Técnicas de controle para suspensão ativa: um

comparativo do desempenho dos controladores PID,

LQR e H∞
Backes I B1, Dutra D A A1, Horta Gutierrez J C1.
1 Universidade Federal de Minas Gerais, Programa de pós-graduação em engenharia mecânica.
* Autor correspondente: ihagobackes@gmail.com;

RESUMO: Neste trabalho foi avaliado o desempenho de diferentes controladores em um

modelo de um quarto de carro, na forma de espaço de estados com três saídas (deslocamento
do carro, deslocamento da suspensão e aceleração do carro) e duas entradas (perfil de pista e
força do atuador). Os controladores escolhidos são o PID, LQR e H∞, que funcionam por meio
de ganhos que realimentam o sistema. O modelo foi implementado no matlab para um perfil de
pista degrau 1cm. Os resultados foram obtidos para as três saídas e densidade espectral de
potência de frequência na aceleração. O controlador LQR teve, em geral, o melhor
desempenho, se destacando na redução do pico máximo de aceleração vertical do sistema em
53,33%. Os controladores PID e H∞ tiveram respostas similares analisando a questão de picos
de resposta, mas o controlador PID teve resposta em com pico em 8.62Hz, que fica fora da
região mais desconfortável ao ser humano de 1 a 5Hz (Mansifield, 2004) onde o H∞ apresenta
4.59Hz. Em uma implementação real, o PID é recomendado por já ser uma técnica amplamente
utilizada na indústria e com custo computacional inferior.

Palavras-chave: Suspensão, controle, PID, LQR, H∞

1. Introdução

A suspensão ativa é um sistema de molas, amortecedores, atuadores e um controlador.

Ela amortece vibrações causadas predominantemente pelo movimento do carro sobre uma
pista irregular, provendo conforto ao passageiro e ajudando a manter o contato roda-pista,
proporcionando melhor controle do carro. A suspensão ativa é caracterizada pela aplicação de
uma força extra ao sistema proveniente de atuadores, sejam eles pneumáticos ou hidráulicos.

Modelos de um quarto de carro de um ou dois graus de liberdade são amplamente

utilizados na indústria automobilística. Eles são ótimos para a previsão da dinâmica,
optimização e controle de veículos por causa de sua simplicidade e por conter informações
suficientes para estudos de dirigibilidade (Verro, 2005).

A suspensão ativa é feita para se obter uma performance melhor que a sua versão
passiva. Porém o que se deve considerar é se o custo computacional utilizado pela técnica
escolhida pode se tornar potencialmente uma desvantagem, visto que controladores como H∞
costumam ser computacionalmente dispendiosos. Além do custo energético envolvido na
operação do atuador (Gahndi et al, 2017)

Entre as técnicas de controle mais utilizadas para a suspensão ativa se encontram o PID
(Erol e Delibasi, 2016), LQR (Bharali e Garg, 2017) e H∞ (ghandi et al 2017). Sendo assim, o
objetivo deste trabalho é analisar a diferença entre três controladores baseados nas técnicas
expostas anteriormente, comparando o desempenho deles na redução de picos das saídas do
sistema, deslocamento da massa suspensa, da suspensão e aceleração da massa suspensa, que
são os parâmetros mais analisados se tratando da suspensão de carro e uma análise no
domínio da frequência da aceleração, pois esta interfere no conforto do passageiro.
2. Modelagem

É utilizado um modelo de 1/4 de carro de dois graus de liberdade, devido a sua

simplicidade e capacidade de representatividade da realidade (Verro, 2005). O modelo da
figura 1 é o que representa o sistema analisado no trabalho.

Figura 1 – Modelo de suspensão ¼ de carro.

Os parâmetros são M 2= 450 kg (massa suspensa), M 1= 40 kg (massa não suspensa), K 2=

160 KN/m (constante elástica da mola da suspensão), K 1= 30 KN/m (constante elástica da
roda) e B2= 1.2 KNs/m (constante de amortecimento da suspensão) e x 0(entrada da pista), u
(força do atuador), x 2 (posição da massa suspensa) e x 1(posição da massa não suspensa). As
equações para o movimento das massas suspensa e não suspensa são respectivamente a 1 e 2
abaixo:

M 2 x́ 2 + K 2 ( x2 − x 1 ) +B 2 ( x́ 2 − x́ 1) + u=0
(1)

M 1 x́ 1 + K 2 ( x 1 − x 2 ) +B 2 ( x́ 1 − x́ 2) + K 1 ( x 1 − x 0 ) − u=0
(2)

Dessas equações se desenvolve até chegar no espaço de estados representado por [ h1 ,

h2 , h3 , h4= [ x 2 , x́2 , x1 , x́1 ] . Neste sistema tem-se a o distúrbio da pista (W = x 0), a força do atuador
(U = u), e as saídas são o deslocamento do veículo ( x 2), deslocamento da suspensão ( sd ) e
aceleração vertical do carro (a 2), como mostram as equações 3 e 4 a seguir:

(3)

(4)

3. Projeto de controladores

3.1 Controlador PID

 O controlador PID (proporcional-integrativo-derivativo) funciona por meio da
realimentação do sistema por meio de uma de suas saídas e usando três tipos de ganhos
adimensionais, k p , k i e k d, sendo respectivamente um fator proporcional, integrativo e um
derivativo. Esses ganhos podem ter seus valores ajustados com o fim de melhorar a resposta do
sistema a um valor desejável (Ahmed, 2015).

Ziegler-Nichols desenvolveram regras para estabelecer os valores de k p , k i e k d. Primeiro,

deve-se estabelecer k i e k d igualmente a zero, depois aumentar k p , até o valor crítico k c, no
qual a resposta exibirá uma oscilação sustentada pela primeira vez. Para esse valor de k cr
existirá um período de onda Pcr . Os valores dos parâmetros do controlador PID podem ser
calculados com esses dois valores k cr e Pcr , sendo eles [k p , k i e k d.]= [0,6k cr , 0,5 P cr , 0,125 P cr]
(Ogata, 2011). O controlador foi projetado por meio da saída x́ 2 com valores de k cr =
41,16; Pcr = 69.16; k p =24.7; k i =34.58 e k d=8.67 .

3.2 Controlador LQR

O controlador LQR (linear quadratic regulator) provê um sistema metódico para

computar o controle por espaço de estados. O controle LQR pode ser aplicado em modelos
lineares considerando perturbações ou não. O projeto do controlador LQR começa com a
representação de um sistema variante no tempo das seguinte expressões 5 e 6 (Bharali e
Garga, 2017).

x́= Ax+ Bu+ Bw

(5)

y=Cx + Dy+ Dw
(6)

Para controlar esse sistema, é necessária uma força U que é encontrado pela seguinte
expressão 7.

U(t) = -Kx(t)
(7)

O processo de optimização prossegue com a determinação as matrizes R e Q, que

minimizam a função de custo J, equação 8.

t
J = 1/2 ∫ ( x t Qx+u t Ru ) dt
0
(8)

Em que K é representado pela equação 9.

K = R− 1 BT P
(9)

E P satisfaz a equação de matriz reduzida 10 a seguir.

AT P+ PA − PB R−1 B T P+Q=0
(10)
 De maneira prática, R e Q são definidos como matrizes diagonais de valores não tão
altos, em que para um valor fixo de R uma diminuição de Q aumenta o tempo de transição e o
overshoot, e diminui o erro do sistema e o tempo de subida do sinal. O método geralmente
utilizado para a sua escolha é tentativa e erro por meio de simulação, recomendando-se
começar com valores de R para 1 e Q = C’*C (Rao e Kumar, 2015). Neste trabalho os valores
utilizados de R, Q e K estão apresentados abaixo

3.3 Controlador H∞.

A técnica de controle H∞ (h – infinito) geralmente é aplicada em sistemas lineares MIMO

(múltipla entrada e múltiplas saídas). Esse controlador é considerado robusto, pouco afetado
pelo ruído do ambiente e incertezas do sistema. O sistema básico do loop H∞ consiste numa
planta do sistema (o espaço de estados), um distúrbio do sistema (a variação do perfil da pista),
os parâmetros a serem minimizados (aceleração do veículo e deslocamento da suspensão) e o
sinal do sistema analisado e ajustado para a realimentação (a força do atuador) (Yu et al,
2018).

Para este estudo é usado o comando hinfsyn do software matlab para a sintetização do
controlador h-8 como feito por Yu et al (2018), cuja a planta é o espaço de estados mencionado
na seção 2 (modelagem). A figura 3 representa o modelo utilizado no estudo.

Figura 3 – Modelo de blocos controlador h-8

Os pesos W sd ,W ac e W act modulam as altas frequências e os pesos W d 2 , W d 3 e W road

escalam os distúrbios do sistema. Seus valores foram calculados seguindo os métodos de Piché
e Pohjolainen (1991) e são apresentados a seguir:

0.002 s+ 0.016 0.0231 s +3.47

W road =0.7 ; W d 2=0.01 ; W d 3=0.5; W sd = ; W a2= ;
0.005 s+ 0.04 0.89 s +0.4

s +50
W act = ;
s +500

4. Resultados

Os resultados foram obtidos por meio de programação no software matlab, simulando o

sistema frente a um degrau de 1 cm. Deve-se considerar que os ganhos escolhidos para os três
controladores não sofreram processos de sintonização fina para este trabalho, ou seja, não
foram projetados para chegar em certo patamar específico de reposta, mas foram os obtidos
com as técnicas utilizadas neste trabalho e todos produzem resultados satisfatórios (diminuir
picos de resposta). Logo, uma possível vantagem de um controlador sobre o outro pode ser
alterada por um processo de seleção de ganhos diferentes, levando em conta que há outros
processos para escolha de ganhos do PID, além do método de Ziegler-Nichols (Ogata, 2008), e
uma gama de valores para as matrizes R e Q do LQR e de pesos para o H∞ que alteram as
respostas do sistema de suspensão ativa controlado por eles e também produzem resultados
satisfatórios. Porém, para esses valores de ganho, tem-se os resultados deste trabalho. Todos
os controladores tiveram uma redução do pico máximo de saída e eles estão apresentados na
tabela 1.

Tabela 1 – Tabela de redução de picos máximos de saída

Controlado x2 sd a2
r
PID -16,76% -36,39% -7,45%
LQR -19,88% -38.43% -53,33%
H∞ -18.17% -34,56% -11,82

Considerando picos máximos de respostas, os três controladores têm uma redução

parecida das saídas, exceto para a aceleração da massa suspensa, onde o LQR oferece uma
redução de pico significativa maior de 53,33%. Em relação as respostas, o controlador LQR
tem a resposta mais amortecida, seguido pelo H∞ e depois o PID. Os controladores LQR e PID
chegam ao regime estacionário mais rápido e tem um tempo de subida menor.

Isso pode ser observado nas figuras 4 e 5, que mostram os gráficos das saídas do sistema
(deslocamento da massa suspensa, suspensão e aceleração da massa suspensa) e da resposta
em frequência para cada tipo de controlador.

Figura 4 – Gráficos de deslocamento do veículo e da suspensão

 Figura 5 – Gráficos de aceleração da massa suspensa e resposta em frequência da aceleração

Com relação ao gráfico de densidade espectral de potência de resposta em frequência da

aceleração, pode-se ver que o sistema passivo tem um pico de aceleração em baixa frequência
em 7.58Hz, o PID em 8.62Hz, o LQR em 7.82Hz e o H∞ em 4.59Hz. Esses picos representam as
faixas de frequência onde a aceleração é amplificada, sendo a amplificação maior com o
aumento do pico. Segundo Mansifield (2004), é importante evitar picos entre 1 a 5Hz se
possível, para melhorar o conforto do passageiro, já que essas frequências muitas vezes podem
causar mal-estar e enjoo, principalmente em 5Hz. Dessa forma o controlador H∞ é o que
amplifica menos a aceleração, mas ele faz isso em uma frequência pouco desejada. Os sistemas
passivo e controlados por PID e LQR estão fora dessa faixa, sendo o pico menos amplificado o
LQR e o mais, o sistema passivo.

Em questão de implementação real e usabilidade, o controle PID tem a vantagem de,

dentre as técnicas utilizadas, ser a mais amplamente usada na indústria. Os controles PID e
LQR também são computacionalmente menos dispendiosos que o controle H∞ (Ghandi et al,
2017), assim exigem menos capacidade do circuito eletrônico da suspensão em uma
implementação real, além do tempo de resposta menor mostrado na simulação.

5. Conclusões
De acordo com os resultados, em relação as saídas analisadas, todos os controladores
obtiveram redução dos picos de respostas, mas o controle LQR se destaca com uma redução
mais expressiva na aceleração da massa suspensa de 53,33% contra 7,45% do PID e 11,82% do
H∞. O controle H∞ teve mais estabilidade nas respostas das saídas, ao contrário do LQR e PID
que são mais rápidos e tendem a oscilar mais antes de chegar ao regime estacionário. O PID
teve desempenho satisfatório e é a técnica mais utilizada na indústria devido ao sua
simplicidade e custo computacional, logo a mais fácil de implementar em um caso real. De
maneira geral, analisando redução de picos de resposta das saídas e posição dos picos na
resposta em frequência, o LQR é a opção com melhor desempenho, seguido pelo PID,
considerando problemas de conforto ligados a posição do pico em 4.59 Hz do controle H∞. Em
questão de implementação o PID é o mais recomendável avaliando a praticidade.

6. Referências
Ahmed, A., Ali, A.,Gahzaly,N.,El-Jaber,G., “PID Controller of Active Suspension for a quarter-
car model”, Intern Journal of Adv in Eng & Tech, (8) pp. 899-909, 2015.

Bharali,J.;Garg,N.,"Efficient Ride Quality and Road Holding Improvement for Active Suspension
System" 14th INDICON, 2017.

Erol,B.;Delibasi,A., "Proportional-integral-derivative type h-8 controler for quarter car active

suspenion system". J. of vib and control 24(10), 2016.
 Gandhi,P.;Adarsh,S.;Ramachandran,K.,"Performance Analysis of Half Car Suspenion Model
with 4 DOF using PID, LQR, FUZZY and ANFIS controllers" Procedia Computer Science 115, 2-
13, 2017.

Mansifield. N.,“Human Response to Vibration”, London: CRC Press, 2004.

Ogata, K. “Engenharia de controle moderno”. 5ed. São Paulo: Pearson, 2011.

Piché,R.,Pohjolainen,S.,"Design of Robust Controllers for Position Servos Using H-Infinity

Theory", j. of sys and control eng, 205(49), 299-306, 1991.

Rao,D.;Kumar,S.;"Modeling and Simulation of Quarter Car Semi Active Suspension System

Using LQR Controller" 3th FICTA, 2014.

Verros, G., Natisiavas, S., Papadimitriou, C., “Design Optimization of Quarter-Car Models with
Passive and Semi-active Suspensions under Random Road Excitation”, J. of control and vib,
11(5), pp. 581-606, 2005.

Yu,M.;Evangelou,A.,Dini,D."Control Design for a Quarter Car Test Rig with Parallel Active Link
Suspension" Annual American Control Conference 2018.

Powered by TCPDF (www.tcpdf.org)