IV.

Análise de sistemas dinâmicos

Domínio de Laplace (s)

76 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Sistemas Lineares

A representação matemática dos processos incluem diversos

elementos para representar efeitos de não linearidade nos modelos:
termos de reação, tempo morto, parâmetros variantes,
histerese, saturação de válvulas, limites operacionais...

O estudo destes sistemas

pode demandar uso da
teoria de Análise de
Sistemas Não Lineares
para avaliar as soluções
estacionárias, pontos de
bifurcação, ciclos limites,
respostas caóticas, entre
outros aspectos.
Fontes de incerteza na dinâmica
77 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018
Análise de sistemas, G(s)

Sistemas Lineares

No entanto, em Controle Clássico, considera-se o estudo de sistemas

lineares. Isto é feito porque:
1. Há ferramentas bastante conhecidas e de baixa complexidade;
2. As malhas de controle mantêm o processo em torno de um ponto
operacional, onde o comportamento pode ser aproximado.

A linearização de um modelo não linear

em torno do ponto estacionário desejado,
pode ajudar a entender o comportamento
local do sistema.
O ponto estacionário {Fis, hs} representa
a operação nominal. Se o processo for
linearizado em sua vizinhança, as
variações locais podem ser dadas pelo
gradiente resultante (linha vermelha).
78 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018
Análise de sistemas, G(s)

Conceito de linearidade

Se um fator de escala é aplicado a entrada =

de um sistema linear, a saída é escalada = ( ⋅ )= ⋅
pela mesma magnitude (homogeneidade): = ⋅

Caso sejam conhecidos os efeitos dinâmicos =

a diferentes estímulos, a saída do sistema é = ( )
a soma de cada uma das respostas = + = + ( )
(aditividade): = +

Estas duas propriedades formam o Princípio de Superposição.

= + ⋯+ = + ⋯+ ( )
= + ⋯+

79 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Linearização

A linearização de um modelo não linear é feita por meio da Expansão

em série de Taylor:

( − ) −
= + + +⋯
! !

Quando o valor de x é muito próximo a x0, então os termos de (x-x0) de

ordem superior são muito pequenos e, portanto, podem ser desprezados.

≈ + ( − )

80 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Linearização

Considere um modelo dinâmico não linear, relacionando as

variáveis u e y de um processo:
dy
 f u , y 
dt
com y (t0 )  y s e u (t0 )  u s

Aproximação pela expansão em série de Taylor:

dy  f   f 
 f (u s , y s )     y  ys     u  u s 
dt  y u s , ys  u u s , ys

81 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Linearização

Exemplo 1: escoamento em tanque de nível com válvula na saída.

dh qi (t0 )  qi , s e h(t0 )  hs
A  qi (t )  cv h
dt
Função não linear f (qi , h)  qi (t )  cv h
Linearização
dh  f   f 
A  f (qi , s , hs )     qi  qi , s      h  hs 
dt  qi  q  h  qi ,s ,hs
i , s , hs

dh  cv 
Modelo linearizado A  qi  qi , s    h  hs 
dt 2 h 
 s 
82 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018
Análise de sistemas, G(s)

Linearização

Exemplo 2: tanque de mistura perfeita.

dC
V  F (t ) C f (t )  C (t ) 
dt
F (t0 )  Fs , Cf (t0 )  C f , s e C (t0 )  Cs
Função não linear f F , C f , C   F C f  C  
dC  f 
Linearização V  f Fs , C f , s , C s     F  Fs  
dt  F  s
 f 
  C f  C f , s    f  C  C s 
 C   C  s
 f s
83 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018
Análise de sistemas, G(s)

Linearização

Exemplo 2: tanque de mistura perfeita.

dC
V
dt

 F (t ) C f (t )  C 
Modelo linearizado

dC
V  C f , s  C s F  Fs   Fs C f  C f , s   Fs C  C s 
dt

84 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Variáveis-desvio

O objetivo do sistema de controle é manter o processo em um ponto

operacional nominal. Com isso, o desvio dos estados em relação ao
seu ponto nominal é uma variável crucial a ser observada.
Como nos modelos linearizados aparecem termos de diferenças
entre a variável de interesse e seu valor estacionário x’ = x – xs,
pode-se fazer uma mudança de variável para as variáveis-desvio.
Assim:

(1) quando o sistema estiver em repouso, a condição inicial é nula.

(2) por outro lado, quando houver entrada de perturbação ou ação

de controle, o valor dado pelo modelo é uma magnitude (x’ ≠ 0)
representando a distância ao ponto nominal de operação.

85 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018

Análise de sistemas, G(s)

Variáveis-desvio

Voltando ao exemplo do tanque de escoamento....

 dh  cv 
A  qi  qi , s    h  hs 
Modelo linearizado  dt 2 h 
 s 

h(t0 )  hs qi (t0 )  qi , s
Variáveis-desvio h '  h  hs qi'  qi  qi , s
Mudança de variável
d ' '
 cv  '
A  h  hs   qi   h
dt 2 h 
 s 
h' (t0 )  hs  hs qi' (t0 )  qi , s  qi , s
86 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018
Análise de sistemas, G(s)

Variáveis-desvio

Voltando ao exemplo do tanque de escoamento....

Modelo linearizado dado em termos de variáveis-desvio

dh ' cv
A   h '  qi' h ' (t0 )  0 qi' (t0 )  0
dt 2 hs
EDO 1ª ordem
'
2A hs dh ' 2 hs ' dy
h  qi   y (t )  K u (t )
cv dt cv dt

Equação diferencial de primeira ordem com coeficientes reais

constantes e condições iniciais nulas de um sistema SISO.

87 ENG-10933 Controle de Processos - Prof. Julio Dutra / 2018