Realimenta C Ao de Estado para Sistemas SISO

Realimentação de Estado — Sistemas SISO
1. Realimentação de Estado para Sistemas SISO
pag.1 Teoria de Sistemas Lineares – Aula 18

c Reinaldo M. Palhares
°
Considere o sistema n dimensional, SISO:


 ẋ = Ax + bu
 y = cx
Na realimentação de estados, a entrada u é dada por

h i
u = r − kx = r − k1 k2 · · · kn x
sendo r um sinal de referência. Substituindo u


 ẋ = (A − bk)x + br
 y = cx

°
Esquemático
− y
r u + ẋ R x
b c
+
+

°
Teorema O par (A − bk, b) é controlável para qualquer vetor k ∈ R1×n se e
somente se o par (A, b) também o for
Demonstração Considere, eg, n = 4 e as matrizes de controlabilidade
h i
C = b Ab A2 b A3 b
h i
Cf = b (A − bk)b (A − bk)2 b (A − bk)3 b
Veja que
 
1 −kb −k(A − bk)b −k(A − bk)2 b
 
 0 1 −kb −k(A − bk)b 
Cf = C 
 

 0 0 1 −kb 
 
0 0 0 1
e a matriz à direita é não singular para qualquer k. Portanto, o posto de Cf é

igual ao de C... ¥
°
B O resultado do teorema anterior pode também ser demonstrado utilizando a

definição de controlabilidade. Considere x0 e x1 arbitrários. Se o sistema original
é controlável, existe u1 que leva de x0 a x1 em tempo finito. Se escolher uma
entrada da forma r1 = u1 + kx, então leva o sistema controlado de x0 a x1
(veja que ẋ = (A − bk)x + br)
B Observe também que r não controla o estado diretamente; r gera a entrada u

que é usada para controlar x. Portanto, se u não controla o estado x, r também
não controlará...
B Controlabilidade: é invariante sob qualquer realimentação de estados
B A propriedade de observabilidade não é invariante...

°
Exemplo     

 1 2 0
 ẋ = x +  u

 
3 1 1

 h i

 y

= 1 2 x
Pode-se veriificar que o par (A, B) é controlável e o par (A, C) é observável
h i
Define-se u = r − 3 1 x, então
    

 1 2 0
 ẋ = x+ r

   
0 0 1

 h i

 y =

1 2 x

°
Veja que as matrizes de controlabilidade e observabilidade do sistema

realimentado são tais que:
 
0 2
Cf =   , posto = 2
1 0
 
1 2
Of =   , posto = 1
1 2
B O sistema é controlável e não observável

°
   
1 3 1
Exemplo ẋ =  x +  u
3 1 0
I Polinômio caracterı́stico: ∆(s) = (s − 4)(s + 2)
h i
I Realimentação de estados: u = r − k1 k2 x
   
1 − k1 3 − k2 1
ẋ =  x +  r
3 1 0
I Polinômio caracterı́stico: ∆f (s) = s2 + (k1 − 2)s + (3k2 − k1 − 8)

B A escolha de k1 e k2 pode alocar os autovalores do sistema em malha fechada
em qualquer posição arbitrária...

°
Teorema Considere o sistema

 ẋ = Ax + bu
y = cx

com n = 4 e o polinômio caracterı́stico
∆(s) = det(sI − A) = s4 + α1 s3 + α2 s2 + α3 s + α4
Se o sistema é controlável, então existe uma transformação x̄ = P x com

 
1 α1 α2 α3
 
h i 0 1 α α2 
1
Q = P −1 = b Ab A2 b A3 b 
 

 0 0 1 α1 
 
0 0 0 1
que leva o sistema à forma canônica controlável a seguir

°
forma controlável:
   
−α1 −α2 −α3 −α4 1
   
 1 0 0 0   0 
x̄˙ = Āx̄ + b̄u =   x̄ +  u
   

 0 1 0 0 

 0 
 
0 0 1 0 0
h i
y = c̄x̄ = β1 β2 β3 β4 x̄
Além disso, a função de transferência do sistema é dada por
β1 s3 + β2 s2 + β3 s + β4
G(s) =
s4 + α1 s3 + α22 + α3 s + α4

°
Demonstração: Sejam C e C̄ as matrizes de controlabilidade do sistema

original e do transformado, respectivamente. No caso SISO, ambas são
quadradas. Se o sistema original é controlável ou C é não singular, C̄ também o é,
e as duas matrizes se relacionam na forma C̄ = P C. Assim,
P = C̄C −1 ou Q = P −1 = C C̄ −1
A matriz de controlabilidade do sistema transformado é dada por

 
1 −α1 α21 − α2 −α31 + 2α1 α2 − α3
 
 0 1 −α1 α21 − α2 
C̄ = 
 

 0 0 1 −α1 
 
0 0 0 1
e sua inversa é dada por...

°
 
1 α1 α2 α3
 
 0 1 α1 α2 
−1
C̄ =
 

 0 0 1 α1 
 
0 0 0 1
e substituindo-se em Q = C C̄ −1 obtém-se o resultado do teorema
Ainda, verifica-se que a equação de estado transformada é uma realização da

função de transferência G(s), que por sua vez é também a função de
transferência do sistema original ¥

°
Teorema Se o sistema 
 ẋ = Ax + bu
 y = cx
é controlável, então com a realimentação de estados u = r − kx pode-se alocar

arbitrariamente os autovalores de A − bk (desde que autovalores complexos
apareçam em pares complexo conjugados)
Demonstração Considerando n = 4, se o sistema é controlável, então pode ser

colocado na forma canônica controlável, apresentada no Teorema anterior, ie

°
   
−α1 −α2 −α3 −α4 1
   
 1 0 0 0   0 
x̄˙ = Āx̄ + b̄u =   x̄ +  u
   

 0 1 0 0 

 0 
 
0 0 1 0 0
h i
y = c̄x̄ = β1 β2 β3 β4 x̄
com Ā = P AP −1 e b̄ = P b. Substituindo x̄ = P x na lei de controle, tem-se
u = r − kx = r − kP −1 x̄ , r − k̄x̄
com k̄ , kP −1 . Como Ā − b̄k̄ = P (A − bk)P −1 , as matrizes (A − bk) e

(Ā − b̄k̄) têm os mesmos autovalores...

°
Especificados os autovalores do sistema em malha fechada, pode-se formar o
polinômio caracterı́stico do sistema em malha fechada
∆f (s) = s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4
Se k̄ é escolhido como
h i
k̄ = ᾱ1 − α1 ᾱ2 − α2 ᾱ3 − α3 ᾱ4 − α4
a equação dinâmica em malha fechada é descrita por

   
−ᾱ1 −ᾱ2 −ᾱ3 −ᾱ4 1
   
 1 0 0 0   0 
˙
x̄ = (Ā − b̄k̄)x̄ + b̄r = 

 x̄ + 
 
r

 0 1 0 0   0 
   
0 0 1 0 0
e o polinômio caracterı́stico de (A − bk) e (Ā − b̄k̄) é dado por ∆f (s)

°
O ganho de realimentação de estados k que faz a alocação desejada pode ser

computado
k = k̄P = k̄C̄C −1
sendo h i
C= b Ab A 2 b A3 b
e  
1 α1 α2 α3
 
 0 1 α1 α2 
−1
C̄ =
 

 0 0 1 α1 
 
0 0 0 1

°
B Outra maneira de computar k̄
∆f (s) = det(sI − A + bk)

¡ £ −1
¤¢
= det (sI − A) I + (sI − A) bk
£ −1
¤
= det(sI − A) det I + (sI − A) bk
£ −1
¤
= ∆(s) 1 + k(sI − A) b
onde se utilizou a propriedade det(Im + AB) = det(In + BA), para A,

m × n, e B, n × m, sendo que no caso especı́fico tem-se k ∈ R1×n
Portanto
∆f (s) − ∆(s) = ∆(s)k(sI − A)−1 b = ∆(s)k̄(sI − Ā)−1 b̄

h i
Seja k̄ = k̄1 k̄2 k̄3 k̄4

°
Observando a configuração de realimentação:
k
z
− y
r u + ˙
x̄ R x̄
b̄ c̄
+
+
Ā
−1 β1 s3 + β2 s2 + β3 s + β4
FT de u para y: c̄(sI − Ā) b̄ =
∆(s)
k̄1 s3 + k̄2 s2 + k̄3 s + k̄4

FT de u para z: k̄(sI − Ā)−1 b̄ =
∆(s)

°
Portanto fazendo as substituições da FT de u para z,
∆f (s) = s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4
e ainda
∆(s) = s4 + α1 s3 + α2 s2 + α3 s + α4
na expressão
∆f (s) − ∆(s) = ∆(s)k̄(sI − Ā)−1 b̄
obtém-se
(ᾱ1 −α1 )s3 +(ᾱ2 −α2 )s2 +(ᾱ3 −α3 )s+(ᾱ4 −α4 ) = k̄1 s3 +k̄2 s2 +k̄3 s+k̄4
que recupera o ganho k̄ proposto quando se igualam-se as potências...

°
Curiosidades Considere uma FT com n = 4:

β1 s3 + β2 s2 + β3 s + β4
G(s) = c(sI − A)−1 b =
s4 + α1 s3 + α2 s2 + α3 s + α4
Função de Transferência em Malha Fechada (com u = r − kx):
−1 β1 s3 + β2 s2 + β3 s + β4
Gf (s) = c(sI − A + bk) b=
s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4
B A realimentação de estados pode alterar a localização dos pólos, mas não

afeta os zeros da função de transferência
B Pode afetar a observabilidade: se um ou mais pólos são deslocados de maneira
a coincidir com zeros, pode haver cancelamento

°
Exemplo Considere o pêndulo invertido linearizado:

   
0 1 0 0 0
   
 0 0 −1 0    1 
ẋ =  x +  u
  
 0 0 0 1   0 
   
0 0 5 0 −2
h i
y = 1 0 0 0 x
O sistema é controlável; o polinômio caracterı́stico é:
∆(s) = s2 (s2 − 5) = s4 + 0s3 − 5s2 + 0s + 0

°
Colocando o sistema na forma canônica controlável (P −1 = C C̄ −1 )

   
0 1 0 2 1 0 −5 0
   
 1 0 2 0   0 1 0 −5 
C=  ; C̄ −1 = 
  

 0 −2 0 −10   0 0 1 0 
   
−2 0 −10 0 0 0 0 1
   
0 1 0 −3 0 0 0 −1/2
   
−1
 1 0 −3 0   0 0 −1/2 0 
P =  ; P =
   


 0 −2 0 0 


 0 −1/3 0 −1/6 

−2 0 0 0 −1/3 0 −1/6 0
Alocação desejada: −1.5 ± 0.5j e −1 ± j

°
então:
∆f (s) = (s+1.5 − 0.5j)(s+1.5 + 0.5j)(s+1 − j)(s+1 + j)

= s4 + 5s3 + 10.5s2 + 11s + 5
h i
k̄ = ᾱ3 − α3 ᾱ2 − α2 ᾱ1 − α1 ᾱ0 − α0
h i
= (5 − 0) (10.5 + 5) (11 − 0) (5 − 0)
h i
= 5 15.5 11 5
h i
k = k̄P = −5/3 −11/3 −103/12 −13/3
MATLAB k=place(A,b,p)

°
Fórmula de Ackermann — Alocação de Pólos
Considere o sistema n dimensional, SISO:


 ẋ = Ax + bu
 y = cx
h i
Para n = 4, então C = b Ab A2 b A3 b é a matriz de controlabilidade
e o sistema transformado x̄ = P x com
 
1 α1 α2 α3
 
 0 1 α1 α2 
Q = P −1 = C 
 

 0 0 1 α1 
 
0 0 0 1

°
e tem a forma canônica controlável
2 3 2 3
−α 1 −α 2 −α 3 −α 4 1
6 7 6 7
6 1 0 0 0 7 6 0 7
x̄˙ = 7 x̄ + 6 7u
6 7 6 7
6
6
4 0 1 0 0 7
5
6 0 7
4 5
0 0 1 0 0
h i
y = β1 β2 β3 β4 x̄
A relação entre a matriz de controlabilidade do sistema original e a do

transformado é dada por C̄ = P C, ou Q = P −1 = C C̄ −1 e
2 3
1 −α 1 α21 − α2 −α 31 + 2α1 α2 − α 3
6 7
6 0 1 −α 1 α21 − α2 7
C¯ = 6
6 7
7
6 0
4 0 1 −α 1 7
5
0 0 0 1

°
No caso geral, a última linha da matriz C̄ tem a forma

h i
e0n , 0 0 0 · · · 1
Para a alocação desejada, define-se o polinômio caracterı́stico do sistema em

malha fechada ∆f (s) = s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4 , que deve ser
igualado com
det(sI− Ā+ b̄k̄) = s4 +(α1 + k̄1 )s3 +(α2 + k̄2 )s2 +(α3 + k̄3 )s+(α4 + k̄4 )
h i
impondo k̄ = ᾱ1 − α1 ᾱ2 − α2 ᾱ3 − α3 ᾱ4 − α4
B Pelo Teorema de Cayley-Hamilton...

°
Teorema de Cayley-Hamilton Toda matriz dinâmica satisfaz sua equação

caracterı́stica:
Ān + α1 Ān−1 + α2 Ān−2 + · · · + αn−1 Ā + αn I = 0
Então utilizando os coeficientes do polinômio de malha fechada, pode-se formar o

polinômio
∆f (Ā) , Ān + ᾱ1 Ān−1 + ᾱ2 Ān−2 + · · · + ᾱn I
Substituindo-se Ān obtido a partir da equação caracterı́stica, tem-se
∆f (Ā) = (ᾱ1 − α1 )Ān−1 + (ᾱ2 − α2 )Ān−2 + · · · + (ᾱn − αn )I

°
Levando em conta a estrutura particular de Ā (na forma controlável), nota-se que

h i
e0n Ā = 0 0 0 · · · 1 0 , e0n−1
e conseqüentemente
h i
(e0n Ā)Ā = e0n Ā2 = 0 0 0 ··· 1 0 Ā
h i
= 0 0 ··· 0 1 0 0
, e0n−2
implicando h i
e0n Ān−1 = 1 0 ··· 0 0 , e01
e...

°
Portanto, multiplicando ∆f (Ā) por e0n , tem-se
e0n ∆f (Ā) = (ᾱ1 − α1 )e01 + (ᾱ2 − α2 )e02 + · · · + (ᾱn − αn )e0n

h i
= k̄1 e01 + k̄2 e02 + · · · + k̄n e0n = k̄1 k̄2 · · · k̄n
= k̄
Como k = k̄P e P = C̄C −1 , tem-se
k = e0n ∆f (Ā)P = e0n ∆f (P AP −1 )P = e0n P ∆f (A) = e0n C̄C −1 ∆f (A)
ou, como e0n C̄ = e0n , chega-se a (Fórmula de Ackermann): k = e0n C −1 ∆f (A)
MATLAB k=acker(A,b,p)

°
Equação de Lyapunov – Alocação de Pólos
Considere o par (A, b) controlável, com A ∈ Rn×n e b ∈ Rn×1 . Encontre k tal

que (A − bk) tenha os autovalores desejados (desde que não coincidam com
nenhum dos autovalores de A)
Procedimento
1. Escolha uma matriz F ∈ Rn×n com os autovalores desejados
2. Escolha k̄ arbitrário tal que (F, k̄) seja observável
3. Obtenha a solução única T da equação de Lyapunov
AT − T F = bk̄
4. Compute o ganho de realimentação k = k̄T −1

°
Se T é não singular, k̄ = kT e AT − T F = bk̄ implicam
(A − bk)T = T F ⇐⇒ A − bk = T F T −1
B (A − bk) e F são similares (mesmos autovalores). Se A e F não têm

autovalores comuns, existe uma única solução T para qualquer k̄. Caso A e F
tenham algum autovalor comum, a solução T pode existir ou não (depende de bk̄)
B Para garantir que T é não singular:
Teorema Se A e F não têm autovalores em comum, então a única solução de

AT − T F = bk̄ é não-singular se e somente se (A, b) é controlável e (F, k̄) é
observável

°
Demonstração Considere n = 4 e o polinômio caracterı́stico de A dado por
∆(s) = s4 + α1 s3 + α2 s2 + α3 s + α4
Cayley-Hamilton: ∆(A) = A4 + α1 A3 + α2 A2 + α3 A + α4 I = 0
Considere agora ∆(F ) = F 4 + α1 F 3 + α2 F 2 + α3 F + α4 I
Se λ̄i é um autovalor de F , então ∆(λ̄i ) é autovalor de ∆(F ). Como A e F

não têm autovalores em comum, ∆(λ̄i ) 6= 0 para todo autovalor de F
Como o determinante de uma matriz é igual ao produto de seus autovalores,

tem-se
Y
det ∆(F ) = ∆(λ̄i ) 6= 0
i
e portanto ∆(F ) é não singular

°
Substituindo AT = T F + bk̄ em A2 T − T F 2 , tem-se
A2 T − T F 2 = A(T F + bk̄) − T F 2
= Abk̄ + (AT − T F )F
= Abk̄ + bk̄F
De maneira similar, obtém-se o conjunto de equações:
IT − T I = 0
AT − T F = bk̄
A2 T − T F 2 = Abk̄ + bk̄F
A3 T − T F 3 = A2 bk̄ + Abk̄F + bk̄F
A4 T − T F 4 = A3 bk̄ + A2 bk̄F + Abk̄F + bk̄F

°
Multiplicando a primeira equação por α4 , a segunda por α3 , a terceira por α2 , a

quarta por α1 , a última por 1, e somando todas, tem-se (lembrando que
∆(A) = 0)
∆(A)T − T ∆(F ) = −T ∆(F )

  
α3 α2 α1 1 k̄
  
i α
 2 α1 1 0   k̄F 
h  
2
= b Ab A b A b  3 


 α1 1 2 
 0 0   k̄F 
 
1 0 0 0 k̄F 3
B Se (A, b) é controlável e (F, k̄) é observável, as matrizes acima são

não-singulares, e como ∆(F ) 6= 0, necessariamente T é não singular ¥

°
h i
B Escolha de F e k̄: F companheira e k̄ = 1 0 0 0 ou, se autovalores
complexos, F modal e k̄ com ao menos um elemento diferente de zero associado
a cada bloco diagonal
Exemplo Pêndulo invertido e alocação −1.5 ± 0.5j e −1 ± j
 
−1 1 0 0
 
 −1 −1 0 0  h i
F =  ; k̄ = 1 0 1 0
 
 0 0 −1.5 0.5 
 
0 0 −0.5 −1.5
h i
MATLAB k = −1.6667 −3.6667 −8.5833 −4.3333
O ganho é único em sistemas SISO (usando place ou lyap)

°
B Cálculo direto dos valores do ganho k

   
0 1 0 0 0
   
 0 0 −1 0   1 
ẋ =  x +  u
   
 0 0 0 1   0 
  

0 0 5 0 −2
h i
y = 1 0 0 0 x
Alocação desejada: −1.5 ± 0.5j e −1 ± j
∆f (s) = (s + 1.5 − 0.5j)(s + 1.5 + 0.5j)(s + 1 − j)(s + 1 + j)

= s4 + 5s3 + 10.5s2 + 11s + 5

°
 
0 1 0 0
 
 −k
1 −k2 −k3 − 1 −k4  h i
A − bk =   ; k = k1 k2 k3 k4
 
 0 0 0 1 
 
2k1 2k2 5 + 2k3 2k4
h i
det sI − (A − bk) = s4 + (k2 − 2k4 )s3 + (k1 − 2k3 − 5)s2 − 3k2 s − 3k1
Então
−5 −11 −103 −13

k1 = ; k2 = ; k3 = ; k4 =
3 3 12 3

°
Estabilização
Considere um sistema não controlável, ie, nem todos os autovalores podem ser
arbitrariamente alocados, via realimentação. A equação de estado pode ser
transformada em
      
x̄˙ c Ā Ā12 x̄ b̄
 = c  c  +  c u
x̄˙ c̄ 0 Āc̄ x̄c̄ 0
com (Āc , b̄c ) controlável. Note que como a matriz Ā é bloco diagonal, os
autovalores de A são os autovalores das matrizes Āc e Āc̄
B Como fica a configuração de realimentação de estado?

°
Estabilização
B A realimentação de estado
 
h i x̄c
u = r − k̄x̄ = r − k̄1 k̄2  
x̄c̄
produz o sistema em malha fechada

      
x̄˙ c Ā − b̄c k̄1 Ā12 − b̄c k̄2 x̄ b̄
 = c  c  +  c r
x̄˙ c̄ 0 Āc̄ x̄c̄ 0
Autovalores de Āc̄ não são afetados pela realimentação de estado. A

controlabilidade do par (A, b) é não só suficiente mas também necessária para se
alocar todos os autovalores de (A − bk)...
B Se Āc̄ é estável, o sistema é estabilizável...

°
Regulação e Rastreamento
B Para r = 0, o comportamento dinâmico do sistema é governado pelas

condições iniciais. O problema do regulador é obter uma realimentação de estados
que leve a resposta para zero com uma certa taxa de decaimento:
y(t) = ce(A−bk)t x(0) ⇒ (A − bk) estável?
B Para r = a (constante), o problema do rastreamento assintótico consiste na

determinação de um ganho de realimentação de estados que leve y(t) → r(t)
quando t → ∞...
A lei de controle para o rastreamento deve incluir um ganho p feedforward:
u(t) = pr(t) − kx

°
Regulação e Rastreamento
β1 s3 + β2 s2 + β3 s + β4
Por exemplo, para n = 4: Gf (s) = p
s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4
(A, b) controlável implica que os autovalores de (A − bk) ou equivalentemente

os pólos de Gf (s) podem ser arbitrariamente alocados. Para r(t) = a, alocando
pólos com parte real negativa, tem-se a saı́da:
y(t) aproxima-se de Gf (0)a quando t → ∞
A fim de se ter rastreamento assintótico, basta impor:

β4 ᾱ4
Gf (0) = 1 = p =⇒ p =
ᾱ4 β4
=⇒ β4 6= 0, o que ocorre se e somente se G(s) não tiver nenhum zero em

s=0

°
Rejeição de Distúrbio
Considere o sistema com entrada de distúrbio constante, w:


 ẋ = Ax + bu + bw
 y = cx
B Como obter a realimentação de estado tal que y(t) → r(t) com w 6= 0?

B O fundamento desta estratégia é introduzir um integrador, compondo o
controlador, tal que o sinal de controle “u” garanta, ao mesmo tempo,
estabilidade, alocação de pólos em malha fechada e rastreamento frente a
distúrbios

°
lacem Rejeição de Distúrbio
B A estrutura do controle integral é apresentada abaixo quando se tem todas as

variáveis de estado disponı́veis para realimentação
w
−
r ẋa xa u x
+ 1 + +
ka Sistema c
s + y
+
Integrador k
+ +
0

°
Defina um vetor de estado aumentado incluindo a saı́da do integrador xa , da

h i0
forma: x0 xa , então a realimentação de estado pode ser:
 
h i x
u= k ka  
xa
Substituindo no sistema original obtém-se

        
ẋ A + bk bka x 0 b
  =   + r +  w
ẋa −c 0 xa 1 0
 
h i x
y = c 0  
xa

°
−1
Teorema Se (A, b) é controlável e se G(s) = c (sI − A) b não tem na
origem (s = 0), então todos os autovalores
h da matriz
i A podem ser alocados
arbitrariamente selecionando o ganho k ka
h i
Como calcular o ganho de controle k ka ? Simplesmente utilizando as
mesmas técnicas obtidas anteriormente. Para isto, basta considerar as matrizes do
sistema aumentado, sendo queh este temi agora n + 1 variáveis de estado. ka é
um valor escalar extraı́do de k ka , fruto do projeto

°

Realimenta C Ao de Estado para Sistemas SISO

Enviado por

Dados do documento

Título original

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

Realimenta C Ao de Estado para Sistemas SISO

Enviado por

Direitos autorais:

Formatos disponíveis

Realimentação de Estado — Sistemas SISO

1. Realimentação de Estado para Sistemas SISO

pag.1 Teoria de Sistemas Lineares – Aula 18

Considere o sistema n dimensional, SISO:

Na realimentação de estados, a entrada u é dada por

sendo r um sinal de referência. Substituindo u

pag.2 Teoria de Sistemas Lineares – Aula 18

pag.3 Teoria de Sistemas Lineares – Aula 18

e a matriz à direita é não singular para qualquer k. Portanto, o posto de Cf é

B O resultado do teorema anterior pode também ser demonstrado utilizando a

B Observe também que r não controla o estado diretamente; r gera a entrada u

B Controlabilidade: é invariante sob qualquer realimentação de estados

B A propriedade de observabilidade não é invariante...

pag.5 Teoria de Sistemas Lineares – Aula 18

Pode-se veriificar que o par (A, B) é controlável e o par (A, C) é observável

pag.6 Teoria de Sistemas Lineares – Aula 18

Veja que as matrizes de controlabilidade e observabilidade do sistema

B O sistema é controlável e não observável

pag.7 Teoria de Sistemas Lineares – Aula 18

I Polinômio caracterı́stico: ∆(s) = (s − 4)(s + 2)

I Polinômio caracterı́stico: ∆f (s) = s2 + (k1 − 2)s + (3k2 − k1 − 8)

pag.8 Teoria de Sistemas Lineares – Aula 18

com n = 4 e o polinômio caracterı́stico

Se o sistema é controlável, então existe uma transformação x̄ = P x com

que leva o sistema à forma canônica controlável a seguir

Além disso, a função de transferência do sistema é dada por

pag.10 Teoria de Sistemas Lineares – Aula 18

Demonstração: Sejam C e C̄ as matrizes de controlabilidade do sistema

A matriz de controlabilidade do sistema transformado é dada por

e sua inversa é dada por...

pag.11 Teoria de Sistemas Lineares – Aula 18

e substituindo-se em Q = C C̄ −1 obtém-se o resultado do teorema

Ainda, verifica-se que a equação de estado transformada é uma realização da

pag.12 Teoria de Sistemas Lineares – Aula 18

é controlável, então com a realimentação de estados u = r − kx pode-se alocar

Demonstração Considerando n = 4, se o sistema é controlável, então pode ser

pag.13 Teoria de Sistemas Lineares – Aula 18

com Ā = P AP −1 e b̄ = P b. Substituindo x̄ = P x na lei de controle, tem-se

com k̄ , kP −1 . Como Ā − b̄k̄ = P (A − bk)P −1 , as matrizes (A − bk) e

pag.14 Teoria de Sistemas Lineares – Aula 18

∆f (s) = s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4

a equação dinâmica em malha fechada é descrita por

e o polinômio caracterı́stico de (A − bk) e (Ā − b̄k̄) é dado por ∆f (s)

O ganho de realimentação de estados k que faz a alocação desejada pode ser

pag.16 Teoria de Sistemas Lineares – Aula 18

B Outra maneira de computar k̄

∆f (s) = det(sI − A + bk)

onde se utilizou a propriedade det(Im + AB) = det(In + BA), para A,

∆f (s) − ∆(s) = ∆(s)k(sI − A)−1 b = ∆(s)k̄(sI − Ā)−1 b̄

pag.17 Teoria de Sistemas Lineares – Aula 18

Observando a configuração de realimentação:

k̄1 s3 + k̄2 s2 + k̄3 s + k̄4

pag.18 Teoria de Sistemas Lineares – Aula 18

Portanto fazendo as substituições da FT de u para z,

∆f (s) = s4 + ᾱ1 s3 + ᾱ2 s2 + ᾱ3 s + ᾱ4

que recupera o ganho k̄ proposto quando se igualam-se as potências...

pag.19 Teoria de Sistemas Lineares – Aula 18

Curiosidades Considere uma FT com n = 4:

Função de Transferência em Malha Fechada (com u = r − kx):

B A realimentação de estados pode alterar a localização dos pólos, mas não

pag.20 Teoria de Sistemas Lineares – Aula 18

Exemplo Considere o pêndulo invertido linearizado:

O sistema é controlável; o polinômio caracterı́stico é: