Slides - Apresentação TCC

Desenvolvimento de um Algoritmo Utilizando
os Métodos de Newton-Raphson e de
Levenberg-Marquardt para a Sintonia de
Controladores PID com Base em Critérios de
Desempenho
Rafael Silva Nogueira Pacheco

Orientador: Prof. Me. Gislan Silveira Santos
Instituto Federal de Educação, Ciência e Tecnologia da Bahia
15 de dezembro de 2022
Vitória da Conquista, BA
Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 1 / 60

Introdução

Objetivos
I Definir analiticamente funções de desempenho a partir de critérios sobre

a curva de resposta ao degrau de um sistema;
I Realizar o desenvolvimento algébrico necessário para a implementação

dos métodos iterativos de Newton-Raphson e de Levenberg-Marquardt
nas equações das funções de desempenho;
I Formular um algoritmo que retorne os parâmetros do controlador sin-

tonizados recebendo os dados do processo e os critérios de desempenho
desejados como argumentos;
I Demonstrar a aplicabilidade, as vantagens e as desvantagens do algoritmo

com testes em funções de transferência de diferentes ordens.

Motivação
I LEE, Chia-Ling; PENG, Chao-Chung. Analytic Time Domain Specifications

PID Controller Design for a Class of 2nd Order Linear Systems: A Genetic
Algorithm Method. IEEE Access, Vol. 9, p. 99266-99275, 2021.
I LEE, Chia-Ling; PENG, Chao-Chung. Performance Demands based Servo Mo-

tor Speed Control: A Genetic Algorithm Proportional-Integral Control Param-
eters Design. International Symposium on Computer, Consumer and Control
(IS3C), p. 469-472, 2020.
I HORNG, Huey-Yang. Design of the Second-Order Controller by Time-Domain

Objective Functions Using Cuckoo Search. In: DEL SER, Javier; VILLAR, Es-
ther; OSABA, Eneko. Swarm Intelligence - Recent Advances, New Perspectives
and Applications. London: IntechOpen, 2019. p. 101-113.

Tópicos
1 Modelos Matemáticos de Sistemas
2 Controle PID
3 Métodos de Resolução de Sistemas de Equações Não Lineares
4 Metodologia
5 Resultados
6 Conclusão

Modelos Matemáticos de Sistemas

Sistema Fı́sico
Leis Fı́sicas
I Circuito RLC série

Modelo
R L
Transformada de Laplace
Função de Transferência
v(t) + C
−
Decomposição por frações parciais
Resposta no domı́nio
da frequência i(t)
Transformada inversa de Laplace
Resposta no
domı́nio do tempo

Sistema Fı́sico
Leis Fı́sicas
Modelo
Transformada de Laplace I Equação diferencial do circuito RLC

d2 i(t) di(t) 1 dv(t)
L 2
+R + i(t) =
Decomposição por frações parciais dt dt C dt
da frequência
Resposta no
domı́nio do tempo

Sistema Fı́sico
Leis Fı́sicas
Modelo
Transformada de Laplace I Função de transferência do circuito RLC

I(s) (1/L)s
H(s) = = 2
Decomposição por frações parciais V (s) s + (R/L)s + 1/LC
da frequência
Resposta no
domı́nio do tempo

Sistema Fı́sico
Leis Fı́sicas
Modelo
Transformada de Laplace I Corrente de saı́da do circuito RLC no

domı́nio da frequência
r1 r2
I 0 (s) = H(s)V 0 (s) = + + If (s)
Decomposição por frações parciais s − p1 s − p2
da frequência
Resposta no
domı́nio do tempo

Sistema Fı́sico
Leis Fı́sicas
Modelo
Transformada de Laplace I Corrente de saı́da do circuito RLC no

domı́nio do tempo
i0 (t) = (r1 ep1 t + r2 ep2 t )u(t) + if (t)
| {z } | {z }
Decomposição por frações parciais resposta natural resposta forçada
da frequência
Resposta no
domı́nio do tempo

Resposta de Sistemas LTI
I Função de transferência de sistemas LTI do tipo SISO
Y (s) b0 sm + b1 sm−1 + · · · + bm−1 s + bm

H(s) = = n (1)
X(s) s + a1 sn−1 + a2 sn−2 + · · · + an−1 s + an
X(s) é o sinal de entrada e Y (s) é o sinal de saı́da.
I Forma genérica para a resposta do sistema
y(t) = (r1 ep1 t + · · · + rn epn t )u(t) + yf (t) (2)

| {z } | {z }
resposta natural resposta forçada
r1 , . . . , rm são os resı́duos de H(s), e p1 , . . . , pn são os polos de H(s).

Controle PID

Sistemas de Controle em Malha Aberta
I Gera diretamente a saı́da em resposta a um sinal de entrada;
I Alta sensibilidade, baixa robustez, nenhuma regulação;
I Diagrama de blocos de um sistema de controle em malha aberta:
Perturbação
Entrada de Sinal de
referência controle + Saı́da
Controlador + Processo

Sistemas de Controle em Malha Fechada
I Realimentação o sinal de saı́da para gerar ações de correção;
I Baixa sensibilidade, alta robustez, boa regulação;
I Diagrama de blocos de um sistema de controle em malha aberta:
Perturbação
Entrada de Sinal Sinal de
referência de erro controle + Saı́da
+
−
Controlador + Processo
Sensor

Sistemas de Controle em Malha Fechada
R(s) E(s) X(s) Y (s)

+ Gc (s) G(s)
−
I Ganho de malha fechada
Y (s) Gc (s)G(s)
H(s) = = (3)
R(s) 1 + Gc (s)G(s)

Critérios de Desempenho no Domı́nio do Tempo
I Tempo de subida (tr ): tempo que o sistema leva para atingir o
valor de referência.
y(tr ) = 1 (4)

I Tempo de pico (tp ): instante em que a resposta atinge seu valor
máximo.
y 0 (tp ) = 0 (5)

I Ultrapassagem percentual (Mp ): também chamada de overshoot,
é o valor pelo qual a forma de onda ultrapassa o valor em regime
permanente no tempo de pico.
Mp = (y(tp ) − 1) × 100% (6)

I Tempo de assentamento (ts ): tempo necessário para os tran-
sitórios do sistema terminarem.
α
y(ts ) = 1 ± (7)
100%

I Funções de desempenho
ftr = y(tr ) − 1



f = y 0 (tp )


 tp


Mp (8)
fmp = y(tp ) − 1 +


 100
 f = y(t ) − 1 ± α



ts s
100

Controlador PID
I Função de transferência do controlador PID
X(s) KI
Gc (s) = = KP + + KD s (9)
E(s) s
Gc (s)
KP
R(s) KI + Y (s)
+ + G(s)
− s +
KD s

Controlador PID
I Efeitos do aumento de cada coeficiente do controlador PID na
resposta do sistema
Parâmetro KP KI KD
Tempo de subida ↓ ↓ ↓
Tempo de pico ↓ - ↓
Ultrapassagem
↑ ↑ ↓
percentual
Tempo de
↑ ↑ ↓
assentamento
Erro de estado
↓ Elimina -
estacionário
Melhora
Estabilidade Degrada Degrada para KD
pequeno

Controlador PID
I Comparação entre os diferentes tipos de controle em um mesmo
processo.

Funções de Desempenho do Controle PID
I Processo de ordem n
b1 sn−1 + · · · + bn−1 s + bn
G(s) = (10)
sn + a1 sn−1 + · · · + an−1 s + an
I Função de transferência do controlador PID

KI
Gc (s) = KP + + KD s (11)
s
I Ganho de malha fechada
n+1
X
(KP bk + KI bk−1 + KD bk+1 )sn+1−k
k=0
H(s) = n+1
(12)
X
n+1−k
(ak + KP bk + KI bk−1 + KD bk+1 )s
k=0

Funções de Desempenho do Controle PID
I Resposta ao degrau
n+1
X
y(t) = 1 + rk epk t (13)
k=1
I Funções de desempenho

n+1
X

f (K , K , K ) = rk epk tr =0

tr P I D





 k=1



 n+1
X
rk pk epk tp



 ftp (KP , KI , KD ) = =0

k=1
n+1
(14)
 X Mp
rk epk tp −


fmp (KP , KI , KD ) = =0
100



 k=1


 n+1

 X α
f (K , K , K ) = rk epk ts ∓ = 0.

ts P I D

100


k=1

Métodos de Resolução de Sistemas de
Equações Não Lineares

Sistema de Equações Não Lineares
I Formas de representação:

f (x , . . . , xn ) = 0
 1 1


.. ⇐⇒ F(x) = 0,
 .

f (x , . . . , x ) = 0
m 1 n
onde F = (f1 , . . . , fm ) e x = (x1 , . . . , xn ).
I Métodos Iterativos de Resolução
x(k+1) = G(x(k) )

Método de Newton-Raphson
I Regra de atualização para uma única variável
f (x(k) )
x(k+1) = x(k) − (15)
f 0 (x(k) )

f (x(k) )
x(k+1) = x(k) − (15)
f 0 (x(k) )

f (x(k) )
x(k+1) = x(k) − (15)
f 0 (x(k) )

I Generalização para sistemas de equações:
h i−1
x(k+1) = x(k) − JF x(k) F x(k) (16)
em que JF (x) é a matriz jacobiana definida por
∂f1 ∂f1
 
···
 ∂x1 ∂xn 
 . .. .. 
 ..
JF (x) =  . . . (17)

 ∂f ∂fn 
n
···
∂x1 ∂xn
I Vantagens I Desvantagens
1. Convergência 1. Necessidade de calcular a matriz inversa;
rápida. 2. Diverge se o ponto inicial estiver distante
de uma solução.
Método de Levenberg-Marquardt
I Minimização de uma função objetivo
1
minn S(x) = minn ||F(x0 ) + JF (x0 )(x − x0 )||2 (18)
x∈R x∈R 2
I Regra de atualização
T −1 T
x(k+1) = x(k) − JF x(k) JF x(k) + λk In JF x(k) F x(k) (19)
em que λk é o parâmetro de damping.
I Vantagens
1. Método mais robusto;
2. Pode convergir mesmo se o ponto inicial estiver distante de uma
solução.
I Desvantagens
1. Convergência lenta.
Metodologia

Jacobiano das Funções de Desempenho
I O objetivo é encontrar KP , KI e KD que resolva o sistema

n+1
X

f (K , K , K ) = rk epk tr =0

tr P I D





 k=1



 n+1
X
rk pk epk tp

 f (K , K , K ) = =0
 tp P I D


k=1
n+1
 X Mp
rk epk tp −


 fmp (KP , KI , KD ) = =0
100



 k=1


 n+1

 X α
f (K , K , K ) = rk epk ts ∓ = 0.

 ts P I D

100

k=1
I A implementação dos métodos de Newton-Raphson e de Levenberg-

Marquardt exige o cálculo do jacobiano das funções com relação
às variáveis de interesse.
Regra da cadeia para funções vetoriais
JF (K) = JF (P)JP (K) + JF (R)JR (K) (20)
I F é o vetor de funções de desempenho;
I K é o vetor de coeficientes do controlador;
I P é o vetor de polos;
I R é o vetor de resı́duos.

Determinação dos Polos e Resı́duos
I Análise dos coeficientes da resposta ao degrau
n+1
X
rj Nj (s) + D(s)
r1 rn+1 1 j=1
Y (s) = + ··· + + =
s − p1 s − pn+1 s sD(s)
Desenvolvimento do polinômio do denominador
D(s) = (s − p1 )(s − p2 ) · · · (s − pn+1 )

= sn+1 − e1 sn + e2 sn−1 − · · · + (−1)n en s + (−1)n+1 en+1
Polinômio Simétrico Elementar
z }| X {
ek = ek (p1 , . . . , pn+1 ) = pj1 · · · pjk (21)
1≤j1 <···<jk ≤n+1

I Análise dos coeficientes da resposta ao degrau
n+1
X
rj Nj (s) + D(s)
r1 rn+1 1 j=1
Y (s) = + ··· + + =
s − p1 s − pn+1 s sD(s)
Desenvolvimento do polinômio do numerador
Nj (s) = s(s − p1 ) · · · (s − pj−1 )(s − pj+1 ) · · · (s − pn+1 )

(j) (j) (j)
= sn+1 − e1 sn + e2 sn−1 − · · · + (−1)n e(j)
n s + (−1)
n+1
en+1
Derivada do Polinômio Simétrico Elementar
z }| {
(j) ∂ek
ek−1 = ek−1 (p1 , . . . , pj−1 , pj+1 , . . . , pn+1 ) = (22)
∂pj

I Equações que relacionam os polos com os coeficientes do controlador
n+1
X n+1
X
D(s) = (−1)k ek sn+1−k = (ak + KP bk + KI bk−1 + KD bk+1 )sn+1−k
k=0 k=0
w
w
w

e1 = −(a1 + b1 KP + b0 KI + b2 KD )



e2 = a2 + b2 KP + b1 KI + b3 KD



.. (23)



 .
en+1 = (−1)n+1 (an+1 + bn+1 KP + bn−1 KI + bn+2 KD )

I Os polos podem ser determinados calculando-se as raı́zes de D(s) por algum

método numérico. Ex: função ROOTS do MATLAB

 
n+1 n+1
(j)
X X
N (s) =  (−1)k ek rj + ak + bk KP + bk−1 KI + bk+1 KD  sn+1−k
k=0 j=1
n+1
X
= (bk KP + bk−1 KI + bk+1 KD )sn+1−k
k=0
w
w
w

−1 
1 ··· 1
   
r1 −a0
  e(1)
r2 ···
(n+1) 
e1  a1 
  1
 =  ..
   
 .. .. ..   .. 
 .
  . . .   . 
(1) (n+1) n+1
rn+1 en ··· en (−1) an
~
w
w

R = [Je (P)]−1 A (24)

I Derivadas das funções com relação aos polos:
   
∂ftr
r1 tr ep1 tr ··· rn+1 tr epn+1 tr
 ∂P  
   

 ∂ftp  
   
p1 tp
··· (rn+1 + rn+1 pn+1 tp )epn+1 tp 

 ∂P  (r1 + r1 p1 tp )e
  
= (25)

 
 ∂fmp   
  
 ∂P   r1 tp ep1 tp ··· rn+1 tp e pn+1 tp 

   
 ∂f   
ts
r1 ts ep1 ts ··· rn+1 ts e pn+1 ts
∂P
I JF (P) será formada pelas linhas dessa matriz, conforme os critérios escolhidos.

I Derivadas das funções com relação aos resı́duos:
   
∂ftr
  ep1 tr ··· epn+1 tr
 ∂R  
 

 ∂ftp   p1 tp
   
··· pn+1 epn+1 tp 

 ∂R  p1 e
  
= , (26)


 ∂fmp   
  p1 tp ··· pn+1 tp
 ∂R   e e
 

   
 ∂f   
ts
e p1 ts ··· e pn+1 ts
∂R
I JF (R) será formada pelas linhas dessa matriz, conforme os critérios escolhidos.

Jacobiano dos Polos
e1 = −(a1 + b1 KP + b0 KI + b2 KD )



e2 = a2 + b2 KP + b1 KI + b3 KD



..



 .

w
w
∂/∂KP w
∂e1 ∂e1 ∂p1 ∂e1 ∂pn+1



 = + ··· + = −b1


 ∂KP ∂p1 ∂KP ∂pn+1 ∂KP

∂e2 ∂e2 ∂p1 ∂e2 ∂pn+1


= + ··· + = b2



∂KP ∂p1 ∂KP ∂pn+1 ∂KP

 .. ..



 . .

 ∂e ∂en+1 ∂p1 ∂en+1 ∂pn+1
 n+1 = (−1)n+1 bn+1 .

 = + ··· +
∂KP ∂p1 ∂KP ∂pn+1 ∂KP

Jacobiano dos Polos
e1 = −(a1 + b1 KP + b0 KI + b2 KD )



e2 = a2 + b2 KP + b1 KI + b3 KD



..



 .

w
w
∂/∂KI w
∂e1 ∂e1 ∂p1 ∂e1 ∂pn+1



 = + ··· + = −b0


 ∂KI ∂p1 ∂KI ∂pn+1 ∂KI

∂e2 ∂e2 ∂p1 ∂e2 ∂pn+1


= + ··· + = b1



∂KI ∂p1 ∂KI ∂pn+1 ∂KI

 .. ..



 . .

 ∂e ∂en+1 ∂p1 ∂en+1 ∂pn+1
 n+1 = = (−1)n+1 bn .

 + ··· +
∂KI ∂p1 ∂KI ∂pn+1 ∂KI

Jacobiano dos Polos
e1 = −(a1 + b1 KP + b0 KI + b2 KD )



e2 = a2 + b2 KP + b1 KI + b3 KD



..



 .

w
w
∂/∂KD w
∂e1 ∂e1 ∂p1 ∂e1 ∂pn+1



 = + ··· + = −b2


 ∂KD ∂p1 ∂KD ∂pn+1 ∂KD

∂e2 ∂e2 ∂p1 ∂e2 ∂pn+1


= + ··· + = b3



∂KD ∂p1 ∂KD ∂pn+1 ∂KD

 .. ..



 . .

 ∂e ∂en+1 ∂p1 ∂en+1 ∂pn+1
 n+1 = (−1)n+1 bn+2 .

 = + ··· +
∂KD ∂p1 ∂KD ∂pn+1 ∂KD

Jacobiano dos Polos
I Escrevendo o sistema na forma vetorial e isolando o jacobiano dos

polos:
JP (K) = [Je (P)]−1 B (27)
em que
 
−b1 −b0 −b2
 b2  b1 b3
B= .
 
.. .. ..
 .  . .
n+1 n+1 n+1
(−1) bn+1 (−1) bn (−1) bn+2

Jacobiano dos Resı́duos
∂/∂KP ∂R ∂Je (P)
R = [Je (P)]−1 A =⇒ = − [Je (P)]−1 R
∂KP ∂KP
Derivada de Je (K)
T
∂Je (P) ∂P ∂P
= He1 (P) ··· Hen+1 (P)
∂KP ∂KP ∂KP
I Matriz Hessiana
(1,2) (1,n+1)
 
0 ek−2 ··· ek−2
 (2,1) (2,n+1) 
 ek−2 0 ··· ek−2 
Hek (P) =  (28)
 
.. .. .. .. 

 . . . .


(n+1,1) (n+1,2)
ek−2 ek−2 ··· 0
Segunda Derivada do Polinômio Simétrico Elementar

z }|
( {
∂2e k ∂ (j) 0, se k = 1 ou i = j
= ek−1 = (j,i) (29)
∂pi ∂pj ∂pi ek−2 , c.c.

Jacobiano dos Resı́duos
 T
 ∂Je (P) ∂P ∂P

 = He1 (P) · · · Hen+1 (P)
∂KP ∂KP ∂KP







 T
∂Je (P) ∂P ∂P

= He1 (P) · · · Hen+1 (P)


 ∂KI ∂KI ∂KI



 T

 ∂Je (P) ∂P ∂P
= He1 (P) · · · Hen+1 (P) ,


∂KD

∂KD ∂KD
I Expressão para o jacobiano dos resı́duos:

∂Je (P) −1 ∂Je (P) −1 ∂Je (P)
JR (K) = − [Je (P)]−1 R − [Je (P)] R − [Je (P)] R . (30)
∂KP ∂KI ∂KD

Inı́cio
Entrada: G(s), tr , tp , Mp , ts , α, , Nmax , K, Método
n = ordem de G(s)
Inicializar ai e bi , para i = 0, . . . , n + 1
Inicializar A e B
k=0
K = K − JF (K)T JF (K) + λk I3
−1
JF (K)T F(K)
n+1
!
P = raı́zes de
X
[ai + bi K(1) + bi−1 K(2) + bi+1 K(3)]sn+1−i k =k+1 λk = F(K)T F(K)
i=0
LM
−1 NR
Computar Je (P) K = K − [JF (K)] F(K) Método?
R = [Je (P)]−1 A
JF (K) = JF (P)JP (K) + JF (R)JR (K)
Computar F(K) = (f1 (K), f2 (K), f3 (K)),
onde f1 , f2 e f3 são as funções de desem-
penho correspondentes aos critérios recebidos Computar JF (P), JP (K), JF (R) e JR (K)
Não Não
||F(K)|| < ? k == Nmax ? Computar He1 (P), . . . , Hen+1 (P)
Sim Sim
Saı́da: ’Limite de
Saı́da: K
iterações atingido’
Fim

Resultados

Primeiro Caso: Sistema de Primeira Ordem
I Função de transferência:
1
G(s) = (31)
s+1
I Combinações de critérios:
1. Tempo de subida e tempo de assentamento;
2. Tempo de pico e ultrapassagem percentual;
3. Tempo de pico e tempo de assentamento.
I Tolerância: = 10−3 ;
I Número máximo de iterações: Nmax = 104 ;
I Margem do tempo de assentamento: α = 2%.

I Caminho traçado pelo algoritmo nos métodos NR e LM

I Curvas de resposta ao degrau alcançadas conforme a sintonia do algoritmo

I Pontos de convergência para valores distintos dos critérios de desempenho

em cada combinação

Segundo Caso: Sistema de Segunda Ordem
1
G(s) = (32)
s2 + 2s + 2
1. Tempo de subida, tempo de pico e ultrapassagem percentual;
2. Tempo de subida, tempo de pico e tempo de assentamento;
3. Tempo de pico, ultrapassagem percentual e tempo de assentamento.
I Número máximo de iterações: Nmax = 200;

Newton-Raphson Newton-Raphson Newton-Raphson
Levenberg-Marquardt Levenberg-Marquardt Levenberg-Marquardt
Testes bem sucedidos Ponto inicial Passo do algoritmo Ponto de convergência

Testes com falha Ponto inicial Passo do algoritmo



Terceiro Caso: Sistema de Quarta Ordem
s + 2,5
G(s) = (33)
(s + 1)(s + 2)(s + 3)(s + 4)
1. Tempo de subida, tempo de pico e ultrapassagem percentual;
2. Tempo de subida, tempo de pico e tempo de assentamento;
3. Tempo de pico, ultrapassagem percentual e tempo de assentamento.
I Número máximo de iterações: Nmax = 200;

Newton-Raphson Newton-Raphson Newton-Raphson
Levenberg-Marquardt Levenberg-Marquardt Levenberg-Marquardt
Testes bem sucedidos Ponto inicial Passo do algoritmo Ponto de convergência

Testes com falha Ponto inicial Passo do algoritmo



Conclusão

Conclusão
I Propostas de trabalhos futuros

1. Encontrar uma forma de direcionar os passos iterativos do algoritmo
para soluções que atendam corretamente aos critérios;
2. Explorar a aplicação de métodos numéricos voltados para resolução
de sistemas sobredeterminados;
3. Buscar adaptações no algoritmo para problemas mal escalados;
4. Utilizar modelos de redução de ordem para reduzir a quantidade de
cálculos realizados durante a execução do programa.

Referências Bibliográficas
1. FRANKLIN, Gene F.; POWELL, J. David; EMAMI-NAEINI, Abbas. Sistemas de Controle para
Engenharia. 6. ed. Porto Alegre: Bookman, 2013.
2. ÅSTRÖM, K.; HÄGGLUND, T. PID Controllers: Theory, Design, and Tuning. 2. ed. Research
Triangle Park, NC: Instrument Society of America, 1995.
3. JELALI, Mohieddine. Control Performance Management in Industrial Automation: Assessment,
Diagnosis and Improvement of Control Loop Performance. 3. ed. London: Springer, 2013.
4. O’DWYER, Aidan. Handbook of PI and PID Controller Tuning Rules. 3. ed. London: Imperial
College Press, 2009.
5. LEVINE, William S. The Control Handbook: Control System Fundamentals. 2. ed. College Park,
MD: CRC Press, 2011.
6. ZIEGLER, J. G.; NICHOLS, N. B. Optimum Settings for Automatic Controllers. Transactions of
the ASME, Vol. 64, p. 759–768, 1942.
7. ÅSTRÖM, K.; HÄGGLUND, T. The future of PID control. Control Engineering Practice, Vol. 9,
p. 1163-1175, 2001.
8. BORASE, Rakesh P.; MAGHADE, D. K.; SONDKAR, S. Y.; PAWAR, S. N. A review of PID
control, tuning methods and applications. International Journal of Dynamics and Control, Vol. 9,
p. 818-827, 2021.
9. MANN, G. K. I.; HU, B. -G.; GOSINE, R. G. Time domain based design and analysis of new PID
tuning rules. IEE Proceedings - Control Theory and Applications, Vol. 148, N. 3, p. 251-261, 2001.
10. SAHRAIAN, Masood; KODIYALAM, Srinivas. Tuning PID Controllers Using Error-Integral
Criteria and Numerical Optimization. American Institute of Aeronautics and Astronautics Meeting
Papers on Disc, p. 237-246, 1996.
11. ŽÁN, Vilém; KUBÍČEK, Karel; ČECH, Martin. Design of robust PI controller by combining
robustness regions with time-domain criteria. IEEE 27th International Conference on Emerging
Technologies and Factory Automation (ETFA), p. 1-8, 2022.
12. RAD, A. Besharati; LO, Wai Lun; TSANG, K. M. Self-Tuning PID Controller Using New-
ton–Raphson Search Method. IEEE Transactions on Industrial Electronics, Vol. 44, N. 5, p.
717-725, 1997.
13. ÅSTRÖM, K.; PANAGOPOULOS, H.; HÄGGLUND, T. Design of PI Controllers based on Non-
Convex Optimization. Automatica, Vol. 34, N. 5, p. 585-601, 1998.
14. EL-HAMID, Ahmed S. Abd; EISSA, Ahmed H.; RADWAN, Aly M. Levenberg-Marquardt’s Al-
gorithm used for PID Controller Parameters Optimization. International Journal of Engineering
Research, Vol. 4, N. 6, p. 286-290, 2015.
15. BAZANELLA, Alexandre Sanfelice; CAMPESTRINI, Lucı́ola; ECKHARD, Diego. Data-Driven
Controller Design: The H2 Approach. [S.l.]: Springer, 2012.
16. HO, Ming-Tzu. Synthesis of H∞ PID controllers: A parametric approach. Automatica, Vol. 39,
p. 1069-1075, 2003.
17. KIM, Tae-Hyoung; MARUTA, Ichiro; SUGIE, Toshiharu. Robust PID controller tuning based on
the constrained particle swarm optimization. Automatica, Vol. 44, p. 1104-1110, 2008.
18. LEE, Chia-Ling; PENG, Chao-Chung. Analytic Time Domain Specifications PID Controller Design
for a Class of 2nd Order Linear Systems: A Genetic Algorithm Method. IEEE Access, Vol. 9, p.
99266-99275, 2021.
19. LEE, Chia-Ling; PENG, Chao-Chung. Performance Demands based Servo Motor Speed Control:
A Genetic Algorithm Proportional-Integral Control Parameters Design. International Symposium
on Computer, Consumer and Control (IS3C), p. 469-472, 2020.
20. HORNG, Huey-Yang. Design of the Second-Order Controller by Time-Domain Objective Functions
Using Cuckoo Search. In: DEL SER, Javier; VILLAR, Esther; OSABA, Eneko. Swarm Intelligence
- Recent Advances, New Perspectives and Applications. London: IntechOpen, 2019. p. 101-113.
21. HAYKIN, Simon; VAN VEEN, Barry. Sinais e Sistemas. Porto Alegre: Bookman, 2001.
22. DORF, Richard C.; BISHOP, Robert H. Sistemas de Controle Modernos. 11. ed. Rio de Janeiro:
LTC, 2011.
23. ALEXANDER, Charles K.; SADIKU, Matthew N. O. Fundamentos de Circuitos Elétricos. 5. ed.
Porto Alegre: AMGH, 2013.
24. SIEBERT, William McC. Circuits, Signals, and Systems. Cambridge, MA: MIT Press; New York:
McGraw-Hill, 1986.
25. PHILLIPS, Charles L.; PARR, John M. Signals, Systems, and Transforms. 4. ed. Pearson Prentice
Hall, 2008.
26. NISE, Norman S. Engenharia de Sistemas de Controle. 6. ed. Rio de Janeiro: LTC, 2013.
27. OPPENHEIM, Alan V.; WILLSKY, Alan S. Sinais e Sistemas. 2. ed. São Paulo: Pearson Prentice
Hall, 2010.
28. ANG, Kiam Heong; CHONG, Gregory; LI, Yun. PID Control System Analysis, Design, and
Technology. IEEE Transactions on Control Systems Technology, Vol. 13, N. 4, p. 559-576, 2005.
29. MACDONALD, I. G. Symmetric Functions and Hall Polynomials. 2 ed. London: Oxford University
Press Inc., 1995.
30. BAKER, Frank B.; HARWELL, Michael R. Computing Elementary Symmetric Functions and Their
Derivatives: A Didactic. Applied Psychological Measurement, Vol. 20, N. 2, p. 169-192, 1996.
31. CHAPRA, Steven C.; CANALE, Raymond P. Numerical Methods for Engineers. 7. ed. New York:
McGraw-Hill, 2015.
32. PRESS, William H.; TEUKOLSKY, Saul A.; VETTERLING, William T.; FLANNERY, Brian P.
Numerical Recipes. 3. ed. New York: Cambridge University Press, 2007.
33. FRANCO, Neide Bertoldi. Cálculo Numérico. São Paulo: Pearson Prentice Hall, 2006.
34. BURDEN, Richard L.; FAIRES, J. Douglas. Numerical Analysis. 9. ed. Boston, MA: Cengage
Learning, 2010.
35. BENATTI, Kléber Aderaldo. O Método de Levenberg-Marquardt para o Problema de Quadra-
dos Mı́nimos Não Linear. Dissertação (Mestrado em Matemática) - Setor de Ciências Exatas,
Universidade Federal do Paraná. Curitiba, p. 106. 2017.
36. YUAN, Ya-xiang. Trust Region Algorithms for Nonlinear Equations. Conference on Scientific
Computation, Hong Kong, 1994.
37. MATLAB R2022a. Natick, MA: The MathWorks, Inc., 2022. Disponı́vel em: https://www.
mathworks.com/products/matlab.html. Acesso em: 10 nov 2022.
38. LASCOUX, Alain; PRAGACZ, Piotr. Jacobians of Symmetric Polynomials. Annals of Combina-
torics, Vol. 6, p. 169-172, 2002.
39. UMAR, A. O.; SULAIMAN, I. M.; MAMAT, M.; WAZIRI, M. Y.; ZAMRI, N. On damping
parameters of Levenberg-Marquardt algorithm for nonlinear least square problems. Journal of
Physics: Conference Series, Vol. 17340, 012058, 2021.
40. SCHILDERS, Wilhelmus H. A.; VORST, Henk A. van der; ROMMES, Joost. Model Order
Reduction: Theory, Research Aspects and Applications. [S.l.]: Springer, 2008.

Slides - Apresentação TCC

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

Slides - Apresentação TCC

Enviado por

Direitos autorais:

Formatos disponíveis

Desenvolvimento de um Algoritmo Utilizando

Rafael Silva Nogueira Pacheco

Instituto Federal de Educação, Ciência e Tecnologia da Bahia

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 1 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 2 / 60

I Definir analiticamente funções de desempenho a partir de critérios sobre

I Realizar o desenvolvimento algébrico necessário para a implementação

I Formular um algoritmo que retorne os parâmetros do controlador sin-

I Demonstrar a aplicabilidade, as vantagens e as desvantagens do algoritmo

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 3 / 60

I LEE, Chia-Ling; PENG, Chao-Chung. Analytic Time Domain Specifications

I LEE, Chia-Ling; PENG, Chao-Chung. Performance Demands based Servo Mo-

I HORNG, Huey-Yang. Design of the Second-Order Controller by Time-Domain

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 4 / 60

1 Modelos Matemáticos de Sistemas

3 Métodos de Resolução de Sistemas de Equações Não Lineares

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 5 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 6 / 60

I Circuito RLC série

Transformada inversa de Laplace

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 7 / 60

Transformada de Laplace I Equação diferencial do circuito RLC

Transformada inversa de Laplace

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 7 / 60

Transformada de Laplace I Função de transferência do circuito RLC

Transformada inversa de Laplace

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 7 / 60

Transformada de Laplace I Corrente de saı́da do circuito RLC no

Transformada inversa de Laplace

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 7 / 60

Transformada de Laplace I Corrente de saı́da do circuito RLC no

Transformada inversa de Laplace

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 7 / 60

I Função de transferência de sistemas LTI do tipo SISO

Y (s) b0 sm + b1 sm−1 + · · · + bm−1 s + bm

X(s) é o sinal de entrada e Y (s) é o sinal de saı́da.

I Forma genérica para a resposta do sistema

y(t) = (r1 ep1 t + · · · + rn epn t )u(t) + yf (t) (2)

r1 , . . . , rm são os resı́duos de H(s), e p1 , . . . , pn são os polos de H(s).

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 8 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 9 / 60

I Gera diretamente a saı́da em resposta a um sinal de entrada;

I Alta sensibilidade, baixa robustez, nenhuma regulação;

I Diagrama de blocos de um sistema de controle em malha aberta:

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 10 / 60

I Realimentação o sinal de saı́da para gerar ações de correção;

I Baixa sensibilidade, alta robustez, boa regulação;

I Diagrama de blocos de um sistema de controle em malha aberta:

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 11 / 60

R(s) E(s) X(s) Y (s)

I Ganho de malha fechada

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 12 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 13 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 14 / 60

Mp = (y(tp ) − 1) × 100% (6)

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 15 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 16 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 17 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 18 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 19 / 60

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 20 / 60

I Função de transferência do controlador PID

I Ganho de malha fechada

Rafael Pacheco (IFBA) Apresentação do PFC 15 de dezembro de 2022 21 / 60

Entrada: G(s), tr , tp , Mp , ts , α, , Nmax , K, Método