Escolar Documentos
Profissional Documentos
Cultura Documentos
MAGNETO-REOLÓGICOS
Rio de Janeiro
Abril de 2013
ANÁLISE DE VIBRAÇÕES EM SISTEMAS MECÂNICOS COM MATERIAIS
MAGNETO-REOLÓGICOS
Examinada por:
________________________________________________
Prof. Marcelo Amorim Savi, D. Sc.
________________________________________________
Prof. Daniel Alves Castello, D. Sc.
________________________________________________
Prof. Alberto Paiva, D. Sc.
iii
SALMO 23
iv
À minha esposa Karina, pelo amadurecimento espiritual que me tem proporcionado,
à minha filha Ana Beatriz
e ao meu “sobrinho-filho” Kauã
v
AGRADECIMENTOS
Agradeço ao meu Orientador, Prof. Marcelo Amorim Savi, pela paciência que
demonstrou em todas as etapas desta dissertação. Sua experiência, sua visão crítica e
seu conhecimento profundo acerca do tema foram determinantes para a prontificação do
presente trabalho.
Meus cumprimentos, também, ao Engenheiro de Tecnologia Militar Harolds
Wilson Lourenço Silva, do Centro de Projetos de Navios da Marinha do Brasil, pelos
sábios conselhos que me transmitiu durante os últimos dois anos, que muito me
ajudaram a organizar as ideias que permeiam o estudo que ora se apresenta.
Agradeço cordialmente ao Vice-Almirante (EN) Francisco Roberto Portella
Deiana, Diretor de Engenharia Naval, por quem tive a imensa satisfação de ter minhas
platinas trocadas por ocasião de minha promoção a Capitão-de-Corveta, em dezembro
de 2012, e a todos os companheiros daquela Diretoria, pelo apoio prestado tanto do
ponto de vista técnico como do administrativo.
Meus agradecimentos a todos aqueles que não foram citados, mas que, de uma
forma ou de outra, contribuíram para o sucesso desta obra. É exatamente nesses
momentos que percebemos o valor dos amigos e da família e aprendemos que, por mais
que saibamos, jamais podemos dizer que não precisamos de ninguém.
vi
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos necessários
para a obtenção do grau de Mestre em Ciências (M.Sc.)
Abril/2013
vii
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
April/2013
viii
ÍNDICE
1. INTRODUÇÃO ..........................................................................................................1
ix
5.3. Controle do Sistema Massa-Mola-Amortecedor MR ..............................................52
5.3.1. Estabilização do Curso por Controlador PID ........................................... 52
5.3.2. Estabilização do Curso por Controlador Fuzzy ........................................ 60
6. CONCLUSÕES ........................................................................................................75
7. BIBLIOGRAFIA .....................................................................................................77
x
1. INTRODUÇÃO
Materiais inteligentes são aqueles materiais dos quais uma ou mais propriedades
podem ser alteradas significativamente, de forma controlada, por estímulos externos,
tais como tensão, temperatura, umidade, pH, campos elétricos e campos magnéticos. Há
vários tipos de materiais inteligentes, alguns dos quais bastante comuns.
Os chamados materiais piezoelétricos são materiais que geram diferença de
potencial ao sofrerem a aplicação de uma tensão mecânica. Esse efeito dá-se, também,
no caminho inverso, significando que a aplicação de uma diferença de potencial em uma
amostra produzirá uma tensão mecânica. Estruturas adequadamente projetadas com esse
tipo de material podem ser capazes de se curvar, se expandir ou se contrair sob efeito de
uma diferença de potencial.
As ligas com memória de forma e os polímeros com memória de forma são
materiais capazes de sofrer grandes deformações e recuperar sua forma por meio de
alterações na temperatura e na tensão. No caso das ligas com memória de forma, a
grande deformação deve-se a uma mudança na fase martensítica.
Os materiais magnetorrestritivos apresentam mudança na forma quando
submetidos à ação de um campo magnético e também apresentam mudança em sua
magnetização quando estão sob influência de tensão mecânica. Nesse sentido, também
há as ligas de memória de forma magnéticas, que são materiais que mudam de forma
em resposta a uma mudança significativa no campo magnético.
Polímeros sensíveis ao pH têm a propriedade de mudar de volume quando o pH
do meio se altera. Esses materiais incham ou sofrem constrição dependendo do valor do
pH. Tal comportamento ocorre devido à presença de certos grupos funcionais na cadeia
polimérica.
Existem, também, os polímeros sensíveis à temperatura, que experimentam uma
mudança física quando submetidos a estímulos externos de temperatura. A capacidade
de se submeterem a tais mudanças de forma controlada coloca esses materiais na
categoria dos materiais inteligentes.
Os materiais halocrômicos são comumente usados e possuem a característica de
mudar de cor quando a acidez varia. Um exemplo de aplicação desses materiais são os
indicadores que mudam de cor quando há presença de corrosão na região de um metal
onde eles são aplicados.
1
Os sistemas cromogênicos mudam de cor em resposta a mudanças elétricas,
óticas ou térmicas. Incluem os materiais eletrocrômicos, que mudam sua cor ou
opacidade quando há aplicação de diferença de potencial (por exemplo, telas de cristal
líquido), os materiais termocrômicos, que alteram sua cor dependendo da temperatura, e
os materiais fotocrômicos, que mudam de cor em resposta à luz – por exemplo, as lentes
dos óculos de sol, que escurecem quando expostas à luz solar.
Materiais fotomecânicos são materiais que mudam de forma quando expostos à
luz. O efeito fotomecânico foi originalmente documentado por Alexander Graham Bell
em 1880 e, mais recentemente, UCHINO e CROSS (1980) mostraram que um material
fotorrestritivo poderia ser usado como pernas na construção de uma miniatura de
andador opticamente comandado.
Materiais autorreparáveis são uma classe de material inteligente que possuem,
estruturalmente incorporada, a habilidade de se auto repararem quando sofrem danos
causados pelo trabalho mecânico ao longo do tempo. Materiais dessa natureza podem
reduzir custos de produção em uma grande quantidade de processos industriais
diferentes por causa do tempo de vida mais longo das peças, reduzir a ineficiência dos
processos causada pela degradação, bem como prevenir custos adicionais decorrentes de
falhas de material. Nessa linha, os chamados elastômeros dielétricos possuem a
capacidade de reparar danos decorrentes do uso normal, além de expandir seus tempos
de vida.
Os materiais magnetocalóricos são compostos que se submetem a uma mudança
reversível na temperatura quando expostos a campos magnéticos variáveis.
Os materiais termoelétricos são utilizados para construir dispositivos que
convertem diferenças de temperatura em eletricidade e vice-versa. Esses fenômenos são
especificamente conhecidos como efeito Seebeck (conversão de temperatura em
corrente), efeito Peltier (conversão de corrente em temperatura) e efeito Thomson
(aquecimento ou resfriamento de condutores).
O foco do presente trabalho são os fluidos magneto-reológicos (FMR), também
chamados ferrofluidos. Esses fluidos se tornam fortemente magnetizáveis quando na
presença de um campo magnético. A sensibilidade de tais fluidos à presença de campos
magnéticos constitui o princípio de funcionamento dos amortecedores magneto-
reológicos.
A proposta é estudar o comportamento de um sistema mecânico envolvendo
materiais magneto-reológicos. Para isso, considera-se um sistema massa-mola-
2
amortecedor, onde o amortecedor é composto por um material magneto-reológico. Em
essência, pretende-se investigar a dinâmica do sistema, analisando a influência do
campo magnético aplicado.
TSOUROUKDISSIAN et al (2009) sustentam que, para se utilizar
amortecedores magneto-reológicos de forma eficiente, é necessário elaborar modelos
capazes de descrever o seu comportamento com precisão suficiente. No entanto,
reconhecem que ainda não existe um consenso em relação à modelagem dos FMR. Os
autores utilizam os modelos de Bouc-Wen e de fricção de Dahl para descrever o
comportamento dos FMR.
O estudo de suspensões ativas dotadas de amortecedores com fluidos MR tem
sido objeto de uma série de pesquisas. SHEN et al (2005), PRABAKAR et al, (2009),
TSAMPARDOUKAS et al (2008), GAO e YANG (2008) e YAO et al (2002)
estudaram sistemas de suspensão com um grau de liberdade utilizando amortecedor
magneto-reológico. O modelo de histerese de Bouc-Wen foi utilizado nesses trabalhos
para representar a força histerética não-linear de amortecimento.
LIU et al (2011) propuseram o método quantitativo chamado SPAM (single
parameter adjustment method) para que a seleção dos parâmetros de controle de
modelos de amortecedores magneto-reológicos seja a mais precisa possível. Usando o
SPAM, apenas um parâmetro é identificado de cada vez, e os parâmetros de
amortecimento controlados são selecionados de acordo com a maior ou menor
facilidade de controle. As relações entre os parâmetros selecionados e as correntes
aplicadas são determinadas por ajustagem de curvas. Os conceitos de GA (genetic
algorithm) e PS (pattern search) são utilizados para identificar valores dos parâmetros
dos modelos de amortecedor MR. Foi considerado o modelo de Bouc-Wen modificado
e os parâmetros foram obtidos pelos métodos acima. Dados experimentais com
diferentes frequências, amplitudes e correntes foram utilizados para verificar e validar o
SPAM.
SARIGUL-KLIGIN et al (2007) modelaram e testaram um sistema isolador de
vibrações que utilizava um amortecedor magneto-reológico de espuma, submetendo
esse sistema a excitações harmônicas e aleatórias. Os resultados deste experimento
podem ser considerados valiosos para o entendimento das características do
amortecedor MR de espuma e incluem observações sobre reduções de vibração a
frequências de até 2000 Hz. As equações constitutivas do modelo de Bouc-Wen são
3
utilizadas para validar e caracterizar o amortecedor MR de espuma. Neste trabalho, as
características de movimento do amortecedor também são estudadas.
VAVREK et al (2005) empregaram o modelo de Bouc-Wen para modelar um
freio à base de fluido magneto-reológico comercial modificado. Também foram usados
valores experimentais do torque de resposta do freio, coletados ao submeterem o
sistema a oscilações. Foi empreendido um processo de otimização utilizando-se dados
de torque e de deslocamento ao longo do tempo, no sentido de determinar os parâmetros
do modelo de freio proposto. Foram feitas comparações entre respostas de torque
teóricas e dados experimentais.
YU et al (2009) estudaram a estabilidade de um veículo de passageiros que
apresenta suspensões magneto-teológicas. O primeiro passo executado por eles foi
formular um amortecedor MR e avaliar sua força de amortecimento como resposta ao
campo magnético experimentalmente. Um modelo de carro completo equipado com o
modelo de amortecedor MR projetado foi estabelecido, levando em conta os
movimentos de curva, que estão relacionados à estabilidade do veículo. Um controlador
fuzzy de redes neurais (fuzzy network neural controller – FNNC) incorporado ao sistema
de autoaprendizado foi então formulado a fim de melhorar a estabilidade. Além disso,
objetivando eliminar efeitos adversos oriundos do acoplamento do sistema, não
linearidades e atrasos, foi projetado um componente de correção para atualizar a matriz
de carregamento e as saídas do controle de ajustagem. Simulações computacionais e
testes de estrada foram executados para demonstrar a efetividade do método de controle
proposto.
GUO et al (2008) mostraram que amortecedores MR podem ser usados para
reduzir a vibração ou a resposta dinâmica de sistemas controlados. Seu trabalho
demonstra que os parâmetros do amortecedor podem ser ajustados em tempo real por
meio da atualização da corrente de controle; portanto, necessário é determinar a corrente
de controle de forma rápida e precisa. Eles propõem uma estratégia de controle fuzzy
baseada em uma rede neural cujo objetivo é prever as respostas dinâmicas do sistema
com amortecedores MR, sendo utilizado, também, um controlador fuzzy para determinar
a corrente de controle dos amortecedores MR. Uma estrutura de aço de cinco andares
com amortecedores MR, utilizando a estratégia de controle fuzzy proposta, teve seu
comportamento simulado com o auxílio do Simulink. Os resultados mostraram que a
estratégia de controle fuzzy pode determinar a corrente de controle com rapidez e
precisão, além de reduzir efeitos sísmicos de forma efetiva.
4
XU e GUO (2006) demonstram que os amortecedores MR possuem uso
potencial no controle de vibrações de grandes estruturas devido à sua baixa energia de
entrada e à sua capacidade de mitigar efeitos de terremotos. A fim de escolher a corrente
de controle de maneira rápida e precisa, um novo método que utiliza o controlador
fuzzy, chamado método de controle de estado total fuzzy (fuzzy full-state control
method), é proposto. Respostas dinâmicas a diferentes entradas no controlador fuzzy são
comparadas. Por meio de simulações numéricas, eles concluem que a técnica de
controle fuzzy é capaz de perceber mudanças na corrente que circula no amortecedor
MR rapidamente e de forma acurada, possuindo bom efeito de controle.
O trabalho de ZAPATEIRO et al (2009) analisou o fato de que o uso dos
amortecedores MR para reduzir efeitos de vibrações causadas por abalos sísmicos em
estruturas de engenharia civil tem sido alvo de muito interesse na comunidade
científica, por causa das vantagens dessa classe de dispositivo. Segundo eles, é notório o
fato de que os amortecedores MR podem produzir altas forças de amortecimento com
baixa energia requerida e baixo custo de produção. No entanto, salientam que a
dinâmica complexa que caracteriza um amortecedor MR dificulta a elaboração de um
controle eficiente visando à redução de vibrações. No referido trabalho, é proposto um
controlador semiativo baseado em uma técnica chamada backstepping e na lógica fuzzy.
O controlador foi colocado no primeiro andar de um prédio de três andares e foi
submetido a movimentos sísmicos. A performance desse controlador foi avaliada
experimentalmente.
ATRAY e ROSCHKE (2004) descrevem um novo método para reduzir
vibrações verticais em um vagão de setenta toneladas usando um controlador neuro-
fuzzy e um amortecedor magneto-reológico. Uma técnica de controle semiativo foi
desenvolvida adotando-se um modelo de um quarto de carro com dois graus de
liberdade, considerando-se um amortecedor MR. Um controlador fuzzy atualizava
continuamente as propriedades de amortecimento do dispositivo. O controlador
utilizava o feedback da aceleração da massa da carga para especificar um sinal de
voltagem para o amortecedor MR. Correlações entre aceleração (entrada do
controlador) e voltagem (saída do controlador) foram desenvolvidas utilizando um
controlador neuro-fuzzy (NEFCON). Os resultados indicam que amortecedores MR
semiativos podem reduzir as vibrações a níveis aceitáveis, considerando-se que o
amortecedor tenha capacidade suficiente em termos de força.
5
Diante do exposto, depreende-se que muitos trabalhos que envolvem o estudo
dos fluidos magneto-reológicos em amortecedores levam em consideração,
basicamente, duas correntes teóricas: o modelo de Bouc-Wen para descrever o
comportamento do amortecedor e a lógica fuzzy para estabelecer o controle do
amortecedor com o intuito de reduzir os efeitos das vibrações.
O presente trabalho segue essa tendência, utilizando o modelo de Bouc-Wen
para descrever o comportamento constitutivo de um amortecedor MR e, posteriormente,
aplicando a lógica fuzzy ao controle de um sistema dinâmico compreendido por um
oscilador de um grau de liberdade com um amortecedor MR.
Simulações numéricas são desenvolvidas mostrando o comportamento geral do
sistema, analisando a influência do campo magnético aplicado.
Após essa análise, consideram-se dois sistemas de controle visando à regulação
do nível das vibrações. O primeiro deles é baseado nos controladores tradicionais PID;
o segundo utiliza a lógica fuzzy. Os resultados dos dois sistemas são comparados,
mostrando as vantagens do uso de controladores fuzzy em relação aos controladores PID
para sistemas com características não-lineares.
2. ORGANIZAÇÃO DO TRABALHO
6
sistema para estudar a capacidade de resposta de cada um a situações imprevistas. O
objetivo é mostrar que o controlador fuzzy possui desempenho melhor que o do
controlador PID, tanto na ausência como na presença de ruído.
Finalmente, o capítulo 6 apresenta as conclusões e sugestões para trabalhos
futuros.
7
partículas resultantes restringem o movimento do fluido perpendicularmente ao fluxo
magnético, aumentando efetivamente a sua viscosidade. As propriedades do fluido,
quando em seu estado ativo, são anisotrópicas. Ao projetar um dispositivo magneto-
reológico, é crucial que se assegure que as linhas de fluxo permaneçam perpendiculares
à direção do movimento que se deseja restringir.
Um FMR típico contém de 20% a 40% de seu volume de partículas férreas,
como o ferro-carbono. Essas partículas podem estar suspensas em óleo mineral, óleo
sintético, água ou glicol.
8
Figura 3 – FMR Operando entre Placas Estacionárias
9
Figura 5 – FMR Operando entre Placas com Movimentos Perpendiculares a seus Planos
10
3.2. Princípio de Funcionamento de um Amortecedor MR
11
amortecedores viscosos e em outros dispositivos eletricamente controláveis (TUSSET,
2003).
Dessa forma, as propriedades magnéticas do fluido permitem seu uso como um
amortecedor controlado por tensão elétrica ou corrente.
12
Coloquemos no interior de , e , respectivamente, barras de ferro, de aço
temperado e de cobre, denominadas núcleos dos solenoides. Observa-se na Figura 8 que
apenas o ferro e o aço atraem os pregos de ferro.
Abrindo-se a chave Ch, os pregos se desprendem do núcleo de ferro, mas ficam
retidos no núcleo de aço, conforme se verifica na Figura 9.
A seguir, invertamos os terminais do gerador e façamos a intensidade da
corrente aumentar lentamente, a partir de zero, em sentido contrário. Em pouco tempo,
os pregos no núcleo de aço se desprenderão (Figura 10)
, resultante no
Pode-se calcular a intensidade do vetor indução magnética
interior dos solenoides da experiência anterior, com núcleos de diferentes substâncias.
Comparando-se a intensidade B do campo resultante com a intensidade do campo
sem os núcleos, as substâncias podem ser classificadas em três grupos:
c) ferromagnéticas: substâncias em que B é muito maior que ; são elas: ferro,
cobalto, níquel, gadolínio, disprósio e ligas especiais, em particular o aço temperado;
essas substâncias, imantadas, contribuem enormemente para o aumento da intensidade
do campo, verificando-se que pode ser aumentado centenas de milhares de vezes.
Após a descoberta dos efeitos magnéticos das correntes, foi sugerido por
Ampère -- André-Marie Ampère (1775-1836) -- que a magnetização de muitos
materiais (como os ímãs permanentes) deveria originar-se de correntes microscópicas,
que foram denominadas correntes de Ampère. Assim, todos os fenômenos magnéticos
seriam gerados por correntes.
Abstendo-nos de discutir a origem dessas correntes na escala atômica,
admitamos a sua existência e vejamos como ela se reflete na escala macroscópica.
13
Figura 11 – Correntes de Ampère em material magnético
= (1)
m| =
( )
=
(3)
|m
14
A magnetização M é, por definição, o momento de dipolo magnético por
unidade de volume:
m
m
M
M = (4)
3.3.3. O Campo H
B
!" = j + !" M
M (6)
$
Fazendo:
B
H
H= − M ,
$
Essa é a lei de Ampère para H, assim como é definida para B por uma das
equações de Maxwell em sua forma diferencial.
Da teoria do Eletromagnetismo, sabe-se que:
H
H = − M
M (8)
M
M = .
H (9)
onde .
chama-se susceptibilidade magnética do meio. Daí resulta:
15
B = $ (H
B H + M) = $ (1 + .
)H
H = $H
H (10)
onde $ = $ (1 + .
).
17
6
.
= (11)
<−>
onde C é a constante de Curie do material, quando paramagnético. Quando < → > por
valores superiores, verifica-se que:
1
<−>
1
(< − >)?
18
Figura 13 – Modelo de Bouc-Wen
Fonte: Spencer et al (1997)
:DE = B CF + A (C − C ) + G (12)
19
Figura 14 – Modelo de Bouc-Wen modificado
Fonte: Liao e Lai (2002)
B KF = G + A (C − K) + B (CF − KF ) (15)
1
KF = LG
+ A (C − K) + B CF M (17)
B + B
:DE = B KF + A (C − C ) (18)
20
A variável interna K, bem como os elementos internos de coeficientes B e A ,
que não existem no sistema de Bouc-Wen original (Figura 13), têm como função
aumentar a fidelidade entre o sistema modelado e o fluido MR real.
LIU et al (2011) propuseram um modelo dependente do campo magnético
aplicado, que, por sua vez, depende diretamente da corrente que o gera. A dependência
do campo é obtida através da dependência da corrente aplicada por parte dos
coeficientes α, B , β e A, que podem ser obtidos por meio das equações a seguir, onde I
representa a corrente elétrica geradora do campo magnético.
G = GN O + GP (19)
J = JN Q VTU (21)
5 = 5N + 5P O + 5R O (22)
GN
Parâmetros Valores
GP
15940 Nm-1A-1
BN
15060 Nm-1
BP
1979 Nsm-1
A
0,4844 Nsm-1A-1
B
762,1 Nm-1
A
1,783 x 106 Nsm-1
@
348,6 Nm-1
JN
2802 m-2
JP
1415 m-2
5N
- 0,7522 m-2A-2
5P
- 4,367 A-2
5R
- 12,99 A-1
W
462,3
C
0,5055
0,006778 m
21
3.5. Simulações Numéricas
22
Figura 15 – Diagrama de blocos Simulink para o modelo de Bouc-Wen modificado
23
Figura 17 – (a) Força-deslocamento para (b) Força-velocidade para
I=1A I=1A
24
Figura 19 – (a) Força-deslocamento para (b) Força-velocidade para
I=3A I=3A
4. SISTEMA DINÂMICO
25
Figura 20 – Sistema mecânico em estudo
^ = 20 Aa; e
c
A = 7000 .
^
: :DE A
C_ = sen `" − − C
^ ^ ^
26
Figura 21 – Diagrama de blocos Simulink para sistema com forçamento periódico
1
KF = LG
+ A (C − K) + B CF M (17)
B + B
.
Para a análise de vibrações livres, consideram-se diferentes valores da corrente
elétrica. Portanto, considera-se um deslocamento inicial C da massa igual a 10 mm e a
velocidade inicial igual a zero. A massa adotada para o bloco foi 20 kg. A constante
elástica da mola externa foi considerada igual a 7000 N/m.
Aplicando uma corrente de 1 A, o sistema fornece uma resposta apresentada nas
Figuras 22, 23 e 24.
27
Figura 22 – Força-velocidade para corrente de 1 A
28
Figura 24 – História temporal da velocidade para corrente de 1 A
29
Figura 27 – Evolução de KF no tempo Figura 28 – Evolução de z no tempo
:DE = B KF + A (C − C ) (18)
30
Aumentando o valor da corrente para 3 A, os resultados estão apresentados nas
Figuras 29, 30 e 31.
31
Figura 31 – História temporal da velocidade para corrente de 3 A
32
Figura 33 – Força-velocidade para deslocamento inicial de 21 mm
Nas últimas três figuras, nota-se uma tendência maior à formação de curvas
típicas de histerese, o que não ocorre devido ao forte amortecimento proporcionado pelo
fluido MR modelado, que reduz drasticamente as intensidades da velocidade e da força
resultante atuantes no bloco.
Conclui-se, portanto, que quando o sistema é submetido a oscilação livre, a
dissipação de energia aumenta com o aumento da corrente elétrica.
33
^C_ + AC + :DE = : sen (`") (26)
: = 700 c; e
`= ou 2 ,
g g
34
Figura 37 – Espaço de fase para Ω = π rad/s Figura 38 – Espaço de fase para
Ω = 2π rad/s
35
Figura 41 – Espaço de fase para Ω = π rad/s Figura 42 – Espaço de fase para
Ω = 2π rad/s
36
As Figuras 43 e 44 mostram um efeito ainda maior na diminuição da energia
dissipada do sistema, o que fica evidente nas Figuras 45 e 46 a seguir, que representam
os espaços de fase do carro para uma corrente de 1 A.
4.3. Ressonância
37
Inicialmente, traçam-se curvas de ressonância a partir da avaliação do
deslocamento máximo para cada frequência. . Isso é conseguido fazendo-se variar a
frequência de forçamento Ω de 0 a 1 rad/s, com incrementos de 0,01 rad/s, e
registrando-se os valores máximos de deslocamento dessa forma obtidos.
Diferentes correntes são tratadas: 0 A, 1 A e 3 A. A função de forçamento é
mantida em Fp = 700 sen (Ωt), com Fp em metros e t em segundos.
As curvas de ressonância para os três valores de corrente mencionados são
mostradas na Figura 47.
38
Figura 48 – Curva de ressonância obtida com alteração de parâmetros
39
fazendo-se algumas adaptações no sistema de Bouc-Wen modificado ilustrado na Figura
14, que foi tomado como referência para a modelagem do amortecedor MR do
dispositivo estudado neste trabalho.
Para a simulação de um sistema massa-mola com frequência de ressonância
próxima de 5,7 rad/s, por exemplo, 2π rad/s, fazemos, na Figura 14, B = 0, A = 0,
A = 0 e G = 0, e alteramos o valor da constante elástica da mola do sistema da Figura
20 para 788,768 N/m. Fazendo isso, torna-se possível gerar a curva de ressonância
desse sistema, mostrada na Figura 50, onde a cor azul denota a curva teórica e a cor
vermelha denota os resultados obtidos por simulação numérica com o auxílio do
Simulink.
k
j(`) = /
(27)
` 2q`
lm1 − n\ o p + n \ o r
H H
Para obter um sistema com amortecimento viscoso linear a partir da Figura 14,
devem ser zerados os coeficientes A , A , G, J, @ e 5 nas equações constitutivas. Os
coeficientes B e B podem ser obtidos através da equação (28), válida para associações
de amortecedores em série:
H
1 1
= u , (28)
Bst Bv
vw
40
onde Bst é o coeficiente de amortecimento do amortecedor que substitui a associação
em série e Bv é o coeficiente do i-ésimo amortecedor da associação.
Como os coeficientes relativos ao elemento “Bouc-Wen” e os coeficientes A e
A são zerados, sobram, em série, os amortecedores de coeficientes B e B. Tomando
esses dois coeficientes iguais a B e aplicando a equação (28), vem:
1 1 1 2
= + = (29)
Bst B B B
`
= x1 − 2q (30)
\H
Bst = 3,73 cg^I AaI . 20 Aa ⇔ Bst = 74,6 cg^I (31)
1 2
= ⇔ B = 149,2 cg^I (32)
74,6 cg^I B
Sendo assim, para obter um sistema com frequência natural \H igual 2π rad/s e
frequência de ressonância Ω igual a 5,7 rad/s, podemos fazer B =B = 149,2 cg^I.
Com o auxílio do Simulink, simulou-se o sistema proposto, obtendo-se a curva
de ressonância mostrada na Figura 51. A curva teórica, traçada de acordo com a
41
equação (27), tem cor azul. Os pontos marcados em vermelho foram obtidos por
simulação numérica.
42
Figura 52 – Curvas de ressonância. Azul: amortecimento viscoso linear. Vermelho:
amortecimento magneto-reológico a 0 A. Verde: amortecimento magneto-
reológico a 10 A.
43
5.1. Controlador PID
(") = z{ Q(") (33)
|
(g) = z{ 9(g) (34)
|
(g)
;(g) = = z{ (35)
9(g)
44
5.1.2. Efeito Integral (ou Reset)
(")
= zv Q(") ou
(") = zv } Q(") " (36)
"
9(g)
L } Q(") " = + 6 (37)
g
onde C depende das condições iniciais, o que equivale a zero nesse caso particular.
Portanto, das equações (36) e (37), obtém-se:
9(g)
|
(g) = zv (38)
g
|
(g) zv
;(g) = = (39)
9(g) g
Q(")
(") = z (40)
"
|
(g) = z g 9(g) (41)
|
(g)
;(g) = = z g (42)
9(g)
45
5.1.4. Controlador Proporcional + Integral + Derivativo (PID)
|
(g) zv
;(g) = = + z{ + z g (43)
9(g) g
5.2. Controlador Fuzzy
46
Seguindo essa linha, engenheiros japoneses desenvolveram uma larga faixa de
sistemas fuzzy, tanto para consumo como para aplicação industrial. Em 1988, os
japoneses estabeleceram o Laboratory for International Fuzzy Engeneering (LIFE), um
acordo cooperativo entre 48 companhias com o objetivo de fomentar a pesquisa fuzzy. A
companhia de automóveis Volkswagen foi o único membro estrangeiro do LIFE.
Produtos japoneses para consumo frequentemente incorporam a tecnologia fuzzy.
Como exemplos, podem-se citar aspiradores, máquinas de lavar, câmeras digitais e
aparelhos de ar-condicionado.
O entusiasmo dos japoneses pela lógica fuzzy se reflete no vasto campo de
aplicações que eles investigaram ou implementaram: reconhecimento de caligrafia,
sistemas ópticos, robôs, helicópteros, sistemas de elevação, dentre outros.
Trabalhos envolvendo sistemas fuzzy também estão em andamento nos Estados
Unidos, porém não com o mesmo entusiasmo mostrado no Japão. A Agência de
Proteção Ambiental dos Estados Unidos tem investigado sistemas de controle fuzzy para
uso eficiente de energia em motores. A NASA tem estudado sistemas de controle fuzzy
para atracação espacial automatizada: simulações mostram que um sistema de controle
fuzzy pode reduzir bastante o consumo de combustível. Empresas como Boeing, General
Motors, Allen-Bradley, Chrysler, Eaton e Whirlpool têm trabalhado com a lógica fuzzy
para uso em refrigeradores de baixa potência, melhoramentos em transmissões
automotivas e motores econômicos em energia elétrica.
Pesquisas em aplicação da lógica fuzzy também vêm ocorrendo na área de
softwares, incluindo os sistemas inteligentes e a integração da lógica fuzzy com as redes
neurais. Também vêm sendo desenvolvidos os chamados softwares “genéticos”, com o
objetivo principal de construir sistemas de controle fuzzy com autoaprendizado.
47
estando 70% (ou 0,7) cheio ou 30% (ou 0,3) vazio. Note que o conceito de
preenchimento poderia ser subjetivo e, dessa forma, dependeria do observador ou do
designer. Um outro designer poderia muito bem, igualmente, definir um conjunto fuzzy
(conjunto de funções de pertinência) no qual o copo seria considerado cheio para
volumes de água acima de 50 ml. É essencial entender a lógica fuzzy e os graus de
pertinência como um modelo matemático para ideias vagas, enquanto a probabilidade é
um modelo matemático para o desconhecimento.
Uma aplicação básica pode caracterizar subintervalos para uma variável
contínua. Por exemplo, uma medição de temperatura para um anti-lock brake system
(sistema de freios ABS, como é conhecido) deve ter algumas funções de pertinência
definindo intervalos particulares de temperatura necessários para controlar os freios
adequadamente. Cada função mapeia o mesmo valor de temperatura para um valor
lógico compreendido entre 0 e 1. Esses valores lógicos podem então ser usados para
determinar como os freios podem ser controlados.
48
Uma variável linguística tal como idade pode ter um valor como “jovem” ou
“idoso”. No entanto, a grande utilidade das variáveis linguísticas é que elas podem ser
modificadas através de rodeios linguísticos aplicados a termos primários. Os rodeios
linguísticos podem ser associados a certas funções (por exemplo: temperatura não muito
alta; viscosidade não média, etc.)
Não faz sentido o uso de SENÃO (ELSE), pois uma temperatura pode ser
“quente” e “fria” simultaneamente, embora em diferentes proporções.
Os operadores AND, OR e NOT da álgebra booleana também existem na lógica
fuzzy, normalmente definidos como mínimo, máximo e complemento, respectivamente.
Quando são definidos dessa forma, são chamados operadores de Zadeh. Assim, para as
variáveis fuzzy x e y, temos:
NOT x = 1 -- p(x)
x AND y = mínimo (p(x),p(y))
x OR y = máximo (p(x),p(y))
onde p(x) e p(y) são os graus de pertinência (valores entre 0 e 1) para as variáveis x e y.
49
Há também outros operadores, mais linguísticos em sua natureza, chamados
hedges, que podem ser aplicados. Eles consistem geralmente em advérbios como
“muito” e “significativamente”, que modificam o significado de um conjunto utilizando
uma fórmula matemática.
50
implementações de baixo custo, baseadas em sensores baratos, conversores analógico-
digitais de baixa resolução e chips microcontroladores de 4 ou 8 bits. Esses sistemas
podem ser facilmente aperfeiçoados adicionando novas regras para melhorar o
desempenho ou novas características. Em muitos casos, o controle fuzzy pode ser usado
para melhorar sistemas de controle tradicionais já existentes.
Controladores fuzzy são conceitualmente muito simples. Eles consistem em um
estágio de entrada, um estágio de processamento e um estágio de saída. O estágio de
entrada mapeia o sensor e outras entradas, como interruptores, chaves rotativas e outros
dispositivos, para as funções de pertinência apropriadas e seus respectivos valores
lógicos. O estágio de processamento invoca cada regra apropriada e gera um resultado
para cada uma, combinando por fim os resultados das regras. Finalmente, o estágio de
saída converte o resultado da combinação novamente em um valor de saída específico
de controle.
O formato mais comum para funções de pertinência é o triangular, apesar do
formato trapezoidal e as curvas em sino serem também utilizadas. A forma é geralmente
menos importante do que o número de curvas e suas localizações. Três a sete curvas são
suficientes para cobrir o intervalo requerido de valores de entrada, ou o “universo de
discurso”, no jargão fuzzy.
O estágio de processamento é baseado num conjunto de regras como aquelas
mostradas no item 5.2.2.
Na prática, os conjuntos de regras fuzzy possuem alguns antecedentes que são
combinados usando operadores fuzzy, como AND, OR e NOT, apesar das definições
tenderem a variar: AND, normalmente, usa o valor mínimo entre todos os antecedentes;
OR normalmente usa o máximo. Também há o operador NOT, que subtrai uma função
de pertinência de 1 e obtém a função de pertinência “complementar”.
Há algumas maneiras de se definir o resultado de uma regra, sendo um dos mais
simples e populares o método de inferência “max-min”, no qual a função de pertinência
de saída informa o valor gerado pela premissa (valor de entrada).
Existem dois métodos de inferência principais conhecidos: o de Mamdani e o de
Sugeno. No controlador de Mamdani, é adotado um método para o processo de decisão
baseado nas regras SE-ENTÃO tratadas no item 5.2.2., nas quais tanto o antecedente
como o consequente são valores de variáveis linguísticas, expressos por meio de
conjuntos fuzzy. No controlador de Sugeno, é adotado um método de tomada de decisão
simplificado, baseado na lógica fuzzy, onde somente o antecedente das regras é formado
51
por variáveis fuzzy. O consequente de cada regra, no controlador de Sugeno, é expresso
por uma função linear dos valores observados das variáveis que descrevem o estado do
sistema (variáveis de entrada).
O resultado da aplicação de todas as regras deve ser defuzzificado para um valor
determinado. Na teoria, existem dezenas de métodos para se conseguir isso, cada um
com vantagens e desvantagens.
Um dos métodos mais populares é o do centroide, no qual o “centro de massa”
do resultado informa o valor exato. Outra aproximação é o chamado método da altura,
que toma o valor do elemento de contribuição mais alto.
No presente trabalho, utiliza-se o controlador de Mamdani associado ao método
do centroide.
O diagrama a seguir mostra a inferência “max-min” e o método de
defuzzificação do centroide para um sistema com variáveis de entrada “x”, “y” e “z” e
uma variável de saída “n”. Note que “mu” é a nomenclatura padrão para valor lógico
(entre 0 e 1).
52
Note que cada regra fornece como resultado um valor lógico de uma função de
pertinência particular para a variável de entrada. Na defuzzificação pelo método do
centroide, os resultados são combinados por meio de um cálculo geométrico de
centroide.
O design de um sistema de controle fuzzy é baseado em métodos empíricos,
basicamente uma aproximação metódica do procedimento chamado “tentativa e erro”.
O processo geral é abaixo descrito:
Kp = 15,0;
Ki = 0,27;
Kd = 4,00.
53
A equação de governo do sistema é a própria equação (24), onde o termo :DE
depende de x, y, z, Kp, Kd e Ki:
Antes de comentar o sinal de controle, cabe notar, na Figura 52, que a entrada do
controlador PID é a diferença entre os valores máximo e mínimo das posições do bloco
dentro de um intervalo de tempo (" − <, "), em que " é o instante considerado e < é um
valor ligeiramente superior ao período de oscilação do bloco. Essa diferença é
comparada com o set point de 10 mm, e o erro é processado no controlador, o que dá
origem ao sinal de saída (corrente), que visa a corrigir a amplitude de movimento do
bloco.
A Figura 57 mostra a arquitetura do controlador PID considerado.
54
Figura 57 – Arquitetura do controlador PID
zv
O(") = LI m + z{ + z gp 5(g) (44)
g
55
Figura 59 – Resposta do sistema para controlador PID com F0 = 550 N e Ω = 3,85 rad/s
O sistema possui um set point de comprimento de curso (10 mm), que deve ser
seguido pelo controlador. A correção do valor de corrente é realizada a cada iteração do
processo de simulação. A figura 60 mostra o comportamento do sinal de controle até a
estabilização da amplitude de curso do oscilador. Quando o controlador é ligado, a
corrente elétrica de controle atinge um máximo de aproximadamente 0,96 A, para
finalmente decair lentamente até o valor aproximado de 0,75 A. O aumento da corrente
elétrica nos 30 s finais é coerente com a gradual diminuição da amplitude de curso do
movimento do carro.
Figura 60 – Sinal de controle para controlador PID com F0 = 550 N e Ω = 3,85 rad/s
56
Diferentes níveis de ruído podem ser simulados, com o objetivo de verificar a
robustez do sistema quando submetido a controle PID. Simulações que levam em conta
os efeitos do ruído no sistema original fazem com que o estudo se aproxime
efetivamente de um caso real, em que os ruídos são frequentes.
No caso particular do sistema em estudo, esse ruído pode consistir em variações
bruscas e aleatórias nos valores da frequência de forçamento Ω ou na amplitude da força
periódica F0, dentro de uma faixa de tolerância em torno de um valor de referência
arbitrariamente adotado.
No presente trabalho, o ruído se traduz em variações aleatórias dos valores da
amplitude de forçamento da massa, : .
Em linguagem matemática, os efeitos do ruído no valor da amplitude de
forçamento podem afetar a equação de governo do sistema da seguinte maneira:
57
Figura 61 – Resposta do sistema submetido a controlador PID e sujeito a ruído de 5%
58
Figura 62 – Sinal de controle para controlador PID com nível de ruído de 5%
59
Figura 64 – Sinal de controle para controlador PID sujeito a nível de ruído de 10%
60
Percebe-se com clareza que é impraticável estabilizar o comprimento do curso
do bloco em 10 mm. Conclui-se, dessa forma, que o controlador PID não é eficaz para
controlar a amplitude do movimento do bloco com esse nível de ruído.
O sinal de controle correspondente a um nível de ruído de 25% é mostrado na
Figura 66.
Figura 66 -- Sinal de controle para controlador PID sujeito a nível de ruído de 25%
Notamos uma variação ainda maior do sinal de controle ao longo do tempo para
um nível de ruído de 25%, devido às maiores magnitudes das variações do valor da
amplitude de forçamento.
Pela análise das Figuras 65 e 66, percebemos que, apesar do esforço do
controlador PID no sentido de estabilizar o comprimento do curso no valor desejado, o
controle passa a não ser eficaz para níveis de ruído altos.
O sistema tomado como referência para controle é o bloco da Figura 20, ligado a
uma mola de constante elástica 7000 N/m e ao amortecedor MR modelado com os
dados da Tabela 1, sendo submetido a forçamento harmônico.
O primeiro passo para se estabelecer um controle por meio da lógica fuzzy é a
geração das funções de pertinência inerentes às variáveis de entrada e saída envolvidas.
Como a amplitude do movimento do bloco da Figura 20 depende do grau de
amortecimento e o grau de amortecimento no amortecedor MR é controlado pela
61
corrente elétrica que nele circula, conclui-se que a variável de saída do sistema de
inferência deve ser necessariamente a corrente.
Há três variáveis de entrada capazes de influir significativamente na amplitude
do movimento do bloco: a amplitude da força periódica aplicada (: ), a frequência de
forçamento (`) e o comprimento de curso desejado (). Para um dado trio (: ,`,),
deve ser gerada uma corrente adequada, para que o curso do bloco se mantenha bem
próximo de um valor desejado (por exemplo, 10 mm)
Para a geração das funções de pertinência relativas às duas variáveis de entrada,
foi considerada uma faixa de 400 a 700 N para a amplitude da força periódica, uma
faixa de π a 3π rad/s para a frequência de forçamento e uma faixa de 8 a 10 mm para o
comprimento desejado de curso. A variável de saída (corrente) foi mapeada de acordo
com os valores de corrente que acarretam comprimentos de curso de 8, 9 e 10 mm para
cada par (: ,`) tomado como referência, de acordo com as Tabelas 2, 3 e 4.
F1 F2 F3 F4 F5 F6 F7
W1 C24 C38 C53 C70 C84 C94 C99
W2 C17 C31 C45 C61 C76 C88 C96
W3 C11 C26 C39 C52 C67 C82 C91
W4 C07 C20 C33 C47 C60 C75 C87
W5 C04 C15 C28 C41 C54 C68 C80
F1 F2 F3 F4 F5 F6 F7
W1 C22 C36 C50 C66 C81 C92 C98
W2 C14 C29 C43 C57 C73 C85 C95
W3 C09 C23 C35 C49 C63 C78 C89
W4 C05 C16 C30 C42 C56 C71 C83
W5 C02 C10 C25 C37 C49 C62 C77
62
TABELA 4 – VALORES DE CORRENTE PARA ESTABILIZAÇÃO DO CURSO
EM TORNO DE 10 MM (REGRAS DE INFERÊNCIA)
F1 F2 F3 F4 F5 F6 F7
W1 C19 C34 C48 C64 C79 C90 C97
W2 C12 C27 C40 C55 C69 C83 C93
W3 C06 C18 C32 C46 C59 C74 C86
W4 C03 C13 C27 C39 C51 C65 C79
W5 C01 C08 C21 C32 C44 C58 C72
Os valores das correntes (variáveis de saída) são finalmente dados pela Tabela 5:
63
TABELA 7 (continuação)
64
TABELA 7 (continuação)
65
TABELA 7 (continuação)
66
Figura 68 – Funções de pertinência para a amplitude da força periódica
67
Figura 70 – Funções de pertinência para a corrente elétrica (variável de saída)
68
^C_ + AC + :DE (: , `, ) = : gQW (`") (24)
69
Como se nota claramente, a partir do instante t = 50 s, o curso do movimento do
bloco passa a ser de aproximadamente 0,01 m, como desejado. O resultado mostra a
grande efetividade da aplicação da lógica fuzzy a este sistema com características
fortemente não lineares.
A resposta do sistema, quando submetido a controle fuzzy, é visivelmente mais
rápida do que no caso em que é submetido a controle PID. Além disso, fazendo uma
comparação entre as Figuras 59 e 74, é possível notar que, além de oferecer uma
resposta mais rápida, o controle fuzzy confere maior estabilidade ao sistema.
A maior estabilidade proporcionada pelo controle fuzzy em relação ao controle
PID deve-se ao fato do controlador fuzzy ser proativo, isto é, a corrente necessária para
manter o curso do bloco em 10 mm é previamente calculada pelo controlador ao receber
as informações instantâneas de amplitude e frequência de forçamento. Esse valor de
corrente será mantido até que o sistema sofra uma perturbação, quando será calculado
um novo valor adequado de corrente de acordo com as novas informações.
O sinal de controle para a situação da Figura 74 é mostrado na Figura 75.
Figura 75 – Sinal de controle para controlador fuzzy com F0 = 550 N e Ω = 3,85 rad/s
70
Percebe-se que esse resultado coincide com o valor final da corrente gerada pelo
controlador PID para a mesma situação (Figura 60).
A equação de governo do sistema para o caso mostrado nas Figuras 74 e 75 é a
própria equação (24), porém desta vez o termo :DE é alterado exatamente no instante
t=50s pelo conjunto de regras de inferência mostrado na Tabela 2. No caso do
controlador PID, o termo :DE é alterado durante todo o período de simulação, com o
objetivo de ir aproximando ao máximo o comprimento do curso para 10 mm.
Com o auxílio do Simulink, podem-se simular algumas situações em que o
sistema seja submetido a ruído e verificar como o controlador fuzzy age no sentido de
amenizar os efeitos desse fator indesejável.
Nesse caso, a equação de governo do sistema é semelhante à equação (45). Mas
o termo :DE , nesta situação, é gerado pelas regras de inferência das Tabelas 2, 3 e 4
cada vez que o ruído alterar o valor da amplitude de forçamento:
71
Para um nível de ruído de 5%, o controlador fuzzy continua sendo mais eficiente
do que o controlador PID. A superioridade do primeiro fica evidente ao se compararem
as Figuras 61 e 76. Nota-se que o comprimento do curso do bloco permanece próximo a
10 mm durante todo o tempo de simulação, o que não ocorreu quando o controlador
PID foi utilizado no mesmo sistema e nas mesmas condições.
O sinal de controle correspondente à situação de 5% de ruído é mostrado na
Figura 77.
72
Figura 78 – Resposta do sistema submetido a controlador fuzzy e sujeito a ruído de 10%
Figura 79 – Sinal de controle para controlador fuzzy com nível de ruído de 10%
73
Levando finalmente o nível de ruído para 25%, o resultado é o mostrado na
Figura 80.
74
Figura 81 – Sinal de controle para controlador fuzzy com nível de ruído de 25%
Conclui-se que o controlador fuzzy provê boa robustez ao sistema para níveis de
ruído até aproximadamente 25%, enquanto que para o controlador PID, o nível de ruído
aconselhável fica pouco abaixo dos 10%, mesmo assim sendo necessário um tempo para
que o controlador comece a manter a amplitude próxima de um valor aceitável.
Nas mesmas condições, podem ser simulados outros comprimentos de curso
além dos 10 mm anteriormente estipulados. As Figuras 82 e 83 mostram os resultados
obtidos para comprimentos selecionados de 8 e 9 mm, respectivamente.
75
6. CONCLUSÕES
76
implementar uma arquitetura para um controlador fuzzy-PID, em que a função
do módulo fuzzy seja ajustar as constantes z{ , zv e z do módulo PID, de
acordo com as condições de oscilação, conforme esquema a seguir:
77
7. BIBLIOGRAFIA
GAO, G. S., YANG, S. P., 2006. “Semi-Active Control Performance Railway Vehicle
Suspension Featuring Magnetorheological Dampers”, ICIEA 2006: 1st IEEE
Conference on Industrial Electronics and Applications, vol. 1-3, Proceeding Book
Series, pp. 37-41.
LIU, Y., YANG, S. e LIAO, Y., 2011. “A Quantizing Method for Determination of
Controlled Damping Parameters of Magnetorheological Damper Models”, Journal of
Intelligent Material Systems and Structures, vol. 22, pp. 2127 a 2135.
78
OGATA, K., 2003. Engenharia de Controle Moderno. 4ª edição, Ed. Prentice Hall do
Brasil, São Paulo.
UCHINO, K. e CROSS, E. L., 1980. “Eletrostriction and its Interrelation with Other
Anharmonic Properties of Materials”, Japanese Journal of Applied Physics, vol 19,
pp. 171-173.
YAO, G. Z., YAP, F. F., CHEN, G. et al, 2002. “MR Damper and its Application for
Semi-Active Control of Vehicle Suspension System”, Mechatronics, vol. 12, pp. 963-
973.
YU, M., CHOI, S. B., DONG, X. M. et al., 2009. “Fuzzy Neural Network Control for
Vehicle Stability Utilizing Magnetorheological Suspension System”, Journal of
Intelligent Material Systems and Structures, vol. 20, pp. 457-465.
80