a seguir. Observe que foram

selecionados os parâmetros para análise da resposta transitória. A constante de
tempo, T= 0,25 s, o tempo de subida, Tr = 0,55 s, e o tempo de acomodação, Ts= 1 s.
104
TÓPICO 3 — MODELAGEM COMPUTACIONAL UTILIZANDO FUNÇÕES DE TRANSFERÊNCIA
GRÁFICO 3 – RESPOSTA TRANSITÓRIA AO DEGRAU UNITÁRIO DO SISTEMA DE PRIMEIRA ORDEM
FONTE: O autor
Os polos da função de transferência também foram determinados,

utilizando a sintaxe e comandos do Scilab:
s=poly(0,’s’);
num=4;
den=s+4;
C=syslin([],num,den);
figure(0);
clf;
plzr(C);
trzeros(C)
Pss=tf2ss(C);
spec(Pss.A)
A sintaxe, na janela do Scilab, pode ser observada, com resultado do polo

igual a -4.
105
FIGURA 25 – SINTAXE PARA DETERMINAÇÃO DE POLOS E ZEROS
FONTE: O autor
O mapa com os polos e zeros também é utilizado na simulação, através

da sintaxe a seguir:
s=poly(0,’s’);
num=4;
den=s+4;
figure(0);
clf;
plzr(C);
Você pode observar o mapa de polos e zeros a seguir. O resultado está

assinalado com o polo igual a -4.
FIGURA 26 – MAPA DE POLOS E ZEROS – SISTEMA DE 1ª ORDEM
FONTE: O autor
106
Já que o polo da função de transferência está em –a, é correto afirmar que

este está localizado no inverso da constante de tempo, e quanto mais afastado o
polo estiver do eixo imaginário, mais rápida será a resposta transitória.
3 SIMULAÇÃO DE SISTEMAS DE SEGUNDA ORDEM

Agora, utilizaremos o Scilab e Xcos para simular e analisar a resposta
transitória de sistemas de segunda ordem. Com a simulação, poderemos,
facilmente, classificar as respostas conforme apresentadas no tópico anterior,
ou seja, respostas não amortecidas, subamortecidas, criticamente amortecidas e
superamortecidas.
3.1 RESPOSTA NÃO AMORTECIDA

Utilizamos a função da equação 42 para exemplificar a simulação de um
sistema não amortecido:
Equação 42
FIGURA 27 – DIAGRAMA DE BLOCOS PARA SIMULAÇÃO DE UM SISTEMA DE 2ª ORDEM,

EQUAÇÃO 42
FONTE: O autor
Após a simulação, a resposta transitória é obtida. Por inspeção visual,

pode-se identificar que se trata de uma resposta não amortecida.
GRÁFICO 4 – RESPOSTA TRANSITÓRIA AO DEGRAU UNITÁRIO DO SISTEMA DE 2ª ORDEM,

EQUAÇÃO 42
FONTE: O autor
107
O mapa com os polos e zeros também foi utilizado na simulação, através

s=poly(0,’s’);
num=9;
den=s^2+9;
figure(0);
clf;
plzr(C);
FIGURA 28 – MAPA DE POLOS E ZEROS - SISTEMA DE 2ª ORDEM, EQUAÇÃO 42
FONTE: O autor
A sintaxe a seguir é utilizada para determinar os polos da função:
s=poly(0,’s’);
num=9;
den=s^2+9;
figure(0);
clf;
plzr(C);
trzeros(C)
Pss=tf2ss(C);
spec(Pss.A)
A sintaxe executada em Scilab gera dois polos imaginários 0±3i, conferindo

com o resultado do mapa de polos e zeros.
108
FIGURA 29 – SINTAXE SCILAB PARA DETERMINAR OS POLOS E ZEROS DA FUNÇÃO, EQUAÇÃO 42
FONTE: O autor
A frequência natural e o fator de amortecimento desse sistema podem ser

calculados pelas equações 2.10 e 2.12, respectivamente.
PARÂMETROS RESPOSTA TRANSITÓRIA SISTEMAS DE 2ª ORDEM
Frequência natural (ωn) Fator de amortecimento (ζ)

3 0
Dessa forma, desde a inspeção visual e os demais parâmetros simulados e

calculados, é possível concluir que se trata de um sistema não amortecido.
3.2 RESPOSTA SUBAMORTECIDA

Vamos analisar a função da equação 43:
Equação 43
FIGURA 30 – BLOCOS PARA SIMULAÇÃO DE UM SISTEMA DE 2ª ORDEM – EQUAÇÃO 43
FONTE: O autor
109
Após a simulação, a resposta transitória é obtida. Por inspeção visual,

pode-se identificar que se trata de uma resposta subamortecida.

EQUAÇÃO 43
FONTE: O autor

s=poly(0,’s’);
num=9;
den=s^2+2*s+9;
figure(0);
clf;
plzr(C);
FIGURA 31 – MAPA DE POLOS E ZEROS – SISTEMA DE 2ª ORDEM, EQUAÇÃO 43
FONTE: O autor
110
A sintaxe utilizada para calcular os polos da função gera dois polos
complexos –1±2.8284271i.
FIGURA 32 – SINTAXE SCILAB PARA DETERMINAR OS POLOS E ZEROS DA FUNÇÃO, EQUAÇÃO 43
FONTE: O autor
A frequência natural e o fator de amortecimento desse sistema foram

calculados. Observe:

3 0,33

calculados, 0 < ζ < 1, é possível concluir que se trata de um sistema subamortecido.
3.3 RESPOSTA CRITICAMENTE AMORTECIDA

Vamos analisar a função da equação 44:
Equação 44
111
FIGURA 33 – DIAGRAMA DE BLOCOS PARA SIMULAÇÃO DE UM SISTEMA DE 2ª ORDEM –
EQUAÇÃO 44
FONTE: O autor
Após a simulação, a resposta transitória é obtida. Assim, por inspeção

visual, pode-se identificar que se trata de uma resposta criticamente amortecida.

EQUAÇÃO 44
FONTE: O autor

S=poly(0,’s’);
num=9;
den=s^2+6*s+9;
figure(0);
clf;
plzr(C);
112
FIGURA 34 – MAPA DE POLOS E ZEROS – SISTEMA DE 2ª ORDEM, EQUAÇÃO 44
FONTE: O autor
A sintaxe a seguir será utilizada para o cálculo dos polos:
s=poly(0,’s’);
num=9;
den=s^2+6*s+9;
figure(0);
clf;
plzr(C);
trzeros(C)
ans =
[]
Pss=tf2ss(C);
spec(Pss.A)
ans =
-3. + 0i
-3. – 0i
Observa-se que há dois polos reais e iguais no plano s.
A frequência natural e o fator de amortecimento desse sistema são

calculados:

3 1
Dessa forma, desde a inspeção visual e os demais parâmetros simulados

e calculados, ζ = 1, é possível concluir que se trata de um sistema criticamente
amortecido.
113
3.4 RESPOSTA SUPERAMORTECIDA
Vamos analisar a função da equação 45.
Equação 45
FIGURA 35 – BLOCOS PARA SIMULAÇÃO DE UM SISTEMA DE 2ª ORDEM, EQUAÇÃO 45
FONTE: O autor
Após a simulação, a resposta transitória é obtida. Assim, por inspeção

visual, pode-se identificar que se trata de uma resposta superamortecida.

EQUAÇÃO 45
FONTE: O autor

s=poly(0,’s’);
num=9;
den=s^2+9*s+9;
figure(0);
clf;
plzr(C);
114
FIGURA 36 – MAPA DE POLOS E ZEROS SISTEMA DE 2ª ORDEM, EQUAÇÃO 45
FONTE: O autor
A sintaxe a seguir será utilizada para o cálculo dos polos:
--> s=poly(0,'s');
--> num=9;
--> den=s^2+9*s+9;
--> C=syslin([],num,den);
--> figure(0);
--> clf;
--> plzr(C);
--> trzeros(C)
ans =
[]
--> Pss=tf2ss(C);
--> spec(Pss.A)
ans =
-1.145898 + 0.i
-7.854102 + 0.i
Observa-se que há dois polos reais no plano s.
A frequência natural e o fator de amortecimento desse sistema são

calculados:

3 1,5

calculados, ζ > 1, é possível concluir que se trata de um sistema superamortecido.
115
3.5 ESTUDO DA RESPOSTA À ENTRADA DEGRAU DE SISTEMAS
SUBAMORTECIDOS
Como apresentamos nas seções anteriores, a resposta transitória agrega
informação sobre o sistema de 2ª ordem sob análise, e não se limita à frequência
natural (ωn) e ao fator de amortecimento (ζ). Outros parâmetros podem ser
utilizados para a caracterização da resposta e, consequentemente, do sistema.
A seguir, apresentaremos a resposta transitória para diversos valores

de fator de amortecimento, sendo o eixo do tempo normalizado em relação à
frequência natural.
A primeira observação é que quanto mais ζ se aproxima de zero, a resposta

vibra indefinidamente, ou seja, quanto menor o valor de ζ, mais oscilatória é a
resposta.
GRÁFICO 8 – RESPOSTAS NORMALIZADAS DO SISTEMA DE SEGUNDA ORDEM À ENTRADA

DEGRAU VARIANDO COM O FATOR DE AMORTECIMENTO
FONTE: Nise (2017, p. 142)
Observa-se, também, que para 0 < ζ < 1, o primeiro pico é superior aos
demais, e é denominado de sobre-sinal, overshoot, em inglês. Conforme o ζ
aumenta, o sobre-sinal é reduzido e, dentro desse intervalo, a resposta tem
comportamento oscilatório amortecido, tendendo à estabilização no regime
permanente. Ao representar tais características de um sistema, outros parâmetros
podem ser especificados.
116
GRÁFICO 9 – CURVA DE RESPOSTA SUBAMORTECIDA AO DEGRAU UNITÁRIO COM AS ESPE-
CIFICAÇÕES TRANSITÓRIAS
FONTE: Ogata (2010, p. 155)
Pode-se observar os parâmetros, tempo de subida, Tr, instante de

pico, Tp, máxima ultrapassagem ou ultrapassagem percentual, Mp, tempo de
acomodação, Ts, e tempo de atraso, Td. A seguir, veremos as definições e equações
das especificações transitórias.
QUADRO 2 – DEFINIÇÕES – ESPECIFICAÇÕES TRANSITÓRIAS – RESPOSTA DE SISTEMAS DE 2ª

ORDEM
Parâmetros Definição Equação
O tempo necessário para

que a forma de onda vá de
Tr -Tempo de subida
0,1 do valor final até 0,9 do
valor final.

Tp - Instante de pico alcançar o primeiro pico, ou
pico máximo.
O valor pelo qual a forma

de onda ultrapassa o valor
em regime permanente, ou
Mp - Máxima
valor final, no instante de
ultrapassagem
pico, expresso como uma
porcentagem do valor em
regime permanente.
117
O tempo necessário
para que as oscilações
amortecidas transitórias
Ts - Tempo de
alcancem e permaneçam
acomodação
dentro de uma faixa de ±2
% em torno do valor em
regime permanente.

que a resposta alcance, pela
Td - Tempo de atraso _
primeira vez, a metade do
valor final.
FONTE: Ogata (2010, p. 154) e Nise (2017, p. 142)
118
EXEMPLOS DE SISTEMAS DE CONTROLE
Os sistemas de controle são abundantes. Antes de exemplificá-los,

definiremos dois termos: entrada e saída, que ajudarão na identificação e definição
do sistema de controle.
A entrada é o estímulo, a excitação ou o comando aplicado a um sistema

de controle por meio de uma fonte de energia externa, geralmente, produzindo
uma resposta específica a partir do sistema de controle. A saída é a resposta atual
obtida de um sistema de controle. Ela pode ser ou não igual à resposta específica
inferida da entrada.
Entradas e saídas têm diferentes formas. Entradas, por exemplo, podem

ser variáveis físicas, ou grandezas mais abstratas, como valores de referência, de
setpoint ou desejados para a saída do sistema de controle.
A finalidade do sistema de controle, geralmente, identifica ou define a

saída ou a entrada. Se a saída e a entrada são dadas, é possível identificar ou
definir a natureza dos componentes do sistema. Os sistemas de controle podem
ter mais que uma entrada ou saída. Frequentemente, todas as entradas e saídas
são bem definidas pela descrição do sistema. Entretanto, algumas vezes, elas
não são. Por exemplo, uma tempestade elétrica atmosférica pode interferir
intermitentemente com a radiorrecepção, conduzindo a uma saída não desejada
de um alto-falante na forma de estática. Essa saída, “ruído”, é parte da saída total,
conforme definido antes, mas para fins de identificação do sistema, as entradas
espúrias, que produzem saídas indesejadas, não são geralmente consideradas
como entradas e saídas na descrição do sistema. No entanto, é necessário
considerar cuidadosamente essas entradas e saídas extras.
Os termos “entrada” e “saída” também podem ser usados na descrição

de qualquer tipo de sistema, seja ele um sistema de controle ou não. Um sistema
de controle pode ser parte de um sistema maior, denominado de subsistema ou
subsistema de controle, e suas entradas e saídas podem ser variáveis internas do
sistema maior.
Exemplo 1 – Uma chave elétrica é um sistema de controle artificial que

controla o fluxo da eletricidade. Por definição, o aparelho ou pessoa que aciona a
chave não é uma parte desse sistema de controle. O acionamento da chave, para
ligá-la ou desligá-la, pode ser considerado como a entrada, ou seja, a entrada
pode estar em um dos dois estados – ligado ou desligado. A saída é a existência
do fluxo de eletricidade ou a ausência dele (dois estados). A chave elétrica é,
provavelmente, um dos sistemas de controle mais rudimentares.
119
Exemplo 2 – Um aquecedor termostaticamente controlado ou uma estufa
que regula automaticamente a temperatura de uma sala ou de um recipiente
é um sistema de controle. A entrada para o sistema é uma temperatura de
referência geralmente especificada pelo ajuste apropriado de um termostato.
A saída é a temperatura desejada da sala ou recipiente. Quando o termostato
detecta que a saída é menor do que a entrada, a estufa proporciona calor até que
a temperatura do recipiente se torne igual à entrada de referência. Então, a estufa
é automaticamente desligada.
Exemplo 3 – O ato aparentemente simples de apontar para um objeto com

o dedo requer um sistema de controle biológico constituído, principalmente, dos
olhos, do braço, da mão, do dedo e do cérebro de uma pessoa. A entrada é a
direção precisa do objeto (deslocando-se ou não) em relação a alguma referência,
e a saída é a direção atual apontada em relação à referência.
Exemplo 4 – Uma parte do sistema de controle humano de temperatura

é o sistema de perspiração. Quando a temperatura do ar exterior à pele se torna
muito elevada, as glândulas sudoríparas segregam intensamente, induzindo
ao resfriamento da pele por evaporação. As secreções são reduzidas quando
o efeito de resfriamento desejado é obtido ou quando a temperatura do ar
cai suficientemente. A entrada para o sistema é a temperatura “normal” ou
confortável da pele, que é o setpoint, ou a temperatura do ar, que é uma variável
física. A saída é a temperatura atual da pele.
Exemplo 5 – O sistema de controle, que consiste em uma pessoa dirigindo

um automóvel, tem componentes que são claramente artificiais e biológicos.
O motorista deseja manter o automóvel na faixa apropriada da rodovia. Ele
consegue, observando constantemente o rumo do automóvel em relação à direção
da estrada. No caso, a direção da estrada, representada pelas guias ou linhas de
cada lado da faixa, pode ser considerada a entrada. A orientação do automóvel
é a saída do sistema. O motorista controla a saída medindo constantemente com
os olhos e o cérebro, corrigindo-a com as mãos sobre o volante. Os componentes
principais desse sistema de controle são as mãos, os olhos e o cérebro do motorista,
além do veículo, são claro.
FONTE: DISTEFANO III, J.; STUBBERUD, A. R.; WILLIAMS, I. J. Sistemas de controle. 2. ed. Porto
Alegre: Bookman, 2014.
120
RESUMO DO TÓPICO 3
• Como o polo da função de transferência está em –a, é correto afirmar que este
está localizado no inverso da constante de tempo, e quanto mais afastado o
polo estiver do eixo imaginário, mais rápida será a resposta transitória.
• Quanto mais o ζ (fator de amortecimento) se aproxima de zero, mais a resposta
vibra indefinidamente, ou seja, quanto menor o valor de ζ, mais oscilatória é
a resposta.
• O tempo de subida (Tr) é o tempo necessário para que a forma de onda vá de
0,1 do valor final até 0,9 do valor final.
• O instante de pico (Tp) é o tempo necessário para alcançar o primeiro pico, ou
pico máximo.
• A máxima ultrapassagem (Mp) é o valor pelo qual a forma de onda ultrapassa
o valor em regime permanente, ou valor final, no instante de pico, expresso
como uma porcentagem do valor em regime permanente.
• O tempo de acomodação (Ts) é o tempo necessário para que as oscilações
amortecidas transitórias alcancem e permaneçam dentro de uma faixa de ±2%
em torno do valor em regime permanente.
CHAMADA

121
AUTOATIVIDADE
1 Simule, computacionalmente, um sistema de 1ª ordem, a partir da função

de transferência G(s) sujeita a um sinal de entrada em degrau unitário:
A partir da resposta transitória, identifique, em um gráfico, a constante de

tempo, o tempo de subida e o tempo de acomodação.
2 Simule, computacionalmente, um sistema a partir da função de transferência

G(s) sujeita a um sinal de entrada em degrau unitário e determine:
a) A classificação da resposta transitória a partir do gráfico da resposta e valor

e posição dos polos no plano s.
b) Altere a função para e repita o item (a).
c) Compare as respostas transitórias de ambas funções e analise a influência
do fator de amortecimento no comportamento transitório.
122
UNIDADE 3 —
ERROS E ANÁLISE DO LUGAR

DAS RAÍZES
• conhecer os tipos de erro em regime permanente e o erro estacionário;
• compreender o funcionamento dos sistemas de controle, dependendo

do tipo de entrada (degrau, rampa, parábola);
• estudar o método do Lugar Geométrico das Raízes (LGR);
• entender e saber aplicar o critério de estabilidade de Routh-Hurwitz.
PLANO DE ESTUDOS
Esta unidade está dividida em três tópicos. No decorrer da unidade,
você encontrará autoatividades com o objetivo de reforçar o conteúdo
apresentado.
TÓPICO 1 – ANÁLISE DE ERROS EM REGIME ESTACIONÁRIO
TÓPICO 2 – ANÁLISE DO LUGAR GEOMÉTRICO DAS RAÍZES
TÓPICO 3 – CRITÉRIO DE ESTABILIDADE DE ROUTH-HURWITZ
CHAMADA

123
124
TÓPICO 1 —
UNIDADE 3
ANÁLISE DE ERROS EM REGIME ESTACIONÁRIO
1 INTRODUÇÃO
Erros de estado estacionário podem ser quantificados em sistemas de
controle com realimentação (feedback) unitária, como aqueles vistos na Unidade 2.
Devido a muitos parâmetros, os erros, no sistema de controle, podem ter

causas profundas. Mudanças no sinal de entrada causarão erros que são inevitáveis
durante os transientes, e, também, podem levar a erros suaves. Imperfeições nos
componentes do sistema, como atrito estático, folga e desvio do amplificador,
além de desgaste ou deterioração, podem causar erros de estado estacionário.
Neste tópico, não estudaremos erros causados por defeitos em componentes do
sistema. Estudaremos um tipo de erro estacionário causado pela incapacidade
do sistema de rastrear certos tipos de sinais de entrada (como rampas, passos de
unidade e pulsos de unidade).
Qualquer tipo de sistema de controle possui erros estáticos como resposta

a determinados tipos de entradas. Um sistema pode não ter um erro estacionário
na entrada de pulso, mas um erro estacionário diferente de zero na entrada
da rampa. A única maneira possível de eliminar esse erro é modificar toda a
estrutura do sistema linear. O erro estacionário que o sistema exibe, em relação a
um determinado tipo de entrada, depende do tipo de função de transferência em
malha aberta do sistema.
Os sistemas de controle, também, podem ser classificados, de acordo com

o tipo de erro estático que apresentam. Vamos aprender sobre isso?!
2 CLASSIFICAÇÃO DOS SISTEMAS DE CONTROLE

Os sistemas de controle podem ser classificados, de acordo com a
habilidade deles em rastrear os sinais de entrada em degrau, em rampa, em
parábola ou outra. Esse é um bom critério de classificação, pois as entradas reais,
com frequência, podem ser consideradas combinações das entradas citadas. Os
valores dos erros estacionários relativos a essas entradas individuais indicam a
qualidade do sistema.
Considere o sistema de controle com realimentação unitária, com a

seguinte função de transferência de malha aberta G(s):
125
UNIDADE 3 — ERROS E ANÁLISE DO LUGAR DAS RAÍZES
Essa função de transferência contém o termo sN no denominador,

representando um polo de multiplicidade N na origem. O presente método de
classificação tem, como base, o número de integrações indicadas pela função de
transferência de malha aberta. Um sistema é chamado tipo 0, tipo 1, tipo 2, …, se
N = 0, N = 1, N = 2, ..., respectivamente. Essa classificação é diferente da que se
refere à ordem de um sistema. Conforme o tipo N aumenta, a precisão aumenta;
por outro lado, agrava-se a estabilidade do sistema. É, sempre, necessária uma
conciliação entre precisão em regime permanente e estabilidade relativa.
Veremos, adiante, que, se G(s) for escrita, de modo que cada termo, no
numerador e no denominador, exceto os termos sN, aproxime-se da unidade à
medida que s se aproxima de zero, então, o ganho K de malha aberta estará,
diretamente, relacionado ao erro estacionário (OGATA, 2010).
3 ERROS ESTACIONÁRIOS
Considere o sistema mostrado a seguir:
FIGURA 1 – SISTEMA DE CONTROLE COM REALIMENTAÇÃO UNITÁRIA
A função de transferência de malha fechada é:
A função de transferência entre o sinal de erro e(t) e o sinal de entrada r(t) é:
O erro e(t) é a diferença entre o sinal de entrada e o sinal de saída.
126
TÓPICO 1 — ANÁLISE DE ERROS EM REGIME ESTACIONÁRIO
O teorema do valor final oferece um modo conveniente de determinar o

desempenho, em regime permanente, de um sistema estável. Como E(s) é:
O erro estacionário é:
As constantes de erro estático, definidas a seguir, são figuras de mérito

dos sistemas de controle.
Quanto mais altas as constantes, menor o erro estacionário. Em dado

sistema, a saída pode ser a posição, a velocidade, a pressão, a temperatura ou
outros fatores. A natureza física da saída, entretanto, é irrelevante nessa análise.
Assim, a seguir, chamaremos a saída de “posição”, a taxa de variação da saída
de “velocidade” etc. Isso significa que, no sistema de controle de temperatura,
“posição” representa a temperatura de saída, “velocidade” representa a taxa de
variação da temperatura de saída, e assim por diante.
4 CONSTANTE DE ERRO ESTÁTICO DE POSIÇÃO KP

O erro estacionário do sistema, para uma entrada em degrau, é dado por:
A constante de erro estático de posição Kp é definida por:
Então, o erro estacionário, em termos da constante de erro estático de

posição Kp, é dado por:
Para um sistema do tipo 0, temos que:
Para um sistema do tipo 1 ou maior, tem-se:
127
Então, para um sistema do tipo 0, a constante de erro estático de posição

Kp é finita, ao passo que, para um sistema do tipo 1 ou maior, Kp é infinita.
Para uma entrada em degrau unitário, o erro estacionário ess pode ser
resumido como segue:
A partir da análise anterior, pode-se ver que a resposta de um sistema

de controle com realimentação para uma entrada em degrau conterá um erro
estacionário, se não houver integração no ramo direto. Se erros pequenos, para
entradas em degrau, puderem ser tolerados, então, um sistema do tipo 0 poderá
ser admissível, desde que o ganho K seja, suficientemente, grande. Se este for
muito grande, entretanto, será difícil obter uma estabilidade relativa adequada.
Se for desejável um erro estacionário nulo para uma entrada em degrau, o tipo do
sistema deverá ser 1 ou maior.
5 CONSTANTE DE ERRO ESTÁTICO DE VELOCIDADE Kv

O erro estacionário do sistema, com uma entrada em rampa unitária, é
dado por:
A constante de erro estático de velocidade Kv é definida por:
Assim, o erro estacionário, em termos da constante de erro estático de

velocidade Kv, é dado por:
O termo erro de velocidade é empregado, aqui, para expressar o erro

estacionário para uma entrada em rampa. A dimensão do erro de velocidade
é a mesma do erro do sistema, ou seja, o erro de velocidade não é um erro na
velocidade, mas, sim, um erro de posição em decorrência de uma entrada em
rampa. Para um sistema do tipo 0, tem-se que:
128
Para um sistema do tipo 1, temos:
Para um sistema do tipo 2 ou maior,
O erro estacionário ess, para a entrada em rampa unitária, pode ser resumido
como segue:
A análise anterior indica que um sistema do tipo 0 é incapaz de seguir,

em regime estacionário, uma entrada em rampa. O sistema do tipo 1, com
realimentação unitária, pode seguir a entrada em rampa com um erro finito.
Em uma operação em regime estacionário, a velocidade de saída é, exatamente,
a mesma velocidade de entrada, mas existe um erro de posição. Esse erro é
proporcional à velocidade de entrada e é inversamente proporcional ao ganho K.
Segue um exemplo da resposta de um sistema do tipo 1 com realimentação

unitária a uma entrada em rampa. O sistema de tipo 2 ou maior pode seguir uma
entrada em rampa, em regime estacionário, com erro nulo.
129
GRÁFICO 1 – RESPOSTA DE UM SISTEMA DO TIPO 1, COM REALIMENTAÇÃO UNITÁRIA, A UMA

ENTRADA EM RAMPA
FONTE: Dorf e Bishof (2013, p. 105)
6 CONSTANTE DE ERRO ESTÁTICO DE ACELERAÇÃO Ka
O erro estacionário do sistema, com uma entrada em parábola unitária

(entrada em aceleração), definido como:
É dado por:
A constante de erro estático de aceleração Ka é definida pela equação:
O erro estacionário é, então:
Note que o erro de aceleração, isto é, o erro estacionário, em virtude da

entrada em parábola, é um erro de posição.
130
Os valores de Ka são obtidos como segue:
Para um sistema do tipo 0, temos a seguinte equação:
Para um sistema do tipo 1:
Para um sistema do tipo 2:
Para um sistema do tipo 3 ou maior:
Observe que os sistemas do tipo 0 e os do tipo 1 são incapazes de seguir uma

entrada em parábola no estado permanente. O sistema do tipo 2, com realimentação
unitária, pode seguir uma entrada em parábola com um sinal de erro finito.
Atente-se a um exemplo da resposta de um sistema do tipo 2, com

realimentação unitária, a uma entrada em parábola. O sistema do tipo 3 ou maior,
com realimentação unitária, em regime permanente, segue uma entrada em
parábola com erro zero.
GRÁFICO 2 – RESPOSTA DE UM SISTEMA DO TIPO 2, COM REALIMENTAÇÃO UNITÁRIA, A UMA

ENTRADA EM PARÁBOLA
131
A tabela a seguir resumirá os erros estacionários para sistemas dos tipos

0, 1 e 2, quando estes forem submetidos a diversas entradas. Os valores finitos
para erros estacionários aparecem na linha diagonal. Acima da diagonal, os erros
estacionários são infinitos; abaixo da diagonal, são nulos.
É preciso se lembrar de que os termos erro de posição, erro de velocidade e

erro de aceleração significam desvios em regime estacionário na posição da saída.
Um erro na velocidade finita implica que, depois que os transitórios tenham
desaparecido, a entrada e a saída se movem na mesma velocidade, mas têm uma
diferença de posição finita.
As constantes de erro Kp, Kv e Ka descrevem a habilidade de um sistema,

com realimentação unitária, para reduzir ou eliminar o erro estacionário. Portanto,
são indicativos do desempenho em regime permanente. Em geral, é desejável
aumentar as constantes de erro enquanto se mantém a resposta transitória dentro
de um limite aceitável. Observe que, para melhorar o desempenho em regime
permanente, é necessário aumentar o tipo do sistema, adicionando um integrador
ou integradores no ramo direto. Entretanto, isso introduz um problema adicional
de estabilidade.
O projeto de um sistema satisfatório, com mais de dois integradores em

série no ramo direto, geralmente, é bem complexo.
TABELA 1 – ERROS ESTACIONÁRIOS EM TERMO DO GANHO K
Entrada em degrau Entrada em rampa: Entrada em aceleração

Tipo de sistema
unitário: r(t) = 1 r(t) = t (parábola): r(t) = ½.t²
0 1/(K + 1) ∞ ∞
1 0 1/K ∞
2 0 0 1/K
FONTE: Dorf et al. (2013, p. 109)
Exemplo: Para cada um dos sistemas a seguir, calcule as constantes de erro

estático e obtenha o erro esperado para as entradas padronizadas em degrau, em
rampa e em parábola.
132
FIGURA 2 – SISTEMAS DE CONTROLE COM REALIMENTAÇÃO UNITÁRIA NEGATIVA
FONTE: Nise (2012, p. 519)
Solução: Primeiramente, verifique que todos os sistemas em malha fechada

mostrados são, realmente, estáveis. Depois, calcule o erro, conforme segue:
(a)
• Para uma entrada em degrau:
• Assim, para uma entrada em rampa:
133
• Assim, para uma entrada em parábola:
(b)
• Para uma entrada em rampa:
• Para uma entrada em parábola:
(c)
134
• Para uma entrada em rampa:
• Para uma entrada em parábola:
135
RESUMO DO TÓPICO 1
• O erro em regime permanente é a diferença entre a entrada e a saída para uma

entrada de teste prescrita quando t → ∞.
• Em sistemas com realimentação unitária negativa, definimos parâmetros

que podemos utilizar como especificações de desempenho de erro em
regime permanente, da mesma forma que definimos fator de amortecimento,
frequência natural, tempo de acomodação, ultrapassagem percentual, e assim
por diante, como especificações de desempenho para a resposta transitória.
• Essas especificações de desempenho de erro em regime permanente são

chamadas de constantes de erro estático.
• Os valores das constantes de erro estático, novamente, dependem da forma

de G(s), especialmente, do número de integrações puras no caminho à frente.
• Uma vez que os erros em regime permanente dependem do número de

integrações no caminho à frente, damos um nome a esse atributo do sistema.
• Definimos o tipo do sistema como sendo o valor de n no denominador,

ou, equivalentemente, o número de integrações puras no caminho à frente.
Portanto, um sistema com n = 0 é um sistema do Tipo 0. Se n = 1 ou n = 2, o
sistema correspondente é um sistema do Tipo 1 ou do Tipo 2, respectivamente.
136
AUTOATIVIDADE
1 Pode-se ver que a resposta de um sistema de controle, com realimentação

a uma entrada em degrau, conterá um erro estacionário, se não houver
integração no ramo direto. Se erros pequenos, para entradas em degrau,
puderem ser tolerados, então, um sistema do tipo 0 poderá ser admissível,
desde que o ganho K seja, suficientemente, grande. Se este for muito
grande, entretanto, será difícil obter uma estabilidade relativa adequada.
Se for desejável um erro estacionário nulo para uma entrada em degrau, o
tipo do sistema deverá ser 1 ou maior. Com base nesse assunto, assinale a
alternativa CORRETA:
a) ( ) Para um sistema do tipo 0, a constante de erro estático de posição Kp é

finita, ao passo que, para um sistema do tipo 1 ou maior, Kp é infinita.
b) ( ) Para um sistema do tipo 0, a constante de erro estático de velocidade Kp
é finita, ao passo que, para um sistema do tipo 1 ou maior, Kp é infinita.
c) ( ) Para um sistema do tipo 0, a constante de erro estático de aceleração Kp
é finita, ao passo que, para um sistema do tipo 1 ou maior, Kp é infinita.
d) ( ) Para um sistema do tipo 0, a constante de erro dinâmico de estabilidade
Kp é finita, ao passo que, para um sistema do tipo 1 ou maior, Kp é infinita.
2 Nas últimas décadas, houve uma verdadeira revolução nos equipamentos de

instrumentação. Quarenta anos atrás, muitos equipamentos eram mecânicos
e pneumáticos. Existiam tubos ligando os equipamentos do processo e
a sala de controle. Atualmente, os sistemas de controle são distribuídos
com microprocessadores, controlando muitas malhas simultaneamente. A
despeito dessas mudanças, os conceitos básicos de sistemas de controle e
algoritmos de controle permanecem, essencialmente, os mesmos. Agora, é
mais fácil implementar estruturas de controle, pois basta reprogramar um
computador. A tarefa dos engenheiros de controle é a mesma: projetar um
sistema de controle que atenda às especificações, seja estável, robusto. Com
base nesse contexto, analise as sentenças a seguir:
I- Os sistemas de controle podem ser classificados, de acordo com a habilidade

deles em seguir os sinais de entrada em degrau, em rampa e em parábola.
II- As entradas reais, com frequência, podem ser consideradas combinações
das entradas citadas no item I.
III- Os valores dos erros estacionários absolutos a essas entradas combinadas
são indicadores de estabilidade do sistema.
É CORRETO, apenas, o que se verifica em:

a) ( ) I e II.
b) ( ) II e III.
c) ( ) I e III.
d) ( ) I, II e III.
137
3 A análise do desempenho, em regime permanente, de um sistema, consiste
no estudo do comportamento da resposta do sistema quando o tempo
tende a infinito. Podemos classificar um sistema de controle, de acordo
com a habilidade dele para seguir entradas em degrau, rampa e parábola.
O desempenho do sistema, quando s tende a zero, depende do número de
integradores n. O número de integradores é, frequentemente, chamado de
Tipo do sistema (n). Com base nesse contexto, marque V para as sentenças
verdadeiras e F para as falsas:
( ) Deve-se se lembrar de que os termos erro de posição, erro de velocidade e erro

de aceleração significam desvios em regime estacionário na posição da saída.
( ) Um erro na velocidade finita implica que, depois que os transitórios
tenham desaparecido, a entrada e a saída se movem na mesma velocidade,
mas têm uma diferença de posição finita.
( ) As constantes de erro Kp, Kv e Ka descrevem a habilidade de um sistema
sem realimentação para reduzir ou eliminar o erro estacionário.
( ) Não é desejável aumentar as constantes de erro enquanto se mantém a
resposta transitória dentro de um limite aceitável.
Agora, assinale a alternativa que contém a sequência CORRETA:

a) ( ) V – V – F – F.
b) ( ) V – F – V – F.
c) ( ) F – V – F – V.
d) ( ) F – F – V – V.
4 Para Gc(s) = Kx + K/s, no diagrama de blocos a seguir, para uma entrada Ωr(s)
degrau unitário e D(s) = 0, qual é o tipo do sistema e qual é o erro em regime
permanente? (b) E considerando Ωr(s) = 0 e uma entrada D(s) degrau unitário?
5 Encontre o erro total em regime estacionário para um degrau na entrada, e

outro degrau no distúrbio, do sistema mostrado a seguir:
138
TÓPICO 2 —
UNIDADE 3
ANÁLISE DO LUGAR GEOMÉTRICO DAS RAÍZES
1 INTRODUÇÃO
A característica básica da resposta transitória de um sistema de malha
fechada está, intimamente, relacionada à localização dos polos de malha fechada.
Se o ganho de malha do sistema for variável, então, a localização dos polos de
malha fechada dependerá do valor do ganho de malha escolhido. É importante,
então, que o projetista saiba como os polos de malha fechada se movem no plano s,
à medida que o ganho de malha varia.
Do ponto de vista do projeto, em alguns sistemas, o simples ajuste do

ganho pode mover os polos de malha fechada para as localizações desejadas.
Então, o problema do projeto pode se reduzir à escolha de um valor de ganho
apropriado. Se, apenas, o ajuste do ganho não produzir o resultado desejado, será
necessário adicionar um compensador ao sistema.
Os polos de malha fechada são as raízes da equação-característica. A

determinação das raízes de uma equação-característica de grau superior a 3 é
trabalhosa, e requer a busca de uma solução por meio de um computador.
Entretanto, essa determinação, apenas, pode ser uma solução limitada, porque, à
medida que o ganho da função de transferência de malha aberta varia, a equação-
característica se altera e os cálculos devem ser refeitos.
Um método simples, para a determinação das raízes da equação-

característica, foi desenvolvido por W. R. Evans, em 1948 a 1950, e tem sido,
amplamente, utilizado na engenharia de controle. Esse método, chamado de
método do lugar das raízes, permite que as raízes da equação-característica sejam
representadas, graficamente, para todos os valores de um parâmetro do sistema.
As raízes correspondentes a um valor específico desse parâmetro podem, então,
ser localizadas no gráfico resultante. Observe que o parâmetro é, normalmente, o
ganho, mas é possível utilizar qualquer outra variável da função de transferência
de malha aberta, a menos que se estabeleça o contrário. Vamos supor que o ganho
da função de transferência de malha aberta seja o parâmetro a ser variado por
toda a gama de valores, de zero a infinito, conforme explica Dornellas (s.d.).
Utilizando o método do lugar das raízes, o projetista pode prever os

efeitos da variação do valor do ganho ou da adição de polos de malha aberta e/ou
zeros de malha aberta sobre a localização dos polos de malha fechada. Portanto,
é desejável que o projetista tenha uma boa compreensão do método de geração
do lugar das raízes do sistema de malha fechada, manualmente e por meio de
aplicativos, como o Scilab ou o Octave.
139
No projeto de um sistema de controle linear, vemos que o método do

lugar das raízes prova a eficiência dele, pois indica o modo pelo qual os polos e
os zeros de malha aberta devem ser modificados para que a resposta satisfaça às
especificações de desempenho do sistema. Esse método é, em particular, eficiente
para a obtenção rápida de resultados aproximados.
Pelo fato de a geração do lugar das raízes, pelo Octave, ser muito simples,
pode-se pensar que esboçar, manualmente, seja desperdício de tempo e de esforço.
Entretanto, a experiência de fazer isso de forma manual tem muita importância
para a interpretação do próprio lugar das raízes gerado por computador, além de
servir para que se tenha, de maneira rápida, uma ideia aproximada desse lugar.
2 GRÁFICO DO LUGAR DAS RAÍZES

O método do lugar das raízes é uma técnica gráfica que permite visualizar
de que forma os polos de um sistema em malha fechada variam quando se altera
o valor de um parâmetro específico (o ganho, em geral). Originalmente, a técnica
era utilizada para determinar o valor numérico dos polos de malha fechada de
um sistema. Por essa razão, era necessário efetuar a construção gráfica da forma
mais precisa possível. Foi desenvolvido um instrumento auxiliar, chamado de
espírula, para esse fim ().
Atualmente, porém, é possível obter os polos do sistema em malha

fechada de maneira rápida e precisa, usando programas computacionais. Apesar
disso, o método do lugar das raízes continua sendo uma ferramenta de grande
utilidade no projeto de sistemas de controle, por permitir, ao projetista, definir,
adequadamente, a estrutura do controlador apropriado a cada problema.
O Lugar Geométrico das Raízes (LGR) é um gráfico construído a partir

do conhecimento dos polos e dos zeros do sistema em malha aberta. Tomando o
ganho como parâmetro, o LGR é o conjunto dos pontos, no plano complexo, que
correspondem aos polos do sistema em malha fechada.
2.1 CONDIÇÕES DE ÂNGULO E DE MÓDULO

Considere o sistema mostrado. A função de transferência de malha
fechada é:
A equação-característica desse sistema de malha fechada é obtida,

igualando, a zero, o denominador do lado direito da equação anterior, ou seja:
140
TÓPICO 2 — ANÁLISE DO LUGAR GEOMÉTRICO DAS RAÍZES
Ou
Aqui, vamos supor que G(s)H(s) seja uma relação dos polinômios em s.
Note que podemos estender a análise ao caso em que G(s)H(s) apresenta retardo
de transporte e–Ts. Como G(s)H(s) é uma grandeza complexa, a equação anterior
pode ser dividida em duas equações, equiparando-se os ângulos e os módulos de
ambos os lados, respectivamente, obtendo-se:
Condição angular:
Condição de módulo:
FIGURA 3 – SISTEMA DE CONTROLE REALIMENTADO
Os valores de s, que contemplam a condição angular e a de módulo, são

as raízes da equação-característica, ou os polos de malha fechada. Um lugar dos
pontos, no plano complexo, que contempla, somente, a condição angular, é o
lugar das raízes. As raízes da equação-característica (polos de malha fechada),
que correspondem a dado valor do ganho, podem ser determinadas pela condição
de módulo.
Em muitos casos, G(s)H(s) envolve um parâmetro de ganho K, e a equação-

característica pode ser escrita como:
Então, o lugar das raízes do sistema é o lugar dos polos de malha fechada
quando o ganho K varia de zero a infinito.
141
Note que, para começar o esboço do lugar das raízes de um sistema, pelo
método do lugar das raízes, devemos conhecer a localização dos polos e dos zeros
de G(s)H(s). Lembre-se de que os ângulos dos vetores, no plano complexo
(grandezas complexas), que se originam nos polos e nos zeros de malha aberta, e
que vão até o ponto de teste s, são medidos no sentido anti-horário (OGATA,
2010, p. 248). Por exemplo, se G(s)H(s) for dado por:
–p2 e –p3 são polos complexos conjugados, então, o ângulo de G(s)H(s) será:
z₁, θ₁, θ₂, θ₃ e θ₄ são medidos no sentido anti-horário, como mostra o

Gráfico 3 (a) e (b).
O módulo de G(s)H(s), para esse sistema, é:
A₁, A₂, A₃, A₄ e B₁ são os módulos das grandezas complexas s + p₁, s + p₂, s
+ p₃, s + p₄ e s + z₁, respectivamente, como mostra o Gráfico 3 (a).
Note que, pelo fato de os polos e os zeros complexos conjugados de

malha aberta, caso existam, situarem-se, sempre, simetricamente, em relação ao
eixo real, o lugar das raízes, também, será, sempre, simétrico em relação a esse
eixo. Portanto, será necessário construir, apenas, a metade superior do lugar das
raízes, além de desenhar a imagem espelhada da metade superior na metade
inferior do plano s.
142
GRÁFICO 3 – (A) E (B) DIAGRAMAS QUE MOSTRAM MEDIDAS DOS ÂNGULOS A PARTIR DO
PONTO DE TESTES S E DOS POLOS E DOS ZEROS DE MALHA ABERTA
Serão apresentados, a seguir, dois exemplos ilustrativos de construção do

gráfico do lugar das raízes. Embora existam métodos computacionais, facilmente,
acessíveis para construir o lugar das raízes, utilizaremos, aqui, a computação
gráfica combinada com a inspeção, para determinar o lugar geométrico sobre
o qual as raízes da equação-característica do sistema de malha fechada devem
ser localizadas. Esse método gráfico aumentará a compreensão de como os polos
de malha fechada se movem no plano complexo quando os polos e os zeros de
malha aberta se deslocam. Ainda que, apenas, sistemas simples tenham sido
apresentados para fins de ilustração, o procedimento, para a construção do lugar
das raízes de sistema de ordem mais elevada, não é mais complicado.
Pelo fato de as medidas gráficas dos ângulos e dos módulos estarem

envolvidas na análise, será muito conveniente utilizar a mesma escala para o eixo
das abscissas e para o das ordenadas quando se desenha o lugar das raízes em
gráficos no papel.
Exemplo: Considere o sistema com realimentação negativa mostrado na Figura 4.
FIGURA 4 – SISTEMA DE CONTROLE LINEAR COM REALIMENTAÇÃO UNITÁRIA
FONTE: O autor
143
Vamos supor que o valor do ganho K seja não negativo.
Solução: Para esse sistema, temos que:
Vamos esboçar o gráfico do lugar das raízes e, em seguida, determinar o

valor de K, de modo que o coeficiente de amortecimento z, do par de polos
complexos conjugados dominantes, de malha fechada, seja 0,5. Para o sistema
dado, a condição angular é:
A condição de módulo é:
Um procedimento típico para esboçar o gráfico do lugar das raízes é o

seguinte:
1. Determinar o lugar das raízes no eixo real. O primeiro passo da construção

de um gráfico do lugar das raízes é localizar, no plano complexo, os polos de
malha aberta s = 0, s = –1 e s = –2 (Não existem zeros de malha aberta nesse sistema).
As posições dos polos de malha aberta são indicadas por cruzes (As posições
dos zeros de malha aberta, neste livro, serão indicadas por pequenos círculos).
Observe que os pontos de partida do lugar das raízes (os pontos correspondentes
a K = 0) são os polos de malha aberta. O número de lugares das raízes individuais,
para esse sistema, é 3, que é igual ao número de polos de malha aberta.
Para determinar o lugar das raízes no eixo real, seleciona-se um ponto de

teste s. Se esse ponto de teste estiver no eixo real positivo, então:
Isso demonstra que a condição angular não pode ser satisfeita. Então, não
existe lugar das raízes no eixo real positivo. A seguir, seleciona-se um ponto de
teste no eixo real negativo, entre 0 e –1. Então,
Assim,
144
A condição angular é satisfeita. Dessa maneira, o segmento do eixo real

negativo, entre 0 e –1, pertence ao lugar das raízes. Se um ponto de teste for
selecionado entre –1 e –2, então:
Pode-se observar, então, que a condição angular não será satisfeita.

Portanto, o eixo real negativo, entre –1 e –2, não pertence ao lugar das raízes. Da
mesma maneira, se um ponto de teste for localizado no eixo real negativo, entre
–2 e – ∞, a condição angular será satisfeita. Portanto, o lugar das raízes existirá
sobre o eixo real negativo entre 0 e –1, e entre –2 e – ∞.
2. Determinar as assíntotas do lugar das raízes. As assíntotas do lugar das

raízes, à medida que s se aproxima do infinito, podem ser definidas da seguinte
maneira: se um ponto de teste for selecionado muito distante da origem, então:
A condição angular se torna
Ou
Ângulos das assíntotas =
Como o ângulo se repete à medida que k varia, os ângulos distintos,

para as assíntotas, são determinados como 60°, – 60° e 180°. Assim, existem três
assíntotas. A que corresponde ao ângulo de 180° é o eixo real negativo.
Antes de podermos desenhar essas assíntotas no plano complexo,

devemos determinar o ponto no qual elas cruzam o eixo real. Como:
145
Se um ponto de teste estiver muito distante da origem, então, G(s) poderá

ser escrito como
Para valores elevados de s, essa última equação pode ser aproximada, como:
Um gráfico do lugar das raízes de G(s), dado pela equação anterior,

consiste em três retas. Isso pode ser visto a seguir, pois a equação do lugar das
raízes é:
Ou
Que pode ser escrita como:
Substituindo s = о + jω nessa última equação, obtemos:
Ou
Considerando a tangente de ambos os lados dessa última equação:
Pode ser escrita como:
Essas três equações representam três linhas retas, como mostra o gráfico
a seguir.
146
GRÁFICO 4 – TRÊS ASSÍNTOTAS
Essas três linhas retas são as assíntotas. Elas se encontram no ponto s

= –1. Assim, a abscissa de intersecção entre as assíntotas e o eixo real é obtida,
igualando, a zero, o denominador do lado direito da equação df(s)/ds = 0, e
resolvendo para s.
As assíntotas são, praticamente, partes do lugar das raízes nas regiões

muito distantes da origem.
3. Determinar o ponto de partida do eixo real. Para desenhar, com precisão,

o lugar das raízes, deve-se definir o ponto de partida do eixo real, no qual as
ramificações do lugar das raízes originárias dos polos em 0 e –1 saem do eixo real
(à medida que K aumenta) e se movem no plano complexo. O ponto de partida
do eixo real corresponde a um ponto no plano s, no qual ocorrem raízes múltiplas
da equação-característica.
Existe um método simples para a determinação do ponto de partida do

eixo real, que apresentaremos a seguir. Escreveremos a equação-característica
como:
f(s) = B(s) + KA(s) = 0.
A(s) e B(s) não contêm K. Note que f(s) = 0 tem raízes múltiplas nos pontos
nos quais
147
Isso pode ser visto como segue. Suponha que f(s) tenha raízes múltiplas
de ordem r, r > 2.
Então, f(s) pode ser escrita como:
Derivando essa equação em relação a s, e se estimando o valor de df(s)/ds

em s = s₁, teremos:
Isso indica que raízes múltiplas de f(s) satisfazem à equação anterior. A

partir da equação:
Obtemos:
Sendo que:
O valor específico de K, que produzirá raízes múltiplas da equação-

característica, é obtido a partir da equação:
Sendo:
Assim, os pontos de partida do eixo real podem ser determinados a partir

das raízes de:
148
Pode-se notar que nem todas as soluções de dK/ds = 0 correspondem ao

ponto de partida real do eixo real. Se um ponto no qual dK/ds = 0 estiver sobre o
lugar das raízes, este será mesmo um ponto de partida ou de chegada ao eixo real.
Em outras palavras, se o valor de K for real e positivo em um ponto no qual dK/
ds = 0, então, este será, de fato, um ponto de partida ou de chegada do eixo real.
Exemplo: A equação-característica G(s) + 1 = 0 é dada por:
Determine o LGR.
Solução: Fatorando o denominador, temos que:
Definindo dK/ds = 0, obtemos:
Resolvendo a equação de 2º grau do lado direito da expressão matemática

anterior, temos as duas raízes da equação, que são:
Como o ponto de partida do eixo real deve estar sobre o lugar das raízes
entre 0 e –1, está claro que s = - 0,4226 corresponde, efetivamente, ao ponto de
partida do eixo real. O ponto s = – 1,5774 não está sobre o lugar das raízes. Então,
esse ponto não é, realmente, um ponto nem de partida nem de chegada. De fato,
o cálculo dos valores de K, correspondentes a s = – 0,4226 e a s = – 1,5774, gera:
4. Determinar os pontos nos quais o lugar das raízes cruza o eixo imaginário.
Esses pontos podem ser determinados com a utilização do critério de estabilidade
de Routh, do seguinte modo: como a equação-característica para o presente
sistema é:
149
A matriz de Routh se torna:
O valor de K, que faz com que o termo s¹, na primeira coluna, seja igual a
zero, é K = 6. Os pontos de cruzamento com o eixo imaginário podem, então, ser
determinados com a resolução da equação auxiliar obtida a partir da linha s², isto é:
Que resulta em:
As frequências no ponto de cruzamento do eixo imaginário são, portanto,

.
O valor do ganho correspondente aos pontos de cruzamento é K = 6.
Um método alternativo é fazer s = jω, na equação-característica, igualar,

a zero, a parte real e a parte imaginária, e, então, resolver para ω e K. Para o
presente sistema, a equação-característica, com s = jω, é:
Ou
Igualando a parte real e a imaginária dessa última equação a zero, obtemos:
A partir da qual:
Assim, o lugar das raízes cruza o eixo imaginário em ω = ± 2, e o valor de

K no ponto de cruzamento é 6. Além disso, um ramo do lugar das raízes, no eixo
real, toca o eixo imaginário em ω = 0. O valor de K, nesse ponto, é zero.
5. Escolher um ponto de teste nos entornos do eixo jω e da origem, como

mostra o gráfico a seguir, e aplicar a condição angular.
150
GRÁFICO 5 – ESCOLHA DO PONTO DE TESTE
FONTE: O autor
Se um ponto de teste estiver sobre o lugar das raízes, então, a soma dos
três ângulos, q₁ + q₂ + q₃, deve ser 180°. Se o ponto de teste não satisfizer à condição
angular, selecione outro ponto de teste até que a condição seja atendida. A soma
dos ângulos, no ponto de teste, indicará a direção para a qual o ponto de teste
deve ser movido. Continue com esse processo e localize um número suficiente de
pontos que satisfaçam à condição do ângulo.
6. Desenhar o lugar das raízes, com base nas informações obtidas nos
passos anteriores, como mostra o gráfico a seguir:
GRÁFICO 6 – DESENHO DO LUGAR DAS RAÍZES
FONTE: O autor
151
7. Determinar um par de polos complexos conjugados dominantes de

malha fechada, de modo que o coeficiente de amortecimento ζ seja 0,5. Os polos
de malha fechada com ζ = 0,5 situados em linhas que passam pela origem e que
formam os ângulos ± arc cos (ζ) = ± arc cos (0,5) = ± 60° com o eixo real negativo.
Com o auxílio do gráfico anterior, esses polos de malha fechada, com ζ = 0,5, são
obtidos da seguinte maneira:
O valor de K, que fornece esses polos, é determinado pela condição de

módulo, como segue:
Utilizando esse valor de K, o terceiro polo é obtido em s = - 2,3326.
Observe que, a partir do passo 4, pode-se ver que, para K = 6, os polos de

malha fechada dominantes se situam no eixo imaginário em s = ±j 2. Com esse
valor de K, o sistema apresentará oscilações permanentes. Para K > 6, os polos de
malha fechada dominantes se situam no semiplano direito do plano s, gerando
um sistema instável.
Por fim, note que, se necessário, o lugar das raízes pode ser, facilmente,
graduado em termos dos valores de K, utilizando, para isso, a condição de
módulo. Simplesmente, seleciona-se um ponto sobre o lugar das raízes, mede-
se o módulo das três grandezas complexas, s, s + 1 e s + 2, e se multiplicam esses
valores; o produto é igual ao valor do ganho K naquele ponto, ou:
|s| . |s + 1| . |s + 2| = K
• PRÁTICA – SIMULAÇÃO:
O lugar das raízes pode ser obtido, facilmente, com a utilização do Octave,
utilizando os seguintes comandos:
rlocus(num,den)
Esse comando faz com que o gráfico do lugar das raízes seja desenhado na
tela. O vetor de ganho K é determinado automaticamente (O vetor K contém todos
os valores do ganho para os quais os polos de malha fechada são calculados).
Para os sistemas definidos no espaço de estados, rlocus(A,B,C,D) traça o

lugar das raízes do sistema, determinando, automaticamente, o vetor de ganho.
Note que os comandos rlocus(num,den,K) e rlocus(A,B,C,D,K) utilizam o

vetor de ganho K informado pelo usuário.
152
Se for desejável traçar o lugar das raízes com as marcas‘o’ou‘x’, será

necessário utilizar o seguinte comando:
r = rlocus(num,den)
plot(r,’o’) ou plot(r, ‘x’)
Traçar o gráfico do lugar das raízes, utilizando as marcas o ou x, é

instrutivo, uma vez que cada um dos polos de malha fechada calculados será
mostrado graficamente; algumas regiões do lugar das raízes são, mais densamente,
ocupadas por essas marcas, e, em outras, a ocupação é mais esparsa.
O Octave fornece o próprio conjunto de valores de ganho, utilizado, no

cálculo, para traçar um lugar das raízes. Isso é feito por uma rotina interna de
passo variável adaptativo. O Octave, também, utiliza, no comando plot, uma
forma automática de escalar os eixos.
Exemplo: Desenhe o lugar das raízes do sistema mostrado na Figura 5. Suponha

que o ganho K seja positivo. Observe que, para valores de K pequenos ou grandes,
o sistema é superamortecido, e, para valores médios de K, é subamortecido.
FIGURA 5 – SISTEMA DE CONTROLE COM REALIMENTAÇÃO UNITÁRIA
Solução: O passo a passo para traçar o gráfico do lugar das raízes (LGR) é:
1. Localize os polos e os zeros de malha aberta no plano complexo. Existe o

lugar das raízes no eixo real negativo, entre 0 e – 1, e entre – 2 e – 3.
2. O número de polos de malha aberta e de zeros finitos é o mesmo. Isso significa
que não há assíntotas na região complexa do plano s.
3. Determine os pontos de partida e de chegada ao eixo real. A equação-
característica do sistema é:
Ou
153
Os pontos de partida e de chegada são determinados a partir de:
Com isso, obtemos as duas raízes do sistema, que são:
Note que ambos os pontos estão sobre o lugar das raízes. Portanto, eles são,
realmente, pontos de partida e de chegada. No ponto s = – 0,634, o valor de K é:
Da mesma maneira, em s = – 2,366, temos que:
Pelo fato de o ponto s = – 0,634 estar entre dois polos, ele é um ponto de
partida, e pelo fato de o ponto s = –2,366 estar entre dois zeros, ele é um ponto de
chegada.
4. Determine um número suficiente de pontos que satisfaça à condição

angular. Pode-se verificar que o lugar das raízes possui um círculo com o centro
em –1,5, que passa pelos pontos de partida e de chegada. O esboço gráfico do
LGR é mostrado no Gráfico 7:
154
GRÁFICO 7 – LGR
Note que o sistema é estável para todos os valores positivos de K, já que

todo o lugar das raízes se situa no semiplano esquerdo do plano s.
Pequenos valores de K (0 < K < 0,0718) correspondem a um sistema

superamortecido. Valores intermediários de K (0,0718 < K < 14) correspondem a
um sistema subamortecido. Por fim, valores grandes de K (14 < K) correspondem
a um sistema superamortecido. Com um valor grande de K, o regime permanente
pode ser atingido, muito mais rapidamente, do que com valores pequenos.
O valor de K deve ser ajustado, de modo que o desempenho do sistema

seja ótimo, de acordo com um dado índice de desempenho.
DICAS
Sugerimos que você confira o vídeo do Prof. Luís César Emanuelli, sobre LGR,
no link a seguir: https://www.youtube.com/watch?v=21ftr9Vt7Ho.
155
RESUMO DO TÓPICO 2
• O lugar geométrico das raízes, uma representação gráfica dos polos em malha
fechada, à medida que um parâmetro do sistema é variado, é um método
poderoso de análise e de projeto para a estabilidade e a resposta transitória.
Foi idealizado por Evans, de 1948 a 1950.
• Os sistemas de controle com realimentação são difíceis de compreender de um

ponto de vista qualitativo, portanto, dependem, fortemente, da matemática.
• O lugar geométrico das raízes, coberto nesta unidade, é uma técnica gráfica
que nos dá a descrição qualitativa do desempenho de um sistema de controle
que estamos buscando. Também, serve como uma ferramenta qualitativa
poderosa que fornece mais informações do que os métodos já discutidos.
• O lugar geométrico das raízes pode ser utilizado para descrever,

qualitativamente, o desempenho de um sistema, à medida que diversos
parâmetros são alterados. Por exemplo, o efeito da variação do ganho sobre
a ultrapassagem percentual, o tempo de acomodação e o instante de pico
podem ser mostrados vividamente.
• A descrição qualitativa pode ser verificada através de uma análise quantitativa.
• Além da resposta transitória, o lugar geométrico das raízes, também, fornece

uma representação gráfica da estabilidade do sistema.
• Podemos ver, claramente, faixas de estabilidade, de instabilidade e as

condições que fazem com que um sistema entre em oscilação.
• O problema do sistema de controle é que, enquanto os polos da função de

transferência em malha aberta são, facilmente, obtidos (tipicamente, eles
são identificados por inspeção e não mudam com variações no ganho do
sistema), os em malha fechada são mais difíceis (tipicamente, eles não podem
ser obtidos sem se fatorar o polinômio-característico do sistema em malha
fechada, o denominador da função de transferência em malha fechada). Além
disso, os polos em malha fechada variam com variações no ganho do sistema.
• A técnica do lugar geométrico das raízes pode ser utilizada para analisar
e para projetar o efeito do ganho de malha sobre a resposta transitória e a
estabilidade do sistema.
156
• Podemos chegar ao lugar geométrico das raízes fatorando o polinômio de
segunda ordem no denominador da função de transferência. Contudo, o que
aconteceria se aquele polinômio fosse de quinta ou de décima ordem? Sem um
computador, fatorar o polinômio seria um grande problema para inúmeros
valores do ganho.
• A partir da análise de algumas propriedades, somos capazes de fazer um

esboço rápido do lugar geométrico das raízes, para sistemas de ordem elevada,
sem ter que fatorar o denominador da função de transferência em malha
fechada.
157
AUTOATIVIDADE
1 Um método simples, para a determinação das raízes da equação-

característica, foi desenvolvido por W. R. Evans, em 1948 a 1950, e tem sido,
amplamente, utilizado na engenharia de controle. Esse método, chamado
de método do lugar das raízes, permite que as raízes da equação-característica
sejam representadas, graficamente, para todos os valores de um parâmetro
do sistema. Com base nesse assunto, assinale a alternativa CORRETA:
a) ( ) As raízes correspondentes a um valor específico desse parâmetro

podem, então, ser localizadas no gráfico resultante. Observe que o
parâmetro é, normalmente, o ganho, mas é possível utilizar qualquer
outra variável da função de transferência de malha aberta.
b) ( ) Os zeros correspondentes a um valor específico desse parâmetro podem,
então, ser localizados no gráfico resultante. Observe que o parâmetro
é, normalmente, a função de transferência, mas não é possível utilizar
qualquer outra variável da função de transferência de malha aberta.
c) ( ) As raízes correspondentes a um valor específico desse parâmetro podem,
então, ser localizadas no gráfico resultante. Observe que o parâmetro é,
normalmente, a velocidade angular, mas não é possível utilizar qualquer
outra variável da função de transferência de malha fechada.
d) ( ) Os zeros correspondentes a um valor específico desse parâmetro podem,
então, ser localizados no gráfico resultante. Observe que o parâmetro é,
normalmente, o coeficiente de amortecimento, mas é possível utilizar
qualquer outra variável da função de transferência de malha fechada.
2 O método do Lugar Geométrico das Raízes (LGR) é uma técnica gráfica

que permite visualizar de que forma os polos de um sistema em malha
fechada variam quando se altera o valor de um parâmetro específico (o
ganho, em geral). Originalmente, a técnica era utilizada para determinar o
valor numérico dos polos de malha fechada de um sistema. Por essa razão,
era necessário efetuar a construção gráfica da forma mais precisa possível.
Foi desenvolvido um instrumento auxiliar, chamado de espírula, para esse
fim. Com base nesse contexto, analise as sentenças a seguir:
I- Os polos de malha aberta são as raízes da equação-característica.

II- A determinação das raízes de uma equação-característica de grau superior
a 3 não é trabalhosa e não requer a busca de uma solução por meio de um
computador.
III- Apenas a determinação das raízes da equação-característica pode ser uma
solução limitada, porque, à medida que o ganho da função de transferência
de malha aberta varia, a equação-característica se altera e os cálculos devem
ser refeitos.
158
a) ( ) I.
b) ( ) II.
c) ( ) III.
d) ( ) I, II e III.
3 O Lugar Geométrico das Raízes (LGR) é um gráfico construído a partir do

conhecimento dos polos e dos zeros do sistema em malha aberta. Tomando o
ganho como parâmetro, o L.G.R. é o conjunto dos pontos, no plano complexo,
que correspondem aos polos do sistema em malha fechada. Com base nesse
contexto, marque V para as sentenças verdadeiras e F para as falsas:
( ) A característica básica da resposta transitória de um sistema de malha fechada

está, intimamente, relacionada à localização dos zeros de malha fechada.
( ) Se o ganho de malha do sistema for variável, então, a localização dos
polos de malha aberta dependerá do valor do ganho de malha escolhido.
( ) É importante que o projetista saiba como os polos de malha fechada se
movem no plano s, à medida que o ganho de malha varia.
( ) Do ponto de vista do projeto, em alguns sistemas, o simples ajuste do ganho
pode mover os polos de malha fechada para as localizações desejadas.

a) ( ) F – F – V – V.
b) ( ) V – V – F – F.
c) ( ) F – V – F – V.
d) ( ) V – F – V – F.
4 Considere o sistema de realimentação negativa, cuja função de transferência,

em malha aberta G(s)H(s), é:
(a) Com base nisso, quais são os polos e os zeros desse sistema?
(b) Esboce o gráfico do LGR.
5 Desenhe o lugar das raízes do sistema de controle mostrado na figura a seguir:
159
160
TÓPICO 3 —
UNIDADE 3
CRITÉRIO DE ESTABILIDADE DE ROUTH-HURWITZ
1 INTRODUÇÃO
O problema mais importante relacionado aos sistemas de controle lineares
é o da estabilidade. Em teoria de controle clássico, existem alguns métodos que
podem ser utilizados para o estudo da estabilidade de sistemas lineares, como
o método do lugar das raízes, o critério de estabilidade de Nyquist e o critério
de estabilidade de Routh-Hurwitz. O critério de estabilidade de Routh-Hurwitz
é uma ferramenta simples e útil para a análise da estabilidade de sistemas de
controle.
A essa altura, o leitor deve estar se perguntando: “Contudo, sob quais

condições, um sistema se tornará instável? Se ele for instável, como devemos
estabilizá-lo?” Caso um sistema seja instável, a resposta transitória e os erros em
regime permanente são uma questão irrelevante. Um sistema instável não pode
ser projetado para ter uma resposta transitória específica ou para atender a um
requisito de erro em regime permanente.
Existem muitas definições de estabilidade, dependendo do tipo de sistema

ou do ponto de vista dos autores da área. Como sempre, limitamo-nos a sistemas
lineares e invariantes no tempo.
Esses são os temas que estudaremos neste tópico. Vamos lá?!
NOTA
A estabilidade é a especificação mais importante em um sistema de controle.
2 ESTABILIDADE DE SISTEMAS DE CONTROLE LINEARES

A estabilidade de um sistema de controle linear e invariante no tempo
implica que, apenas, a resposta forçada permanece, à medida que a resposta
natural tende a zero.
161
Nesse ponto, introduziremos as seguintes definições:
• Um sistema linear invariante no tempo é estável se a resposta natural tende a

zero, à medida que o tempo tende a infinito.
• Um sistema linear invariante no tempo é instável se a resposta natural
aumenta sem limites, à medida que o tempo tende a infinito.
• Um sistema linear invariante no tempo é, marginalmente, estável, caso a
resposta natural não decaia nem aumente, mas permaneça constante ou
oscile, à medida que o tempo tende a infinito.
Já estudamos que um sistema de controle é estável se, e somente se, todos

os polos de malha fechada estiverem situados no semiplano esquerdo do plano
s. A maioria dos sistemas lineares de malha fechada tem funções de transferência
de malha fechada da forma:
a e b são constantes e m ≤ n. Um critério simples, conhecido como critério

de estabilidade de Routh-Hurwitz, possibilita-nos determinar o número de polos
de malha fechada que se situam no semiplano direito do plano s, sem ter que
fatorar o polinômio do denominador.
2.1 CRITÉRIO DE ESTABILIDADE DE ROUTH

O critério de estabilidade de Routh aponta se existem, ou não, raízes
instáveis em uma equação polinomial, sem que seja necessário resolvê-la. Esse
critério de estabilidade se aplica, somente, a polinômios com um número finito de
termos. Quando o critério é aplicado a um sistema de controle, as informações a
respeito da estabilidade absoluta podem ser obtidas, diretamente, dos coeficientes
da equação-característica (OGATA, 2010).
Agora, mostraremos o procedimento no critério de estabilidade de Routh:
• Escreva o polinômio em “s” da seguinte maneira:
Os coeficientes são grandezas reais. Suponha que an ≠ 0, isto é, qualquer

raiz nula foi removida.
• Se algum dos coeficientes for zero, ou negativo, na presença de, pelo menos,
um coeficiente positivo, então, existirá uma ou várias raízes imaginárias, ou
que tenham partes reais positivas. Assim, nesse caso, o sistema não será estável.
Se estivermos interessados, somente, na estabilidade absoluta, não haverá
162
TÓPICO 3 — CRITÉRIO DE ESTABILIDADE DE ROUTH-HURWITZ
necessidade de continuar o procedimento. Observe que todos os coeficientes

devem ser positivos. Essa é uma condição necessária, como podemos ver no
argumento a seguir: um polinômio em s, tendo coeficientes reais, sempre, poderá
ser fatorado em fatores lineares e quadráticos, como (s + a) e (s² + bs + c), sendo,
a, b e c, reais. Os fatores lineares geram raízes reais, e fatores quadráticos, em
raízes complexas conjugadas do polinômio. O fator (s² + bs + c) gera raízes com
partes reais negativas somente se b e c forem, ambos, positivos. Para que todas
as raízes tenham partes reais negativas, as constantes a, b, c etc., em todos os
fatores, devem ser positivas. O produto de qualquer número de fatores lineares
e quadráticos que contenha, somente, coeficientes positivos, gera, sempre, um
polinômio com coeficientes positivos (OGATA, 2010).
É importante notar que a condição de que todos os coeficientes sejam

positivos não é suficiente para assegurar estabilidade. A condição necessária,
mas não suficiente, para a estabilidade, é que os coeficientes da equação
estejam, todos, presentes, e que tenham
sinais positivos (Se todos forem negativos, estes podem ser feitos positivos,
multiplicando, ambos os lados da equação, por – 1.).
• Se todos os coeficientes forem positivos, organize os coeficientes do polinômio

em linhas e colunas, de acordo com o seguinte padrão:
O processo de formação das linhas continua até que se esgotem todos os

elementos (O número total de linhas é de n + 1). Os coeficientes b₁, b₂, b₃ etc. são
calculados como segue:
163
O cálculo dos b continua até que os elementos restantes sejam todos zeros.
O mesmo padrão de multiplicação em cruz, dos coeficientes das duas linhas
anteriores, é seguido para o cálculo de c, d etc. Ou seja:
Esse processo continua até que a n-ésima linha seja completada. A matriz
completa de coeficientes é triangular. Observe que, ao desenvolver essa matriz,
uma linha inteira pode ser dividida ou multiplicada por um número positivo, de
modo a simplificar os cálculos numéricos subsequentes, sem alterar a conclusão
da estabilidade.
O critério de estabilidade de Routh afirma que o número de raízes da

equação
com partes reais positivas, é igual ao número de mudanças no sinal dos

coeficientes da primeira coluna da matriz. Deve-se notar que os valores exatos
dos termos, na primeira coluna, não precisam ser conhecidos; do contrário,
apenas os sinais são necessários. A condição necessária e suficiente para que todas
as raízes da equação
164
se situem no semiplano esquerdo do plano s, é que todos os coeficientes

da mesma equação sejam positivos e que todos os elementos da primeira coluna
da matriz tenham sinais positivos.
Exemplo: Aplicar o critério de estabilidade de Routh ao seguinte polinômio de

terceira ordem:
Todos os coeficientes são números positivos.
Solução: A matriz dos coeficientes é:
Condição para que todas as raízes tenham partes reais negativas é dada por:
2.2 CASOS ESPECIAIS

Se um termo, na primeira coluna de qualquer linha, for nulo, mas os
termos restantes não forem nulos ou não existirem, então, esse termo nulo será
substituído por um número positivo muito pequeno ε, e o resto da matriz será
calculada. Considere, por exemplo, a seguinte equação:
s³ + 2s² + s + 2 = 0
A matriz de coeficientes é:
165
Se o sinal do coeficiente acima do zero (ε) é o mesmo do coeficiente abaixo,

isso indica que existe um par de raízes imaginárias. De fato, a equação abaixo tem
duas raízes em s = ± j. Entretanto, se o sinal do coeficiente acima do zero (ε) for
oposto ao do coeficiente abaixo, isso indica que existe uma mudança de sinal. Por
exemplo, na equação:
s³ – 3s + 2 = (s – 1)²(s + 2) = 0
A matriz dos coeficientes é:
Ocorreram duas mudanças de sinal nos coeficientes da primeira coluna.

Portanto, há duas raízes no semiplano direito do plano s. Isso está de acordo com
o resultado correto, indicado pela forma fatorada da equação polinomial.
Se todos os coeficientes, em uma linha calculada, forem nulos, isso indica

que há raízes de mesmo valor, radialmente, opostas, situadas no plano s, ou seja,
duas raízes reais de igual valor e sinais opostos e/ou duas raízes imaginárias
conjugadas. Nesse caso, pode-se continuar o cálculo do resto da matriz, formando-
se um polinômio auxiliar com os coeficientes da última linha, e utilizando os
coeficientes da derivada desse polinômio na próxima linha. Essas raízes de igual
valor, e situadas, radialmente, opostas no plano s, podem ser determinadas,
resolvendo o polinômio auxiliar, que é, sempre, par. Para um polinômio auxiliar
de grau 2n, existem “n” pares de raízes iguais e opostas. Por exemplo, considere
a seguinte equação:
A matriz de coeficientes é:
Os termos na linha s³ são todos nulos. Note que esse caso ocorre, somente,
em uma linha de número ímpar. O polinômio auxiliar é, então, formado a partir
dos coeficientes da linha s⁴. O polinômio auxiliar P(s) é:
166
O que indica que existem dois pares de raízes de igual valor e sinais opostos
(isto é, duas raízes reais com o mesmo valor, mas sinais opostos, ou duas raízes
complexas conjugadas no eixo imaginário). Esses pares são obtidos, resolvendo-
se a equação polinomial auxiliar P(s) = 0. A derivada de P(s), em relação a s, é:
Os termos, na linha s³, são substituídos pelos coeficientes da última

equação, ou seja, 8 e 96. A matriz de coeficientes se torna, então:
Vemos que ocorre uma mudança de sinal na primeira coluna da nova

matriz. Assim, a equação original tem uma raiz com uma parte real positiva.
Resolvendo-se as raízes da equação polinomial auxiliar:
Obtemos:
Esses dois pares de raízes de P(s) fazem parte das raízes da equação
original. De fato, a equação original pode ser escrita na forma fatorada, como o
exposto a seguir:
É evidente que a equação original tem uma raiz com uma parte real
positiva.
167
2.3 ANÁLISE DA ESTABILIDADE RELATIVA

O critério de estabilidade de Routh fornece a resposta para a questão da
estabilidade absoluta. Isso, em muitos casos práticos, não é suficiente.
Normalmente, é necessária uma informação da estabilidade relativa do sistema.
Um método eficiente para examinar a estabilidade relativa é deslocar o eixo do
plano s e aplicar o critério de estabilidade de Routh, ou seja, substitui-se:
na equação-característica do sistema, escreve-se o polinômio em termos

de ŝ, e se aplica o critério de estabilidade de Routh ao novo polinômio em ŝ. O
número de mudanças de sinal na primeira coluna da matriz, desenvolvida para
o polinômio em ŝ, é igual ao número de raízes que estão localizadas à direita da
linha vertical s = – o. Assim, esse teste revela o número de raízes que se situam à
direita da linha vertical s = – o.
2.4 APLICAÇÃO DO CRITÉRIO DE ESTABILIDADE DE ROUTH

À ANÁLISE DE SISTEMAS DE CONTROLE
O critério de estabilidade de Routh é de utilidade limitada na análise de
sistemas de controle lineares, principalmente, porque não sugere como melhorar
a estabilidade relativa ou como estabilizar um sistema instável. É possível,
entretanto, determinar os efeitos da mudança de um ou de dois parâmetros
de um sistema, examinando os valores que causam a instabilidade. A seguir,
consideraremos o problema da determinação do intervalo de variação de um
parâmetro, compatível com a estabilidade do sistema.
Considere o sistema mostrado na Figura 6:
FIGURA 6 – SISTEMA DE CONTROLE
Vamos determinar o intervalo de valores de K para que haja estabilidade.

A função de transferência de malha fechada é:
168
A equação-característica é:
A matriz de coeficientes é, então:
Para que haja estabilidade, K e todos os coeficientes, na primeira coluna,

devem ser positivos. Assim:
Quando K = 14/9, o sistema se torna oscilatório, e, matematicamente, a

oscilação é mantida com amplitude constante.
Note que os limites dos parâmetros de projeto que levam à estabilidade

podem ser determinados pelo uso do critério de estabilidade de Routh.
Exemplo: Considere a seguinte equação-característica:
Determine o intervalo de valores de K para que o sistema seja estável.
Solução: A matriz dos coeficientes de Routh é:
Para que haja estabilidade, é necessário que:
169
A partir da primeira e da segunda condição, K deve ser maior que 1. Note

que, para K > 1, o termo 1 – [K²/(K – 1)] é, sempre, negativo, pois:
Assim, as três condições não podem ser satisfeitas simultaneamente.

Então, não existe um valor de K que permita a estabilidade do sistema.
Exemplo: Considere a equação-característica:
s⁴ + 2s³ + (4 + K)s² + 9s + 25 = 0
Utilizando o critério de estabilidade de Hurwitz, determine o intervalo de

valores de K para que haja estabilidade.
Solução: Comparando a equação-característica a seguir:
s⁴ + 2s³ + (4 + K)s² + 9s + 25 = 0
com a seguinte equação-característica de quarta ordem:
a₀s⁴ + a₁s³ + a₂s² + a₃s + a₄ = 0, temos:
a₀ = 1, a₁ = 2, a₂ = 4 + K, a₃ = 9, a₄ = 25
O critério de estabilidade de Hurwitz estabelece que Δ₄ é dado por:
Para que todas as raízes tenham parte real negativa, é necessário, e

suficiente, que os menores sucessivos principais de Δ₄ sejam positivos. Os menores
sucessivos principais são:
170
Para que todos os menores principais sejam positivos, é necessário que Δi

(i = 1, 2, 3) seja positivo. Portanto, devemos ter:
Concluímos que, na região de K, para que haja estabilidade:
Exemplo: Construa a tabela de Routh para os sistemas mostrados na

Figura 7.
FIGURA 7 – (A) SISTEMA COM REALIMENTAÇÃO; (B) SISTEMA EM MALHA FECHADA EQUIVALENTE
FONTE: Nise (2012, p. 456)
Solução: O primeiro passo é obter o sistema em malha fechada equivalente,

porque queremos testar o denominador dessa função, e não o da função de
transferência à frente fornecida. Utilizando a fórmula da realimentação, obtemos
o sistema equivalente da Figura 7 (b).
O critério de Routh-Hurwitz será aplicado a esse denominador.

Primeiramente, rotule as linhas, com potências de s, indo de s³ a s⁰ em uma
coluna vertical, como mostrado na Tabela 2. Em seguida, forme a primeira linha
da tabela, utilizando os coeficientes do denominador da função de transferência
em malha fechada. Comece com o coeficiente de mais alta potência e pule uma
potência de “s” de cada vez. Agora, forme a segunda linha com os coeficientes do
denominador pulados no passo anterior. As linhas subsequentes são formadas
com determinantes, como mostrado na Tabela 2.
Por conveniência, qualquer linha da tabela de Routh pode ser multiplicada

por uma constante positiva, sem alterar os valores das linhas abaixo. Isso pode ser
provado, examinando as expressões para os elementos, e verificando que qualquer
171
constante multiplicativa de uma linha anterior é cancelada. Na segunda linha da

Tabela 2, por exemplo, a linha foi multiplicada por 1/10. Vemos, adiante, que é
necessário ter cuidado para não multiplicar a linha por uma constante negativa.
TABELA 2 – TABELA DE ROUTH COMPLETA
FONTE: Nise (2012, p. 456)
• Interpretando a Tabela Básica de Routh
Agora que sabemos como construir a tabela de Routh, veremos como

interpretá-la. A tabela de Routh básica se aplica a sistemas com polos nos
semiplanos esquerdo e direito.
O critério de Routh-Hurwitz estabelece que o número de raízes do

polinômio que estão no semiplano direito é igual ao número de mudanças de
sinal na primeira coluna. Se a função de transferência em malha fechada possui
todos os polos na metade esquerda do plano s, o sistema é estável. Assim, um
sistema é estável se não houver mudança de sinal na primeira coluna da tabela de
Routh. Por exemplo, a Tabela 2 tem duas mudanças de sinal na primeira coluna.
A primeira mudança de sinal ocorre de 1, na linha s², para – 72, na linha s1. A
segunda ocorre de – 72, na linha s¹, para 103, na linha s⁰. Portanto, o sistema da
Figura 7 é instável, uma vez que existem dois polos no semiplano da direita.
Com esse conteúdo, encerramos a Unidade 3 deste livro didático.
172
PROJETO ATRAVÉS DA RESPOSTA EM FREQUÊNCIA
Norman Nise (2012)
Projetamos a resposta transitória de um sistema de controle ajustando o

ganho ao longo do Lugar Geométrico das Raízes. O processo de projeto consistiu
em encontrar a especificação da resposta transitória sobre o Lugar Geométrico
das Raízes, ajustar o ganho adequadamente, e determinar o erro em regime
permanente resultante. A desvantagem do projeto, através do ajuste de ganho,
é a de que, apenas, as respostas transitórias e os erros em regime permanente,
representados por pontos, ao longo do Lugar Geométrico das Raízes, estão
disponíveis.
Para atender a especificações de resposta transitória representadas por

pontos fora do Lugar Geométrico das Raízes, e, independentemente, requisitos
de erro em regime permanente, projetamos compensadores em cascata. Também,
podem ser utilizados os diagramas de Bode, para estabelecer um paralelo com o
processo de projeto via Lugar Geométrico das Raízes.
Vamos começar realizando algumas comparações gerais entre o projeto

via Lugar Geométrico das Raízes e o projeto via resposta em frequência.
Projeto de estabilidade e da resposta transitória via ajuste de ganho. Os métodos

de projeto da resposta em frequência, diferentemente dos métodos do Lugar
Geométrico das Raízes, podem ser implementados, convenientemente, sem
um computador ou outra ferramenta, exceto para testar o projeto. Podemos,
facilmente, desenhar diagramas de Bode utilizando aproximações assintóticas,
e ler o ganho a partir dos diagramas. O Lugar Geométrico das Raízes requer
tentativas repetidas para determinar o ponto de projeto desejado, a partir do qual
o ganho pode ser obtido. Por exemplo, ao se projetar o ganho para atender a um
requisito de ultrapassagem percentual, o Lugar Geométrico das Raízes requer
a busca, em uma reta radial, pelo ponto no qual a função de transferência em
malha aberta gera um ângulo de 180°. Para calcular a faixa de ganho para a
estabilidade, o Lugar Geométrico das Raízes requer uma busca no eixo jω por 180°.
Naturalmente, ao se utilizar um programa de computador, como o MATLAB, a
desvantagem computacional do Lugar Geométrico das Raízes desaparece.
Projeto da resposta transitória via compensação em cascata. Os métodos de

resposta em frequência não são tão intuitivos quanto o Lugar Geométrico das
Raízes, e há algo de arte no projeto da compensação em cascata com os métodos
deste livro. Com o Lugar Geométrico das Raízes, podemos identificar um
ponto específico que tenha uma característica de resposta transitória desejada.
Podemos, então, projetar uma compensação em cascata para operar nesse ponto
e atender às especificações de resposta transitória. Aprendemos que a margem de
173
fase está relacionada com a ultrapassagem percentual e que a faixa de passagem

está relacionada com o fator de amortecimento e com o tempo de acomodação
ou o instante de pico. Essas equações são muito complexas. Ao projetarmos uma
compensação em cascata, utilizando métodos de resposta em frequência, para
melhorar a resposta transitória, esforçamo-nos para alterar a forma da resposta
em frequência da função de transferência em malha aberta, para atender ao
requisito de margem de fase (ultrapassagem percentual) e ao requisito de faixa
de passagem (tempo de acomodação ou instante de pico). Não há um modo fácil
de relacionar todos os requisitos antes da tarefa de alterar a forma da resposta em
frequência. Portanto, a alteração da forma da resposta em frequência, da função
de transferência em malha aberta, pode levar a diversas tentativas, até que todos
os requisitos de resposta transitória sejam atendidos.
Projeto do erro em regime permanente via compensação em cascata. Uma

vantagem da utilização de técnicas de projeto em frequência é a capacidade de
projetar uma compensação derivativa, como a compensação de avanço de fase,
para aumentar a velocidade do sistema e, ao mesmo tempo, criar um requisito de
erro em regime permanente desejado, que pode ser atendido pelo compensador
de avanço de fase sozinho. Lembre-se de que, ao utilizar o Lugar Geométrico
das Raízes, há um número infinito de possíveis soluções para o projeto de um
compensador de avanço de fase. Uma das diferenças entre essas soluções é o erro
em regime permanente. Temos que fazer várias tentativas para chegar à solução,
que gera o desempenho do erro em regime permanente requerido. Com técnicas
de resposta em frequência, criamos o requisito de erro em regime permanente,
diretamente, no projeto do compensador de avanço de fase.
Ao projetarmos através de métodos de resposta em frequência, utilizamos

os conceitos de estabilidade, resposta transitória e erro em regime permanente.
Primeiramente, o critério de Nyquist nos diz como determinar se um sistema é
estável. Normalmente, um sistema estável, em malha aberta, é estável, em malha
fechada, se a magnitude da resposta em frequência em malha aberta tiver um
ganho menor que 0 dB na frequência onde a fase da resposta em frequência é
180°. Segundo, a ultrapassagem percentual é reduzida, aumentando-se a margem
de fase, e a velocidade da resposta é aumentada, aumentando-se a faixa de
passagem. Finalmente, o erro em regime permanente é melhorado, aumentando-
se a magnitude das respostas em baixas frequências, mesmo se a magnitude da
resposta em altas frequências for atenuada.
São os fatos básicos que fundamentam o nosso projeto para a estabilidade,

resposta transitória e erro em regime permanente, utilizando métodos de resposta
em frequência. O critério de Nyquist e o diagrama de Nyquist compõem a teoria
fundamental por trás do processo de projeto. Assim, embora usemos diagramas
de Bode pela facilidade de obtenção da resposta em frequência, o processo de
projeto pode ser verificado, com o diagrama de Nyquist, quando surgem dúvidas
sobre a interpretação dos diagramas de Bode. Em particular, quando a estrutura
do sistema é modificada com polos e zeros adicionais do compensador, o diagrama
de Nyquist pode oferecer uma perspectiva valiosa.
174
A ênfase está no projeto de compensação com atraso de fase, avanço

de fase e avanço e atraso de fase. Conceitos gerais de projeto são apresentados
primeiro, seguidos de procedimentos passo a passo. Esses procedimentos são,
apenas, sugestões, e você é encorajado a desenvolver outros procedimentos para
alcançar os mesmos objetivos. Embora os conceitos, em geral, apliquem-se ao
projeto de controladores PI, PD e PID, por questões de brevidade, procedimentos
detalhados e exemplos não serão apresentados. Você é encorajado a extrapolar
os conceitos e os projetos cobertos e a aplicá-los aos problemas envolvendo
compensação PI, PD e PID.
[...]
O CONCEITO DE RESPOSTA EM FREQUÊNCIA
No regime permanente, entradas senoidais aplicadas a sistemas lineares

geram respostas senoidais de mesma frequência. Embora essas respostas tenham
a mesma frequência das entradas, elas diferem em amplitude e em fase. Essas
diferenças são funções da frequência.
Antes de definirmos a resposta em frequência, examinaremos uma

representação conveniente de senoides. As senoides podem ser representadas
por números complexos, chamados de fasores. A magnitude do número complexo
é a amplitude da senoide, e o ângulo do número complexo é a fase da senoide.
Assim, M1 cos (ωt + ϕ1) pode ser representada como M1<ϕ1, sendo que a
frequência, ω, está implícita.
Uma vez que o sistema faz com que a amplitude e a fase da entrada sejam
alteradas, podemos pensar no próprio sistema representado por um número
complexo, definido de modo que o produto do fasor de entrada, pela função do
sistema, gere a representação do fasor de saída.
Considere o sistema mecânico da Figura 10.2(a), caso a força de entrada,

ƒ(t), seja senoidal, a resposta de saída em regime permanente, x(t), do sistema,
também, será senoidal, e com a mesma frequência da entrada. Na Figura 10.2(b),
175
as senoides de entrada e de saída são representadas por números complexos, ou

fasores, Me(ω)< ϕe(ω) e Ms(ω)< ϕs(ω), respectivamente. Nesse caso, os M’s são as
amplitudes das senoides, e, os ϕ’s, são as fases das senoides, como mostrado na
Figura 10.2(c). Admita que o sistema seja representado pelo número complexo,
M(ω)< ϕ(ω). A saída senoidal em regime permanente é obtida, multiplicando-se
a representação em número complexo da entrada pela representação em número
complexo do sistema. Assim, a saída senoidal em regime permanente é o número
complexo do sistema. A saída senoidal em regime permanente é:
A partir da Eq. (10.1), observamos que a função do sistema é dada por:
As Eqs. expostas formam a nossa definição de resposta em frequência.

Chamamos M(ω) de magnitude da resposta em frequência, e, ϕ(ω), de fase da
resposta em frequência. A combinação da magnitude e da fase da resposta em
frequência é chamada de resposta em frequência, M(ω)< ϕ(ω).
Em outras palavras, definimos a magnitude da resposta em frequência

como a razão entre a magnitude da senoide de saída e a magnitude da senoide
de entrada. Definimos a fase da resposta como a diferença entre os ângulos das
senoides de saída e de entrada. Ambas as respostas são funções da frequência e se
aplicam, apenas, à resposta senoidal em regime permanente do sistema.
176
FIGURA 10.2 Resposta em frequência senoidal: a. sistema; b. função de transferência; c. formas

de onda de entrada e de saída.
FONTE: NISE, N. S. Engenharia de sistemas de controle. 6. ed. Rio de Janeiro: LTC, 2012.
177
RESUMO DO TÓPICO 3
• Há um método que fornece informações da estabilidade sem a necessidade

de se calcularem os polos do sistema em malha fechada. Utilizando esse
método, podemos dizer quantos polos do sistema em malha fechada estão no
semiplano da esquerda, no semiplano da direita, e sobre o eixo jω. Observe
que foi dito quantos, e não onde.
• Podemos obter o número de polos em cada seção de plano s, porém, não

podemos obter suas coordenadas.
• O método chamado de critério de Routh-Hurwitz, para a estabilidade, foi

desenvolvido por Routh, em 1905.
• O método requer dois passos: (1) gerar uma tabela de dados chamada de
tabela de Routh; e (2) interpretar a tabela de Routh para dizer quantos polos
de sistema em malha fechada estão no semiplano esquerdo, no semiplano
direito e sobre o eixo jω.
• Estudamos o critério de Routh-Hurwitz quando calculadoras e computadores

modernos podem nos dizer a posição exata dos polos do sistema. O poder do
método está no projeto, e não na análise.
• Se você tem um parâmetro desconhecido no denominador de uma função

de transferência, é difícil determinar, por meio de uma calculadora, a faixa
de valores desse parâmetro que gera estabilidade. Você, provavelmente,
dependeria de um processo de tentativa e erro para responder a essa questão
da estabilidade.
• O critério de Routh-Hurwitz pode fornecer uma expressão fechada para a

faixa de valores do parâmetro desconhecido.
• O critério de Routh-Hurwitz é, frequentemente, utilizado em aplicações

limitadas, para fatorar polinômios contendo fatores pares.
• A tabela de Routh básica se aplica a sistemas com polos nos semiplanos

esquerdo e direito.
• Enunciado de forma simples, o critério de Routh-Hurwitz estabelece que o

número de raízes do polinômio que estão no semiplano direito é igual ao
número de mudanças de sinal na primeira coluna.
178
• Se a função de transferência em malha fechada possui todos os polos na
metade esquerda do plano s, o sistema é estável. Assim, um sistema é estável
se não houver mudança de sinal na primeira coluna da tabela de Routh.
• Dois casos especiais podem ocorrer: (1) a tabela de Routh, algumas vezes, terá
um zero apenas na primeira coluna de uma linha; ou (2) a tabela de Routh,
algumas vezes, terá uma linha inteira que consiste em zeros.
• Caso o primeiro elemento de uma linha seja zero, uma divisão por zero
seria necessária para formar a próxima linha. Para evitar esse fenômeno, um
épsilon, e, é designado para substituir o zero na primeira coluna. O valor e é,
então, feito a tender a zero pelo lado positivo ou pelo lado negativo, pois os
sinais dos elementos na primeira coluna podem ser determinados.
CHAMADA

179
AUTOATIVIDADE
1 A característica básica da resposta transitória de um sistema de malha

fechada está, intimamente, relacionada à localização dos polos de malha
fechada. Se o ganho de malha do sistema for variável, então, a localização
dos polos de malha fechada dependerá do valor do ganho de malha
escolhido. É importante, então, que o projetista saiba como os polos de
malha fechada se movem no plano s, à medida que o ganho de malha varia.
Com base nesse assunto, assinale a alternativa CORRETA:
a) ( ) Os polos de malha fechada são as raízes da equação-característica.

b) ( ) Os polos de malha aberta são as raízes da equação-característica.
c) ( ) Os zeros de malha fechada, com realimentação unitária, são as raízes
da equação-característica.
d) ( ) As raízes de malha aberta são os zeros da equação-característica.
2 Do ponto de vista do projeto, em alguns sistemas, o simples ajuste do ganho

pode mover os polos de malha fechada para as localizações desejadas.
Então, o problema do projeto pode se reduzir à escolha de um valor de
ganho apropriado. Se, apenas, o ajuste do ganho não produzir o resultado
desejado, será necessário adicionar um compensador ao sistema. Com base
nesse contexto, analise as sentenças a seguir:
I- Se a função de transferência em malha fechada possui todos os polos na

metade esquerda do plano s, o sistema é estável.
II- Dois casos especiais podem ocorrer: (1) a tabela de Routh, algumas vezes,
terá um zero, apenas, na primeira coluna de uma linha; ou (2) a tabela de
Routh, algumas vezes, terá uma linha inteira que consiste em zeros.
III- Um sistema é instável se não houver mudança de sinal na primeira coluna
da tabela de Routh.

a) ( ) I e II.
b) ( ) I e III.
c) ( ) II e III.
d) ( ) I, II e III.
3 O critério de Routh mostra que uma condição necessária e suficiente, para

a estabilidade, é que todos os elementos, na primeira coluna da tabela de
Routh, sejam positivos. Os coeficientes do polinômio-característico serão,
inicialmente, dispostos em duas linhas, separados em coeficientes pares ou
ímpares. Com base nesse contexto, marque V para as sentenças verdadeiras
e F para as falsas:
( ) O critério de Routh- Hurwitz pode fornecer uma expressão aberta para a

faixa de valores do parâmetro conhecido.
180
( ) A tabela de Routh básica se aplica a sistemas com zeros nos semiplanos
esquerdo e direito.
( ) Enunciado de forma simples, o critério de Routh-Hurwitz estabelece que
o número de raízes do polinômio que estão no semiplano direito é igual
ao número de mudanças de sinal na primeira coluna.
( ) O critério de Routh-Hurwitz é, frequentemente, utilizado em aplicações
limitadas, para fatorar polinômios contendo fatores pares.

a) ( ) F – F – V – V.
b) ( ) V – F – V – F.
c) ( ) F – V – F – V.
d) ( ) V – V – F – F.
4 Considere o seguinte polinômio: s⁴ + 2s³ + 3s² + 4s + 5 = 0 e utilize o critério

de Routh para cálculo das raízes.
5 Mostre que a primeira coluna da matriz de Routh do polinômio
É dada por:
Sendo:
181
REFERÊNCIAS
DORF, R. C.; BISHOF, R. H. Sistemas de controle modernos. 12. ed. Rio de
Janeiro: LTC, 2013.
DORNELLAS, S. Análise e projeto de sistemas de controle pelo método do

Lugar das Raízes. Juazeiro, [s.d.]. Disponível em: http://www.univasf.edu.
br/~saulo.dornellas/aulaLugarDasRaizes.pdf. Acesso em: 9 maio 2021.
NISE, N. S. Engenharia de sistemas de controle. 6. ed. Rio de Janeiro: LTC, 2012.
OGATA, K. Engenharia de controle moderno. Tradutora Heloísa Coimbra de Souza;

Revisor técnico Eduardo Aoun Tannuri. 5. ed. São Paulo: Pearson Prentice Hall, 2010.
OGATA, K. Engenharia de controle moderno. 4. ed. São Paulo: Pearson Prentice-

Hall, 2003.
182

Modelagem e Sistemas Dinâmicos

Enviado por

Dados do documento

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

Modelagem e Sistemas Dinâmicos

Enviado por

Direitos autorais:

Formatos disponíveis

Modelagem e Sistemas

Revisão, Diagramação e Produção:

Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

Wolff, Julia Grasiela Busarello

Modelagem e sistemas dinâmicos. / Julia Grasiela Busarello

182 p.; il.

1. Sistemas dinâmicos. - Brasil. I. Silva, Rogério Diogne de Souza

O nosso intuito é auxiliá-lo nos seus estudos para compreender o

O livro está dividido em três unidades. Na Unidade 1, apresentaremos

Deve-se ressaltar que o estudo de modelagem de sistemas lineares é

Desejamos bons estudos e que, ao fim da disciplina, você agregue

Na Educação a Distância, o livro impresso, entregue a todos os acadêmicos desde 2005, é

Assim, a UNIASSELVI, preocupando-se com o impacto de nossas ações sobre o ambiente,

Aproveito o momento para convidá-lo para um bate-papo sobre o Exame Nacional de

Olá, acadêmico! Iniciamos agora mais uma disciplina e com ela

Com o objetivo de enriquecer seu conhecimento, construímos, além do livro

Conte conosco, estaremos juntos nesta caminhada!

TÓPICO 1 — INTRODUÇÃO AOS SISTEMAS DINÂMICOS.................................................... 3

TÓPICO 2 — MODELAGEM DE SISTEMAS................................................................................. 15

TÓPICO 3 — INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS...................... 41

TÓPICO 1 — MODELAGEM NO DOMÍNIO DA FREQUÊNCIA............................................. 69

TÓPICO 2 — RESPOSTA DO DOMÍNIO DO TEMPO................................................................ 91

TÓPICO 3 — MODELAGEM COMPUTACIONAL UTILIZANDO FUNÇÕES

UNIDADE 3 — ERROS E ANÁLISE DO LUGAR DAS RAÍZES.............................................. 123

TÓPICO 1 — ANÁLISE DE ERROS EM REGIME ESTACIONÁRIO...................................... 125

TÓPICO 3 — CRITÉRIO DE ESTABILIDADE DE ROUTH-HURWITZ................................. 161

• compreender o significado de sistema e qual a importância da modelagem

• representar um sistema através de variáveis de entrada e saída;

• determinar a função de transferência de sistemas lineares;

• modelar os sistemas físicos no domínio da frequência;

• representar os sistemas físicos modelados através de diagramas de blocos;

• modelar e simular os sistemas físicos através do computador.

TÓPICO 1 – INTRODUÇÃO AOS SISTEMAS DINÂMICOS

TÓPICO 2 – MODELAGEM DE SISTEMAS

TÓPICO 3 – INTRODUÇÃO À SIMULAÇÃO DE SISTEMAS DINÂMICOS

Preparado para ampliar seus conhecimentos? Respire e vamos

INTRODUÇÃO AOS SISTEMAS DINÂMICOS

Você, estudante de engenharia elétrica, deve estar habituado com os

Nesse contexto, explica-se a importância da nossa abordagem sobre o

Você aprenderá, neste capítulo, que os sistemas são formas de

Modelar pode significar descrever os sistemas físicos. É realizar através da

Com a modelagem dinâmica, podemos representar fisicamente uma

Em nossa jornada, com o aprendizado da modelagem de sistemas

2 CONCEITOS BÁSICOS DE MODELAGEM

O correto entendimento dos conceitos é muito importante para o sucesso

3 O QUE SÃO SISTEMAS DINÂMICOS?

Ainda, no dicionário, você encontrará outras inúmeras definições. Dessa

Agora, vamos correlacionar com o ponto de vista da engenharia. Observem

Vamos considerar os conceitos apresentados por outros autores. Lathi

Segundo Monteiro (2006, p. 41), com relação à definição de sistema, é:

Um conjunto de objetos agrupados por alguma interação ou

Sistema é uma combinação de componentes atuando em conjunto para a

Primeiramente, os sistemas são classificados quanto ao comportamento dos

O sistema estático é aquele em que as características e propriedades que

A seguir, é apresentado um diagrama de representação de sistema, além

FIGURA 1 – DIAGRAMA REPRESENTANDO UM SISTEMA, SUAS ENTRADAS E SAÍDAS

Para exemplificar com uma aplicação na engenharia elétrica, observe a

FIGURA 2 – DIAGRAMA COM EXEMPLO DE SISTEMA MOTRIZ

A representação dos sistemas e a correlação entre as variáveis são muito

O filme “Estrelas Além do Tempo”, de 2017 (FOX Filme do Brasil), baseado em

Na próxima seção, abordaremos como representar diversos sistemas

4 MODELO: CONCEITO E CLASSIFICAÇÃO

Atualmente, a modelagem física também é realizada através do software

FIGURA 3 – MODELO FÍSICO: PROTÓTIPO EM SOFTWARE CAD 3D