MDPC 2ed

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/326543217
Introdução à Modelagem e Dinâmica para Controle de Processos
Book · November 2022
CITATION READS
1 494
2 authors:
Maurício B. de Souza Jr. Diego José Trica

Federal University of Rio de Janeiro Petróleo Brasileiro S.A.
146 PUBLICATIONS 659 CITATIONS 4 PUBLICATIONS 2 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Fault Detection and Diagnosis View project
Bioprocess System Engineering View project
All content following this page was uploaded by Diego José Trica on 15 April 2023.
The user has requested enhancement of the downloaded file.

Introdução à
Modelagem e
Dinâmica para
Controle de
Processos
Maurício Bezerra de Souza Jr.

Diego José Trica
2022
PREFÁCIO
O pernambucano Maurício Bezerra de Souza Júnior formou-se em Engenharia

Química pela UFPE em 1986, tendo realizado mestrado (1989) e doutorado (1993) pelo
Programa de Engenharia Química (PEQ) da COPPE/UFRJ. É professor da área de
Controle de Processos, tendo atuado inicialmente na UFRRJ (1990-1995) e na UFPE
(1995-1998). Desde 1998, é docente da Escola de Química da UFRJ.
O carioca Diego José Trica formou-se em Engenharia Química e Engenharia de

Alimentos pela Escola de Química da UFRJ em 2011, tendo realizado mestrado (2015)
pelo Programa de Engenharia Química (PEQ) da COPPE/UFRJ. É, desde 2013,
Engenheiro de Processamento da PETROBRAS, tendo atuado no suporte técnico às
operações de unidades marítimas de produção de petróleo. Hoje atua como
Coordenador de Produção em regime offshore.
Este texto vem sendo aperfeiçoado ao longo dos anos nos cursos de
Modelagem e de Controle ministrados para alunos de graduação em Engenharia
Química e de Alimentos e afins na UFRRJ e UFPE (anos 90) e UFRJ, desde 1998, pelo
Professor Maurício.
A primeira edição apresentada corresponde ao curso de Modelagem e

Dinâmica de Processos, ministrado na Escola de Química da UFRJ, e baseia-se em
textos clássicos de Controle de Processos, tendo sido elaborada em conjunto pelo
Professor Maurício e pelo Engenheiro Diego Trica. Nesta segunda edição
acrescentamos mais seis capítulos, correspondentes aos conhecimentos ministrados
no curso de Controle de Processos, também ministrado na Escola de Química da UFRJ,
e fizemos acréscimo de conteúdo nos sete capítulos originais. Exercícios da apostila de
“100 problemas de controle” do Prof. Maurício foram inseridos ao final dos capítulos.
O Professor Maurício gostaria de agradecer aos alunos dos cursos ao longo

desses mais de 20 anos e dedicar esse livro aos novos e futuros alunos. Agradece ainda
a sua família - pais, Maurício e Socorro; irmãos, Grace e Giancarlo; esposa, Elizabeth, e
filhos, Lígia, Bernardo e Vinícius - pelo amor e estímulo permanentes.
Os autores gostariam de agradecer à Escola de Química da UFRJ pelo apoio

para publicação deste livro, particularmente, à secretária Zizi Ferreira, pelo empenho e
confiança.
BIBLIOGRAFIA
Texto base
Aguirre, L. A. 2007. Enciclopédia de Automática. Volume 1: Controle & Automação.

1ª ed., Edgard Blücher. ISBN: 978-85-212-0408-4.
Bequette, B. W. 1998. Process Dynamics: Modeling, Analysis and Simulation. 1st

ed., Prentice-Hall. ISBN: 978-01-320-6889-5.
Boyce, W. B., DiPrima, R. C. 2006. Equações Diferenciais Elementares e Problemas

de Valores de Contorno. 8ª ed., LTC. ISBN: 978-85-216-1499-3.
Campos, M. C. M. M., Teixeira, H. C. G. 2006. Controles Típicos de Equipamentos e

Processos Industriais. 2ª ed., Edgard Blücher. ISBN: 978-85-212-0552-4.
Coughanowr, D. R. 1991. Process System Analysis and Control. 2nd ed., McGraw-
Hill. ISBN: 0-07-100807-1.
Douglas, J. M. 1972. Process Dynamics and Control: Control System Synthesis. 1st
ed, Prentice-Hall. ISBN: 978-01-372-3056-3.
Fox, R. W., McDonald, A. T, Pritchard, P. J. 2006. Introdução à mecânica dos fluidos.

6ª ed., LTC. ISBN: 978-85-216-1468-5.
Himmelblau, D. M., Bischoff, K. B. 1968. Process Analysis and Simulation.

Deterministic Systems. 1st ed., John Wiley & Sons. ISBN: 978-04-713-9990-2.
International Society of Automation (ISA). 2009. ANSI/ISA-5.1-2009:

Instrumentation Symbols and Identification. ISBN: 978-19-360-0729-5.
Kuo, B. C., Golnaraghi, F. 2003. Automatic Control Systems. 8th ed., John Wiley &
Sons. ISBN: 978-04-711-3476-3.
Lipták, B. G. 2003. Instrument Engineers’ Handbook. Process Measurement and

Analysis. 4th ed., CRC Press. ISBN: 0-8493-1083-0.
Luyben, M. L., Luyben, W. L. 1997. Essentials of Process Control. 1st ed., McGraw-
Hill. ISBN: 0-07-114193-6.
Luyben, W. L. 1990. Process Modeling, Simulation and Control for Chemical

Engineers. 2nd ed, McGraw-Hill, ISBN: 978-00-710-0793-1.
Marlin, T. E. 2000. Process Control: Designing Processes and Control Systems for
Dynamic Performance. 2nd ed., McGraw-Hill. ISBN: 978-00-703-9362-2.
Morari, M. Zafiriou, E. 1989. Robust Process Control. 1st ed., Prentice Hall. ISBN:
978-01-378-2153-2.
Ogata, K. 2003. Engenharia de Controle Modelo. 4ª ed., Pearson Education. ISBN:

978-85-879-1823-9.
Ogunnaike, B. A., Ray, W. H. 1994. Process Dynamics, Modeling and Control. 1st ed.,
Oxford University Press. ISBN: 978-01-950-9119-9.
Schmidell, W., Lima, U. A., Aquarone, E., Borzani, W. 2001. Biotecnologia Industrial.
Volume 2: Engenharia Bioquímica. 1ª ed., Edgard Blücher. ISBN: 978-85-212-0279-2
Seborg, D. E., Edgar, T. F., Mellichamp, D. A. 1989. Process Dynamics and Control.
1st ed., John Wiley & Sons. ISBN: 978-04-718-6389-2.
Seborg, D. E., Edgar, T. F., Mellichamp, D. A. 2003. Process Dynamics and Control.
2nd ed., John Wiley & Sons. ISBN: 978-04-710-0077-8.
Seborg, D. E., Edgar, T. F., Mellichamp, D. A., Doyle III, F. J. 2011. Process Dynamics
and Control. 3rd ed., John Wiley & Sons. ISBN: 978-04-706-4610-6.
Smith, C. A., Corripio, A. B. 1997. Principles and Practice of Automatic Process

Control. 2nd ed., John Wiley & Sons. ISBN: 978-04-715-7588-7.
Smith, C. A., Corripio, A. B. 2008. Princípios e Prática de Controle Automático de

Processo. 3ª ed., LTC. ISBN: 978-85-216-1585-9.
Smith, J. M., Van Ness, H. C., Abbott, M. M. 2007. Introdução à termodinâmica da

engenharia química. 7ª ed., LTC. ISBN: 978-85-216-1553-8.
Stephanopoulos, G. 1983. Chemical Process Control: An Introduction to Theory

and Practice. 1st ed., Prentice-Hall. ISBN: 978-01-312-8629-0.
Valdman, B., Folly, R., Salgado, A. 2007. Dinâmica, Controle e Instrumentação de

Processos. 1ª ed., Editora UFRJ. ISBN: 978-85-710-8316-5.
Wylie, R., Barret, L. 1995. Advanced Engineering Mathematics. 6th ed., McGraw-Hill
Education. ISBN: 978-00-711-3543-6.
Dissertações e teses
Souza Jr., M. B. 1993. Redes Neuronais Multicamadas Aplicadas à Modelagem e

Controle de Processos Químicos. Tese de Doutorado, Universidade Federal do Rio de
Janeiro (UFRJ).
Valdman, A. 2010. Sistema de Automação para Monitoramento Online de Gases
Residuais e Diagnóstico de uma Caldeira com Misturas Diesel/Biodiesel. Dissertação
de Mestrado, Universidade Federal do Rio de Janeiro (UFRJ).
Artigos acadêmicos
Bennett, S. 1996. A Brief History of Automatic Control. IEEE Control Systems

Maganize, v. 16 (3), pp. 17-25. DOI: 10.1109/37.506394.
Bennett, S. 2000. The Past of PID Controllers. IFAC Proceedings Volumes, v. 33 (4),
pp. 1-11. DOI: 10.1016/S1474-6670(17)38214-9.
Boareto, A. J. M., De Souza, M. B., Valero, F., Valdman, B. 2007. A hybrid neural
model (HNM) for the on-line monitoring of lipase production by Candida rugosa.
Journal of Chemical Technology and Biotechnology, v. 82 (3), pp. 319-327. DOI:
10.1002/jctb.1678.
Bristol, E. 1966. On a new measure of interaction for multivariable process control.

IEEE Transactions on Automatic Control, v. 11 (1), pp. 133-134. DOI:
10.1109/TAC.1966.1098266.
Clarke, D. W., Mohtadi, C., Tuffs, P. S. 1987. Generalized predictive control. Part I.
The basic algorithm. Automatica, v. 23 (2), pp. 137-148. DOI: 10.1016/0005-
1098(87)90087-2
Chien, I. L., Fruehauf, P. S. 1990. Consider IMC Tuning to Improve Controller

Performance. Chemistry Engineering Progress, v. 86 (10), pp. 33-41. ISSN: 0360-7275.
Cohen, G. H.; Coon, G. A. 1953. Theoretical Consideration of Retarded Control.

Transactions of the American Society of Mechanical Engineers (ASME), v. 75, pp. 827-
834. DOI: 10.1115/1.4015451.
Cutler, C. R., Remaker, B. L. 1980. Dynamic Matrix Control. A Computer control

algorithm. Proceedings of the 17th Joint Automatic Control Conference, v. 1. ISBN:
978-08-169-0192-0. DOI: 10.1109/JACC.1980.4232009.
Economou, C. G., Morari. M. 1986. Internal Model Control. 6. multiloop design.

Industrial & Engineering Chemistry Process Design and Development, v. 25 (2), pp.
411-419. DOI: 10.1021/i200033a011.
Engell, S., Klatt, K.-U. 1993. Nonlinear Control of a Non-Minimum-Phase CSTR.

Proceedings of the American Control Conference, pp. 2041-2045. DOI:
10.23919/ACC.1993.4793439.
Garcia, C. E., Morshedi, A. M. 1986. Quadratic Programming Solution of Dynamic
Matrix Control (QDMC). Chemical Engineering Communications, v. 46, pp. 73-87. DOI:
10.1080/00986448608911397.
Grossdidier, P., Morari, M. 1986. Interaction Measures for Systems under

Decentralized Control. Automatica, v. 22 (X), pp. 309-319. DOI: 10.1016/0005-
1098(86)90029-4.
Grossdidier, P., Morari, M., Holt, B. R. 1985. Closed-loop Properties from Steady-
State Gain Information. Industrial & Engineering Chemistry Fundamentals, v. 24 (2),
pp. 221-235. DOI: 10.1021/i100018a015.
Henson, M. A. 1998. Nonlinear model predictive control: current status and future
directions. Computers & Chemical Engineering, v. 23 (2), pp. 187-202. DOI:
10.1016/S0098-1354(98)00260-9.
Hodv, M., Skogestad, S. 1994. Sequential Design of Decentralized Controllers.

Automatica, v. 30 (10), pp. 1601-1607. DOI: 10.1016/0005-1098(94)90099-X.
Lee, P. L., Sullivan, G. R. 1988. Generic Model Control (GMC). Computers &
Chemical Engineering, v. 12 (6), pp. 573-580. DOI: 10.1016/0098-1354(88)87006-6.
Marino-Galagarra, M. McAvoy, T. J., Marlin, T. E. 1987. Short-Cut Operability

Analysis. 2. Estimation of fi Detuning Parameter for Classical Control Systems.
Industrial & Engineering Chemistry Research, v. 26 (3), pp. 511-521. DOI:
10.1021/ie00063a018.
McAvoy, T. J. 1981. Connection between Relative Gain and Control Loop Stability
and Design. Journal of the American Institute of Chemical Engineers (AIChE), v. 27 (4),
pp. 613-619. DOI: 10.1002/aic.690270412.
Niederlinski, A. 1971. A Heuristic Approach to the Design of Linear Multivariable

Interacting Control Systems. Automatica, v. 7 (6), pp. 691-701. DOI: 10.1016/0005-
1098(71)90007-0.
Qin, S. J., Badgwell, T. A. 2003. A survey of industrial model predictive control

technology. Control Engineering Practice, v. 11 (7), pp. 733-764. DOI: 10.1016/S0967-
0661(02)00186-7.
Shen, S.-H., Yu, C.-C. 1994. Use of Relay-Feedback Test for Automatic Tuning of
Multivariable Systems. Process System Engineering, v. 40 (4), pp. 627-646. DOI:
10.1002/aic.690400408.
Skogestad, S., Morari, M. 1989. Robust performance of decentralized control

systems by independent designs. Automatica, v. 25 (1), pp. 119-125. DOI:
10.1016/0005-1098(89)90127-1.
Wood, R. K., Berry, M. W. 1973. Terminal composition control of a binary distillation
column. Chemical Engineering Science, v. 28 (9), pp. 1707-1717. DOI: 10.1016/0009-
2509(73)80025-9.
Yu, C.-C., Luyben, W. L. 1986. Design of multiloop SISO controllers in multivariable

processes. Industrial & Engineering Chemistry Process Design and Development, v. 25
(2), pp. 498-503. DOI: 10.1021/i200033a011.
Ziegler, J. G., Nichols, N. B. 1942. Optimum Setting for Automatic Controllers.

Transactions of the American Society of Mechanical Engineers (ASME), v. 64, pp. 159-
168. ISSN: 0097-6822
SUMÁRIO
1. Introdução ao Controle de Processos 1
1.1. História do Controle de Processos 1
1.1.1. Evolução do Controle de Processos 2
1.2. Terminologia 4
1.3. Estratégias de Controle 5
1.4. Ilustrações de Aplicações de Controle de Processos Baseadas em
7
Controladores Feedforward e Feedback
1.5. Exercícios 14
2. Modelagem Matemática de Processos 17
2.1. Modelagem Matemática e Classificação de Modelos 17
2.1.1. Modelos Fenomenológicos, Empíricos e Híbridos 19
2.1.2. Modelos Estacionários e Dinâmicos 21
2.1.3. Modelos a Variáveis Contínuas e Discretas 21
2.1.4. Modelos a Parâmetros Agrupados ou Distribuídos 23
2.1.5. Lineares e não-lineares 23
2.2. Modelos baseados em balanço de massa/matéria 25
2.1.2. Vaso de nível horizontal com válvula na saída 25
2.2.2. Vaso isotérmico para acúmulo de gás com válvula na saída 27
2.2.3. Vaso isotérmico de separação gás-líquido 30
2.2.4. Reator isotérmico continuamente misturado com volume
35
constante
2.2.5. Reator bioquímico continuamente misturado com volume
36
constante
2.3. Modelos baseados em balanço de energia 39
2.3.1. Tanque de aquecimento continuamente misturado com
39
volume constante
2.4. Modelos baseados em balanço de massa/matéria e energia 41
2.4.1. Tanque de aquecimento continuamente misturado 42
2.4.2. Reator não-isotérmico continuamente misturado com volume
44
constante
2.4.3. Vaso de separação gás/líquido 46
2.4.4. Vaso de separação e equilíbrio líquido-vapor (ELV) de mistura
50
binária
2.5. Exercícios 57
Apêndice 2.1. Vaso de nível horizontal com válvula na saída: dedução da
63
equação (2.14)
Apêndice 2.2. Vaso isotérmico para acúmulo de gás com válvula na
66
saída: dedução para fator de compressibilidade truncado no 1º termo
3. Ferramentas de Modelagem: Análise de Graus de Liberdade e
67
Linearização
3.1. Graus de Liberdade na Modelagem 67
3.2. Linearização de EDOs não-lineares 73
3.2.1. Método de linearização baseado em série de Taylor truncada 73
3.2.2. Comparação por simulação do comportamento dinâmico de
76
um sistema não-linear e sua aproximação linearizada
3.3. Exercícios 83
4. Transformada de Laplace 85
4.1. Operador Transformada de Laplace 86
4.1.1. Propriedades da Transformada de Laplace 86
4.1.2. Transformada de Laplace de Funções Importantes 86
4.1.3. Propriedades Adicionais da Transformada de Laplace 95
4.2. Inversão da Transformada de Laplace por Expansão em Frações
98
Parciais
4.2.1. Efetuação da Transformada Inversa 99
4.2.2. Determinação dos Coeficientes das Frações Parciais 100
4.3. Exercícios 106
5. Funções de Transferência 109
5.1. Função de Transferência: Obtenção e Exemplos 109
5.2. Propriedades das Funções de Transferência 114
5.3. Representação em Diagrama de Blocos 116
5.4. Propriedades Importantes 117
5.4.1. Propriedade Comutativa 117
5.4.2. Propriedade Distributiva 120
6. Comportamento Dinâmico de Processos 131
6.1. Sistemas de 1° Ordem 131
6.1.1. Modelo e Características 131
6.1.2. Resposta Dinâmica de Sistemas de 1ª Ordem à Perturbação
132
Degrau
6.1.3. Identificação de Sistemas de 1ª Ordem: Cálculo de τP 137
6.1.4. Resposta Dinâmica de Sistema de 1ª Ordem à Perturbação
137
Impulso
6.2. Sistemas de 2° Ordem 139
6.2.1. Modelo e Características 139
6.2.2. Resposta Dinâmica de Sistemas de 2ª Ordem à Perturbação
142
Degrau
6.3. Outros sistemas importantes 154
6.3.1. Processos do Tipo Integradores ou Capacitivos 154
6.3.2. Sistemas de 1° Ordem em Série com Interação 155
6.3.3. Sistemas de 2ª Ordem com um Zero 159
6.3.4. Sistemas com Tempo Morto 161
6.3.5. Sistemas de Ordem Mais Elevada 163
7. Análise de Resposta Frequencial de Sistemas Lineares 183
7.1. Métodos Experimentais para Análise Frequencial 183
7.2. Métodos Matemáticos para Análise Frequencial 185
7.3. Diagramas de Bodé 188
7.3.1. Introdução 188
7.3.2. Sistemas de 1ª Ordem 188
7.3.4. Outros Sistemas Importantes 194
7.4. Diagramas de Nyquist 196
7.4.3. Sistemas com Tempo Morto Puro 198
7.4.4. Sistemas de 1ª Ordem com Tempo Morto 199
7.4.5. Comportamentos Gerais 200
Apêndice 7.1. Revisão Sobre Números Complexos 203
Apêndice 7.2. Obtenção de RA e ϕ para um sistema qualquer 205
8. Controle feedback ou por realimentação negativa 207
8.1. Um Exemplo: Controle feedback de um Tanque Aquecido por
207
Serpentina à Vapor
8.2. Diagrama de Blocos e Resposta da Malha Fechada 210
8.3. Controle Proporcional (P) 214
8.3.1. Efeito do Controle Proporcional na Malha Fechada de
215
Processos de 1° Ordem
8.3.2. Efeito do Controle Proporcional na Malha Fechada de Outros
219
Processos
8.4. Controle Proporcional e Integral (PI) 229
8.4.1. Efeito do Controle PI na Malha Fechada de Processos de 1°
231
Ordem
8.5. Controle Proporcional, Integral e Derivativo (PID) 233
8.6. Modificações e Diferentes Expressões de Controladores PID 237
8.6.1. Controlador PID Paralelo 237
8.6.2. Anti windup ou Reset windup 238
8.6.3. Inicialização Suave (“Bumpless Initialization”) 238
8.6.4. Ponderação do Set-point (“Proportional and Derivative Mode
239
Set-point Weighting”)
8.6.5. Versão em Série de Controladores PID 240
8.7. Lei de Controle PID Digital 241
8.8. Instrumentação em Sistemas de Controle 242
8.8.1. Sinais de Instrumentação Padronizados 242
8.8.2. Transdutores 243
8.8.3. Válvulas Pneumáticas 250
9. Estabilidade da Malha Fechada 263
9.1. Conceito de Estabilidade 264
9.2. Análise por Simulação da Estabilidade da Malha Fechada 265
9.3. Métodos para Análise da Estabilidade a Partir da Equação
267
Característica
9.3.1 Arranjo de Routh 267
9.3.2 Método da Substituição Direta (MSD) 272
9.3.3 Técnica do Lugar das Raízes (Root Locus) 274
9.4. Critério de Estabilidade de Bodé 276
9.5. Estabilidade de Processos Químicos Típicos 280
10. Sintonia e Projeto de Controladores Feedback 295
10.1. Sintonia de Controladores 296
10.1.1. Critérios Simples Baseados em Características Pontuais da
296
Malha Fechada
10.1.2. Critérios Baseados na Resposta Completa 296
10.1.3. Critérios Semi-empíricos 298
10.2. Projeto de Controladores Baseados Explicitamente em Modelos 301
10.2.1. Projeto de controladores via síntese direta 301
10.2.2. IMC (Internal Model Control) 305
11. Controle em cascata 323
11.1. Exemplos e premissas iniciais 323
11.2. Equacionamento de sistemas de controle em cascata 327
12. Controle feedforward ou por antecipação 333
12.1. Exemplos e premissas iniciais 333
12.2. Controle feedforward baseado em modelos estacionários 338
12.3. Controle feedforward baseados em modelos dinâmicos 341
12.4. Sintonia de controladores feedforward na forma “Lead-Lag” 344
13. Introdução à Modelagem e Controle Multivariável de Processos 353
13.1. Variáveis de um processo 354
13.2. Representação de modelos no espaço de estados 356
13.3. Sistemas não-lineares a parâmetros concentrados 358
13.4. Obtenção de funções de transferência 360
13.5. Controle multivariável de processos 374
13.5.1. Análise de interação (Ogunnaike & Ray, 1989) 375
13.5.2. O arranjo de ganhos relativos 377
13.5.3. O Teorema da Estabilidade de Niederlinski 382
13.6. Heurística ou regras de pareamento 383
13.7. Sintonia e Projeto de Sistemas Multimalhas 386
13.7.1. Técnica detuning proposta por McAvoy (1981) 387
Apêndice 13.1. Rotinas e modelos MATLAB© do Exemplo 13.10 404
Capítulo 1 – Introdução ao controle de processos
1. Introdução ao Controle de Processos

Neste capítulo é feita uma introdução geral ao controle de processos,
ilustrando onde ele se insere e indicando sua importância na operação, projeto e
desenvolvimento de um processo químico. Assim, no item 1.1, é feito um breve
histórico dos desenvolvimentos em controle de processos. No item 1.2, termos
importantes no controle automático de processos são apresentados. O item 1.3 faz
uma primeira apresentação das estratégias de controle feedback e feedforward, sendo
suas aplicações ilustradas preliminarmente no item 1.4. O controle feedback será
detalhadamente estudado ao longo dos próximos capítulos. Por sua vez, a estratégia
feedforward será investigada no Capítulo 12.
1.1. História do Controle de Processos
Largamente encontrados nos dias de hoje (Kuo & Golnaraghi, 2003), sistemas
de controle são sistemas dinâmicos que contêm controlador. O sistema a ser
controlado pode ser um avião, um automóvel, um robô, um paciente, uma linha de
montagem, um inventário social ou econômico etc. Controle diz respeito à geração de
ações para que um dado sistema se comporte da maneira desejada. Já automação
trata da implementação e realização de ações de modo a tornar automático um
sistema, sendo que tais ações podem ou não ter tido sua origem na área de controle
(Castrucci & Bottura, 2006 apud Aguirre, 2007).
Neste livro, o controle será tipicamente aplicado a processos químicos, sendo

controlados equipamentos tais como reatores, torres de destilação, trocadores de
calor, etc. Nesse contexto, o controle de processos diz respeito à manutenção de
variáveis de processo (temperaturas, pressões, vazões, composições, etc.), em algum
valor de operação desejado. A natureza dos processos químicos é dinâmica ou variante
no tempo, o que torna necessário um controle automático e contínuo de suas
variáveis, de modo que condições de projeto – relacionadas à segurança, qualidade do
produto e taxas de produção – sejam alcançadas.
Cabe ao controlador gerar sinais que conduzam o processo controlado ao

valor desejado para ele, no jargão da área chamado de set-point. Para isso, são
tipicamente necessários elementos que façam a interface entre o controlador e o
processo, que são os elementos sensores e atuadores.
Os sensores fornecem informações (medições) sobre as variáveis que vão ser

controladas e/ou os distúrbios que afetam o processo. Tipicamente é necessário algum
Souza & Trica 1

tipo de condicionamento dos sinais que saem dos sensores, através de elementos
chamados de transdutores, e que podem, por exemplo, amplificar um dado sinal. A
saída de um sensor é conduzida por linhas de transmissão para o controlador.
Os atuadores são os elementos através dos quais os controladores

efetivamente atuam sobre o processo. Por exemplo, válvulas pneumáticas (operadas a
ar comprimido), motores, etc.
O controlador em si pode ser implementado através de diferentes

arquiteturas. Podem ser controladores analógicos, pneumáticos e eletrônicos, como
nas primeiras versões históricas, ou digitais, programados em computadores. Se um
computador for usado no lugar do controlador, elementos adicionais (transdutores
A/D, analógico-digital, e D/A, digital/analógico; amostradores, etc.) são necessários
para permitir a comunicação entre o processo e o controlador.
O controlador é projetado para gerar um sinal de controle a partir das

medidas que ele recebe. No chamado “controle manual”, é o próprio operador que
decide que ações de controle tomar. No controle automático, são comuns
controladores chamados de feedback ou por realimentação negativa ou feedforward
ou por antecipação, que serão apresentadas no item 1.3 mais a frente.
1.1.1. Evolução do Controle de Processos
Segundo Bennet (1996, 2000), as primeiras aplicações de controle datam de

aproximadamente 270 A.C., quando Ktesibios o utilizou para relógios d’água. Ainda de
acordo com o mesmo autor, a história do controle automático pode ser dividida em 4
períodos principais:
• Controle Antigo: pré-1900;
• Período Pré-Clássico: 1900-1940;
• Período Clássico: 1935-1960;
• Controle Moderno: pós-1955.
Como exemplo de aplicação do período do Controle Antigo, cabe destacar a

utilização da medição da temperatura através da expansão do mercúrio em um tubo
no formato de U, criado por Cornelius Drebbel (1572-1663), que controlava a razão de
combustão e a saída de calor de forma mecânica, através da operação de um braço
mecânico movido pelo líquido metálico.
2 Souza & Trica

Com o crescente conhecimento da energia elétrica e aplicações, o Período

Pré-Clássico teve um boom nas aplicações industriais de controle automático. Nos
anos 1920, várias empresas de instrumentação já desenvolviam sistemas de controle
completos para caldeiras. Em 1922, Nicholas Minorsky (1885-1970) formulou o
controle mais utilizado até hoje: o controlador Proporcional-Integral-Derivativo (PID).
O Período Clássico teve contribuições de Hendrick Bode, J.G. Ziegler, N.B.

Nichols e muitos outros grandes nomes que avançaram no projeto de sistemas de
controle. A Segunda Guerra Mundial catalisou os esforços voltados para controles
complexos de mira e trajetória de projéteis que juntou profissionais de diversas áreas
que utilizaram as melhores estratégias que havia até o momento.
A era do Controle Moderno anda em paralelo com o advento da computação.

Os engenheiros passaram a formular as equações diferenciais em termos de séries de
equações de primeira ordem, e assim ficou conhecida a aproximação por “espaço de
estados”. Segundo Bennet (1996, 2000), um trabalho importante dessa época foi o de
Kalman, que fez um tratamento de um problema de otimização de controle linear
multivariável com um índice de desempenho quadrático. Cada vez ficava mais clara a
importância da modelagem dinâmica para o projeto robusto de um controlador.
Até os anos 40 do século XX, a operação manual demandava um número

muito grande de operadores em campo. Tanques grandes eram também empregados
entre várias unidades na planta de processamento para amortecer perturbações. Nos
anos 60, os engenheiros químicos começaram a aplicar análise dinâmica e teoria de
controle aos processos industriais. A partir dos anos 70, o aumento dos preços dos
combustíveis e da energia levou ao desenvolvimento de processos mais integrados e
complexos, com objetivo de torná-los mais rentáveis e competitivos, tornando mais
importante o seu controle automático.
Atualmente, 70 a 80 % das malhas de controle em uma planta de

processamento químico são projetados, instalados e operados com sucesso usando
regras simples baseadas na experiência. Os outros 30 a 20 % requerem maior
conhecimento técnico. Testes nos processos, simulação computacional e projetos
detalhados dos controladores ou reprojetos de processo podem ser necessários para
alcançar o desempenho desejado. Luyben (1990), um conhecido nome na área de
controle de processos, afirma que “cerca de 80 % do tempo que se passa numa planta
é passado na sala de controle” e que “a sala de controle é o cérebro nervoso da
planta”.
Souza & Trica 3

1.2. Terminologia
Na Tabela 1.1 a seguir, são introduzidos os principais termos utilizados na área

de controle de processos e suas respectivas descrições.
Tabela 1.1. Terminologia em controle de processos.

Termo Descrição
Comportamento dependente do tempo de um

Dinâmica
processo.
Um processo estável no sentido BIBO (bounded input,

bounded output ou “entrada limitada, saída limitada”) é
aquele que, para uma entrada limitada (por exemplo:
Estabilidade uma entrada do tipo degrau), exibe uma saída limitada.
Ao contrário, a saída de um processo instável, para uma
variação limitada na sua entrada, torna-se cada vez
maior à medida que o tempo aumenta.
Aquelas que se pode mudar de modo a controlar o

Variáveis manipuladas
processo ou a planta.
Aquelas que se tenta manter tão constante quanto

Variáveis controladas
possível ou fazer seguir uma trajetória no tempo.
Set-point Valor desejado da variável controlada.
Diferença entre o valor do set-point e da variável

Erro
controlada.
Manutenção de um valor de erro constante estável ao

Offset
longo do tempo.
4 Souza & Trica

Tabela 1.1. Terminologia em controle de processos. (Continuação)

Termo Descrição
Variáveis de processo que não se deseja a operação em

Variáveis não-controladas algum valor desejado, mas exibem comportamento
dinâmico.
Variáveis de entrada que sofrem alteração

independentemente da atuação do controlador, sendo
Variáveis de perturbação definidas por outras partes do processo ou da planta. O
ou distúrbios (ou cargas) sistema de controle deve ser capaz de manter o
processo sob controle apesar dos efeitos destas
perturbações.
Situação em que se tenta compensar o efeito das

Controle regulador perturbações na variável controlada, com set-point
mantido constante.
O set-point é modificado em função do tempo e a

Controle servo
variável controlada deve seguir o set-point.
1.3. Estratégias de Controle
Com base na terminologia apresentada, pode-se afirmar que o objetivo de um

sistema de controle automático é usar a variável manipulada (u) para manter a variável
controlada (y) no set-point (ySP), apesar das perturbações (d). As estratégias de
controle feedback e feedforward são apresentadas a seguir e ilustradas na Figura 1.1.
d d
ySP Controlador u y
feedback
Processo ySP Controlador u y
Processo
feedforward
Feedback típico Feedforward típico

Figura 1.1. Comparação entre controle feedback e por antecipação (feedforward).
Souza & Trica 5

A maneira tradicional de controlar um processo é medir a

variável que se quer controlar, comparar o seu valor com o valor
Controle por
desejado (o set-point do controlador), obtendo-se um erro, e
retroalimentação
em função desse erro, calcular o valor de uma variável
(feedback)
manipulada situada na entrada do processo, com objetivo de
levar a variável controlada ao valor desejado.
A perturbação é detectada (medida) ao entrar no processo e

Controle por
uma mudança apropriada é feita numa variável manipulada
antecipação
situada também na entrada do processo, com o objetivo de
(feedforward)
manter a variável controlada no valor desejado.
Dessa forma, o controle feedback baseia-se no erro entre a medição da

variável controlada e o set-point:
 ( t ) = ySP ( t ) − ym ( t ) (1.1)
tal que:
ε(t), é o erro no tempo t;
ySP(t), é o valor de set-point da variável controlada;
ym(t), é o valor medido da variável controlada no tempo t.
Observa-se que no controle feedforward, a variável controlada não é medida,

necessitando-se tipicamente de um modelo do processo para que o controlador possa
definir a sua atuação sobre a variável manipulada de modo a compensar o efeito do
distúrbio sobre a variável controlada.
A estratégia por antecipação (feedforward) tem potencial para controle

perfeito (resposta do sistema insensível aos distúrbios do processo), desde que todos
os distúrbios sejam medidos, se dispõe de um modelo perfeito do processo e o
controlador seja fisicamente realizável, conforme se estudará no Capítulo 12. Já o
controle feedback não precisa de modelo nem de medições dos distúrbios, mas
necessita de que ocorra erro para atuar.
A combinação feedforward + correção (denominada como trim) feedback é

uma abordagem eficiente, que pode ser empregada em processos químicos. Nela, usa-
se o feedforward (FF) para um distúrbio relevante que cause grandes variações na
6 Souza & Trica

variável controlada. O controlador feedback poderá lidar com os efeitos de distúrbios

não medidos e erros do modelo assumido pelo feedforward.
O uso do controle digital permite que leis de controle mais sofisticadas sejam
adotadas, modelos de processo sejam empregados para fazer predições, cálculos on-
line sejam feitos para otimizar o desempenho, etc.
1.4. Ilustrações de Aplicações de Controle de Processos Baseadas em

Controladores Feedforward e Feedback
Trocadores de calor são equipamentos muito usados na indústria de

processos químicos para modificar a temperatura de um fluido. Por exemplo, admita
que se queira aquecer uma corrente de liquido de um fluido de processo de uma
temperatura T1 até uma temperatura T2. Para isso você pode conduzir o líquido que
deseja aquecer pelo interior de tubos, os quais estão dentro de um casco que contém
vapor d’água. Calor é, então, transferido do vapor para o líquido no tubo. O vapor é
condensado e o condensado é retirado por um purgador.
Pode-se projetar um trocador de calor para dadas condições de vazão e de

temperatura. Ou seja, para dadas condições de alimentação do fluido a ser aquecido,
pode-se calcular, fazendo um balanço de energia, quanto calor deve ser cedido para se
obter uma dada temperatura na saída. Isso corresponderia a alimentar vapor ao
trocador numa dada taxa. Vai-se considerar que as condições de alimentação do vapor
são mantidas constantes. Contudo, se a temperatura ou a vazão de alimentação variar,
será necessário ajustar a alimentação de vapor para manter a temperatura de saída no
seu valor desejado. Se a temperatura de entrada diminuir, por exemplo, e não se
aumentar a alimentação de vapor, a temperatura de saída vai também cair, sofrendo
um desvio em relação ao seu valor desejado. A ideia do controle feedback é
justamente usar esse erro para decidir como ajustar a variável manipulada, por
exemplo, aumentando-a ou diminuindo-a e com que intensidade.
A Figura 1.2 exibe um diagrama chamado de P&ID (de Piping &

Instrumentation Diagram ou Diagrama de Tubulação & Instrumentação) para a
aplicação de controle feedback ao trocador de calor.
A variável controlada é a temperatura de saída, que é medida por um sensor

de temperatura (tipicamente um termopar). Como a medição gera um sinal de
magnitude pequena (na ordem de mV), esse sinal é amplificado por um transmissor
para ser transmitido, através da linha de transmissão, como um sinal (tipicamente
eletrônico, de 4 a 20 mȦ) até o controlador. O controlador age no processo através da
Souza & Trica 7

válvula, o atuador, abrindo-a ou fechando-a. Com isso, o controlador regula a pressão

do vapor no casco e, em consequência, a taxa de calor transferido para o fluido de
processo, sendo essa taxa a variável manipulada. Na figura, o transmissor de
temperatura é chamado de TT (Temperature Transmitter) e o controlador de
temperatura, de TIC (Temperature Indicator-Controller), pois ele também indica de
forma remota o valor da variável sob controle.
Vapor
TT1 TIC1
Corrente de
processo
Condensado
TI2 TT2
Figura 1.2. Controle feedback de um trocador de calor.
Os exemplos a seguir ilustram implementações de controladores feedforward

e feedback.
Exemplo 1.1. Aquecedor do tipo tanque continuamente misturado (adaptado de

Seborg et al., 1989), ilustrado na Figura 1.3.
Ti, w
H2O (v)
H2O (l) T, w
Figura 1.3. Aquecedor tanque continuamente misturado.
Seja um tanque agitado, com uma corrente de entrada e uma de saída de

líquido, com massa específica constante. Ambas as correntes possuem vazão mássi-
8 Souza & Trica

Exemplo 1.1. (Continuação)
ca w, sendo a temperatura da corrente de entrada Ti e a da corrente de saída, T (Ti

< T). Para o aquecimento, o tanque é provido de elemento aquecedor, que cede
calor ao líquido no tanque a uma taxa Q̇. Na Figura 1.3, dispõe-se de uma serpentina
a vapor, mas alternativamente seria possível se ter uma resistência elétrica.
A definição do objetivo de controle é essencial para o projeto do sistema de

controle (partindo da seleção dos elementos de medida e atuação, controladores
etc.). Neste caso, o objetivo de controle é manter a temperatura do líquido no
tanque (admitido de mistura perfeita) em um valor desejado TSP.
Para uma condição nominal, estacionária, de operação na qual as condições

fossem mantidas constantes, a taxa de calor necessária para aquecer a vazão w de
líquido de Ti a T poderia ser calculada pelo balanço de energia no estado
estacionário (indicado pelo subscrito “E”) dado pela equação (1.2):
QE = wE cP (TE − Ti,E ) (1.2)
e para o set-point:
QE = wE cP (TSP − Ti,E ) (1.3)
tal que cP é o calor específico do líquido.
Se Ti variar e Q̇ for constante, T sai do set-point. Deve-se então manipular

variáveis de entrada para que haja manutenção de T no set-point. As seguintes
estratégias de controle da Tabela 1.2 podem, dentre outras, ser adotadas:
Tabela 1.2. Estratégias de controle.
Medição Manipulação Estratégia
T Q̇ (ou w) Feedback
Ti Q̇ (ou w) Feedforward
Souza & Trica 9

Exemplo 1.2. Controle de um forno pré-aquecedor de uma torre de destilação

atmosféria de uma refinaria (adaptado de Ogunnaike & Ray, 1994), ilustrado na
Figura 1.4.
Exaustão
Foil, T
TT
TI TT
TT TAHH
TT
Carga F , T
oil in
de
petróleo TI TT
FI FT
FI FT
qAir = Vazão volumétrica de ar
qF = Vazão volumétrica de gás
PF = Pressão de fornecimento do gás
Gás
λF = Poder calorífico do gás combustível
Ar
Figura 1.4. Aquecimento da carga de petróleo de uma torre de destilação

atmosférica de uma refinaria em um forno pré-aquecedor.
Vai-se projetar um sistema de controle para um forno que entrega óleo cru
(petróleo) a uma temperatura alvo (set-point) para uma unidade de fracionamento a
jusante. Esse set-point usualmente muda a cada 2-3 dias, pois é determinado pelo
tipo de petróleo e pelo rendimento desejado da refinaria. A vazão de óleo sofre
variações, pois é definida externamente pela fracionadora. O óleo é aquecido
através da troca indireta de calor com gases quentes proveniente da queima de um
combustível. A pressão de suprimento de combustível e a sua capacidade calorífica
podem se alterar de forma significativa.
Do ponto de vista de instrrumentação, há disponíveis termopares para

medir a temperatura do petróleo na saída e na entrada do forno; medidores de
vazão para medir a vazão de petróleo sendo processado e de combustível sendo
consumido e um pirômetro óptico instalado para monitorar a temperatura do tubo
no interior do forno, sendo que um alarme é acionado se a temperatura fica uns
poucos graus próxima da restrição do limite superior. Para a atuação do controlador,
há uma válvula de controle na linha de alimentação do combustível ao forno, sendo
a vazão de ar mantida fixa em valor pré-estabelecido.
10 Souza & Trica

As variáveis para o sistema de controle podem ser classificadas como

segue:
Variável controlada: a temperatura de saída T, com set-point, TSP. O limite superior

de restrição da temperatura dos tubos do forno é Tmax.
Variável manipulada: a razão ar-combustível, sendo que apenas a a vazão de

combustível, qF, é alterada.
Distúrbios: as variáveis que se alteram independentemente da atuação do

controlador são a vazão de óleo e sua temperatura de entrada, Tin; a pressão de
fornecimento de combustível, PF, e seu poder calorífico, λF.
Dessa forma, o objetivo de controle é regular a saída do processo, T, assim

como lidar com o problema servo de mudanças ne set-point a cada 2-3 dias.
Diante desse objetivo, propõe-se o esquema de controle feedback +

feedforward mostrado no diagrama P&ID da Figura 1.5. Nele, a medida da
temperatura de saída do forno é usada pelo controlador feedback e a medição da
vazão de óleo para o forno é usada pelo controlador feedforward. A soma das saídas
desses dois controladores atua sobre a válvula de controle, ajustando a vazão de
combustível.
Exaustão
Foil, T
TT
TT TIC
TT TAHH
T* TT
Carga F , T
oil in
de
petróleo TI TT
FI FT
FI FT
FC
Σ
Gás
Ar
combustível
Figura 1.5. P&ID do forno pré-aquecedor com a malha de controle feedback +

feedforward da temperatura de saída.
Souza & Trica 11

Ao se usar a combinação dessas duas abordagens de controle, busca-se

rapidamente compensar o efeito do distúrbio do aumento da vazão da carga – pelo
uso da abordagem feedforward – e, ao mesmo tempo – pelo uso da abordagem
feedback – corrigir desvios na variável controlada, devido, por exemplo, a variações
na temperatura de entrada e/ou imperfeições no modelo do controlador
feedforward etc. O resultado do controle para um degrau positivo na vazão de
alimentação é exibido na Figura 1.6.
T
T*
Sem
Controle
t
Figura 1.6. Resposta da temperatura de saída do petróleo após aumento degrau na
vazão de alimentação sob controle feedback + feedforward.
Mesmo com controle feedback e feedforward para distúrbios na vazão, a

temperatura de saída do forno ainda pode flutuar, algumas vezes de forma bastante
inaceitável, quando ocorrerem variações na pressão de chegada do combustível. As
variações no poder calorífico do combustível contribuem para essas flutuações, mas
não se dispõe de uma maneira fácil de monitorar quantitativamente essas variações
do poder calorífico. Assim, vai-se focar no problema causado pelas variações na
pressão de fornecimento de combustível.
Ocorre que o controlador pode apenas ajustar a válvula na linha de

combustível e, embora se espere que posições específicas da válvula devam
corresponder a vazões de combustível específicas, isso só será assim se a pressão de
fornecimento for constante. Quaisquer flutuações na pressão incorrem que o
controlador não vai obter a vazão de combustível que ele realmente solicita.
12 Souza & Trica

Instala-se, assim, uma malha feedback adicional para assegurar que o

controlador de temperatura obtém a mudança de vazão do combustível realmente
requerida. Para tanto, insere-se um controlador de vazão entre o controlador de
temperatura na saída do forno e a válvula de controle na linha de combustível. A
tarefa desse controle interno é assegurar que a vazão de combustível solicitada pelo
controlador de temperatura será realmente entregue ao forno, independente de
variações na pressão de fornecimento.
A adição desse sistema de controle intermediário em “cascata”, ilustrado na

Figura 1.7, leva a um desempenho bem superior, conforme mostrado na Figura 1.8.
Com esse controle podem ser obtidos aumentos de produtividade na refinaria, sem
a necessidade de realizar obras ou aumento da capacidade de equipamentos.
Exaustão
Foil, T
TT
TT TIC
TT TAHH
T* TT
Carga F , T
oil in
de
petróleo TI TT
FI FT
Σ FIC FT
FC
Gás
Ar
combustível
Figura 1.7. Diagrama de tubulação e instrumentação do forno pré-aquecedor com a

malha de controle feedback + feedforward e cascata da temperatura de saída.
Souza & Trica 13

T
T*
Sem
Controle
t
Figura 1.8. Resposta da temperatura de saída do petróleo após aumento degrau na
vazão de alimentação sob controle feedback + feedforward e cascata.
1.5. Exercícios
E1.1. A coluna de destilação mostrada abaixo é usada para destilar uma mistura
binária. Os símbolos x, y e z denotam frações molares do componente mais volátil,
enquanto B, D, R e F representam os fluxos molares de fundo, topo, refluxo e carga
respectivamente. Todos os fluxos podem ser medidos e manipulados, com exceção de
F, que só pode ser medido. Um cromatógrafo provê medidas de y.
AGR
Refluxo D, xD
Topo
Carga F , zF
Vapor
B, xB
Fundo
Figura E1.1.a
14 Souza & Trica

E1.1.a) Sugira um método de controle feedback e esboce um diagrama esquemático;
E1.1.b) Sugira um método de controle feedforward e esboce um diagrama

esquemático.
E1.2. Duas malhas de controle são mostradas no desenho. Indique se cada sistema é
feedback ou feedforward. Justifique sua resposta. Pode-se supor que a distância entre
o transmissor de fluxo e a válvula de controle é bastante pequena em cada sistema.
FIC FIC
FT FT
Sistema 1 Sistema 2
Figura E1.2.a
E1.3. Seja uma frase de um anúncio de jornal:
“EMAGRECER (...) exige um controle eficiente”.
E1.3.a) Uma pessoas quer se manter em 60 kg. Todos os dias, ela se pesa, compara o
peso medido com o desejado e, baseada nesta comparação, ela decide comer mais ou
menos naquele dia, do que sua alimentação diária básica.
E1.3.b) Uma pessoa quer se manter nos seus 60 kg. Ela tem uma alimentação diária
básica e não se pesa. No entanto, ela dispõe de uma tabela de valor calórico dos
alimentos. Sempre que ela consome algo extra, ela calcula quanto aquilo vai lhe
engordar e compensa imediatamente consumindo menos do que a sua alimentação
básica diária.
Nos itens a) e b), em que classificação de controle você situa a estratégia adotada:
feedback ou feedforward? Por quê?
E1.3.c) Usando seus conhecimentos de controle de processos, responda que estratégia

de controle lhe parece mais adequada neste caso: feedback, feedforward ou uma
combinação das duas? Por quê?
Souza & Trica 15

Capítulo 2 – Modelagem Matemática de Processos
2. Modelagem Matemática de Processos

A modelagem matemática é uma das linhas mestras da engenharia moderna.
De uma maneira geral, modelos de processos podem fornecer um maior conhecimento
sobre os mesmos, podendo ser utilizados no treinamento de operadores; projeto,
monitoramento e otimização de processos, etc. Na área de controle de processos,
modelos matemáticos exercem um papel fundamental. Eles podem ser empregados no
projeto, sintonia e avaliação de controladores.
Dependendo da aplicação, os modelos podem exibir diferentes graus de

complexidade. Por exemplo, na área de controle de processos são adotados muitas
vezes modelos mais simples que representem localmente aquele processo (ou seja, em
vizinhanças limitadas de uma condição nominal de operação). Adicionalmente, nessa
área muitas vezes pode ser necessário resolver on line, várias vezes, um dado modelo;
nesse caso, modelos mais complexos implicariam em um esforço computacional mais
elevado.
Neste capítulo, define-se no item 2.1 modelagem matemática e procede-se

uma classificação de modelos. Conforme a classificação feita em 2.1, exemplos típicos
de modelos fenomenológicos dinâmicos, baseados em equações diferenciais ordinárias
(EDOs), são apresentados nos itens seguintes. Assim, no item 2.2 são apresentados
modelos ilustrativos baseados apenas em balanços de massa, em que não há efeitos
térmicos envolvidos. Por sua vez, o item 2.3 traz exemplo de modelo baseado apenas
em balanço de energia, em que não há acúmulo de massa. Já no item 2.4 efeitos
transientes de massa e energia são levados em conta e balanços de massa e de energia
são empregados no desenvolvimento do modelo.
2.1. Modelagem Matemática e Classificação de Modelos
Modelagem matemática é a obtenção de um conjunto de equações (incluindo

os dados de entrada necessários para resolvê-las) usadas no intuito de descrever o
comportamento de um processo.
A Figura 2.1 mostra um dado processo, com suas entradas e saídas. Em função
da localização da interrogação (ou seja, do que é desconhecido), diferentes situações
são representadas. Quando dados de entradas u e saídas y de um processo são
conhecidos, mas não se dispõe de um modelo relacionando-os, o procedimento de
obtenção de tal representação matemática G é chamado de modelagem. Quando o
modelo dinâmico, G, está disponível, o mesmo pode ser resolvido a partir de diferentes
Souza & Trica 17

condições de entradas u, obtendo-se as respectivas saídas y, sendo este procedimento

chamado de simulação de processos. Em esquemas de controle e/ou otimização de
processos, pode-se empregar o modelo para, a partir de uma saída y conhecida, obter
as entradas u a implementar.
Modelagem de
Processos u
G=? y
Simulação de
Processos u
G y=?
Controle de Processos e
Otimização de Processos
u=?
G y
Figura 2.1. Modelagem, simulação, controle e otimização de um processo.

(adaptado de Ogunnaike & Ray, 1994)
Serão procedidas a seguir algumas classificações de modelos, em função de sua

gênese e/ou da natureza do problema representado. Dessa forma, os modelos serão
classificados aqui em (adaptado de Himmelblau & Bischoff, 1968):
• Modelos fenomenológicos, empíricos e híbridos;
• Modelos estacionários e dinâmicos;
• Modelos a variáveis contínuas e discretas;
• Modelos a parâmetros agrupados ou distribuídos;
• Modelos lineares e não-lineares.
18 Souza & Trica

2.1.1. Modelos Fenomenológicos, Empíricos e Híbridos
Modelagem Fenomenológica
A modelagem fenomenológica de um sistema – que pode ser microscópico (por

exemplo, um elemento diferencial de fluido em um reator) ou macroscópico (todo o
líquido contido em um reator) – é baseada em balanços de massa, energia, etc.
Assim, um modelo fenomenológico pode ser obtido a partir de um balanço de

massa total e/ou energia de um sistema, como segue:

 Taxa de acúmulo     Massa, matéria, 
   
 Massa, matéria,  Taxa de geração  
 de massa, matéria,  = energia entrando  −  energia saindo  +  de massa, matéria,  (2.1)

 energia no sistema  
  no sistema     do sistema     energia no sistema 

Exemplo 2.1. Modelagem fenomenológica de um tanque de nível.
Fin(t)
A, ρ
h(t)
F(t)
Figura 2.2. Tanque de nível.
O balanço instantâneo de massa total (2.1) aplicado ao líquido contido no tanque

resulta em:
dh ( t )
A =  Fin ( t ) −  Fout ( t ) (2.2)
dt
tal que Fin(t) e Fout(t) são respectivamente as vazões volumétricas de entrada e de

saída;  é a densidade; A é a área da seção transversal do tanque, admitindo cilíndrico
ou retangular e h, o seu nível de líquido.
Se o nível de líquido, a vazão volumétrica de entrada e de saída não variarem

ao longo do tempo; e se a massa específica também se mantiver constante, a equação
(2.2) pode ser reescrita como:
Fin = Fout (2.3)
Souza & Trica 19

Modelagem Empírica
Os modelos empíricos são baseados em correlações obtidas através de técnicas

de regressão de dados, ajustando-se os respectivos parâmetros.
Exemplo 2.2. Modelo identificado para um reator de polimerização em suspensão.
De Souza Jr. (1993) identificou um modelo a partir de dados amostrados (t

indica o tempo de amostragem) baseado em equação de diferenças para descrever a
temperatura T em um reator de polimerização (contínuo, mistura perfeita, reação
exotérmica e camisa de refrigeração), a partir da temperatura do refrigerante TC:
T ( t + 1) = a1T ( t ) + a2T ( t − 1) + bT
1 C ( t − 1) (2.4)
tal que as constantes a1, a2 e b1 foram estimadas a partir de dados de T e TC.
O procedimento de modelagem empírica é também denominado de

“identificação de processos”. Na indústria de processos químicos atual, há a
possibilidade de armazenar dados através de sistemas de gerenciamento de
informações da planta (ou PIMS ou “Plant Information Management System”). Assim,
muitas vezes se dispõe de muitos dados históricos, mas de poucos modelos. Nesses
casos, modelos entrada-saída de correlação podem ser obtidos. Um padrão que vem
ganhando larga aplicação nos últimos trinta anos é o de redes neuronais artificiais
(RNAs) (De Souza Jr., 1993). As RNAs, ilustradas na Figura 2.3, são compostas de
elementos processadores usualmente dispostos em camadas e têm seus parâmetros
estimados a partir de dados históricos do processo.
u y
(entradas) (saídas)
Figura 2.3. Redes neuronais multicamadas.
20 Souza & Trica

Modelagem Híbrida
A modelagem híbrida é uma combinação entre a modelagem fenomenológica

e a empírica (Boareto et al., 2007). É utilizada geralmente combinando equações de
balanço (massa e energia) com equações empíricas (estimativa, por exemplo, de taxas
de reação em processos complexos, tais como processos biotecnológicos).
Os modelos obtidos a partir das modelagens fenomenológica e empírica

também podem receber outra nomenclatura. Denomina-se como “caixa-preta” um
modelo oriundo de uma identificação de processos. Por sua vez, chama-se de “caixa
branca” um modelo proveniente de equações fenomenológicas que representam o
processo e de “caixa cinza” os modelos híbridos.
2.1.2. Modelos Estacionários e Dinâmicos
Modelos estacionários ou permanentes são caracterizados pela representação

de todas as variáveis como sendo independentes do tempo. Nesse caso, a taxa de
acúmulo da equação (2.1) é nula, obtendo-se o balanço estacionário de massa total ou
energia:

 Massa, matéria,    
Massa, matéria,   Taxa de geração  
 energia entrando −
  energia saindo   de massa, matéria,  = 0
+ (2.5)

 no sistema    do sistema    
energia no sistema 
Modelos dinâmicos ou transientes são caracterizados pela representação de

uma ou mais variáveis como sendo dependentes do tempo. Nesse caso, o termo de
acúmulo da equação (2.1) é não nulo.
No Exemplo 2.1, tem-se balanço de massa total dinâmico dado pela equação
(2.2); para condições estacionárias, tem-se o balanço descrito pela equação (2.3). Já no
Exemplo 2.2, tem-se um modelo dinâmico descrito pela Equação (2.4), uma vez que as
variáveis dependem do tempo.
2.1.3. Modelos a Variáveis Contínuas e Discretas
Dado o modelo G na Figura 2.1, se o conjunto de valores T = [t0 : tn] para a

variável independente (t) é a reta real, então G é dito contínuo. Se o conjunto
T = [t0, t1, t2,..., tn] é composto apenas de valores reais inteiros, G é dito discreto.
Os modelos apresentados no Exemplo 2.1 e Exemplo 2.2 são, respectivamente,

modelos a variáveis contínuas e a variáveis discretas.
Souza & Trica 21

Exemplo 2.3. Variáveis discretas. Coluna de destilação com N pratos
V1(t)
k=1
L1(t)
V2(t)
k=2
L2(t)
V3(t)
k=3
L3(t)
VN(t)
k=N
LN(t)
H
Figura 2.4. Coluna de destilação fracionada.
Cada prato é um estágio k de separação. No topo da coluna, tem-se um

condensador, C, e no fundo, um refervedor, H.
O balanço de massa total dinâmico para o estágio k, considerando que

apenas líquido é retido em cada prato (a retenção de vapor pode ser considerada
desprezível) fornece:
dM k ( t )
= Lk +1 ( t ) + Vk −1 ( t ) − Lk ( t ) + Vk ( t ) (2.6)
dt
tal que Lk e Vk denotam as vazões molares, respectivamente, líquido e de vapor que

saem de um dado estágio k e Mk indica a quantidade de matéria de líquido retido
(hold-up) no prato.
22 Souza & Trica

No estado estacionário, com Mk e as demais vazões molares constantes, obtém-se:
Lk +1 + Vk −1 = Lk + Vk (2.7)
2.1.4. Modelos a Parâmetros Agrupados ou Distribuídos
Sistemas agrupados (lumped) são representados por uma ou mais variáveis

para as quais as variações espaciais são ignoradas ou desprezíveis. Sistemas distribuídos
são representados por uma ou mais variáveis para as quais são consideradas as
variações espaciais.
Sistemas
 = f (t ) (2.8)
agrupados:
Sistemas
 = f ( t , x ) ou  = f ( t , x, y ) ou  = f ( t , x, y, z ) (2.9)
distribuídos:
tal que t é a variável independente tempo e x, y e z são coordenadas espaciais.
Como exemplos típicos de modelos a parâmetros agrupados, podem-se citar os

reatores ideais CSTR (Continuous Stirred Tank Reactor ou reatores do tipo tanque
continuamente misturados) e a parâmetros distribuídos, os reatores PFR (Plug Flow
Reactors ou reatores de fluxo empistonado).
Muitas vezes, as dependências espaciais efetivamente existem (por exemplo,

zonas mortas ou caminhos preferenciais provocam variações da composição com a
posição em um reator), mas elas são desprezadas para fins de simplificação do modelo.
Nesses casos, deve-se ter cautela no uso do modelo resultante.
2.1.5. Lineares e não-lineares
Os modelos lineares só contêm termos nos quais a variáveis dependentes estão

elevadas à 1ª potência. Se funções com dependências não lineares (raízes, quadrados,
exponenciais, produtos entre variáveis, etc.) das variáveis dependentes aparecerem na
equação, ela será não linear.
Souza & Trica 23

Exemplo 2.4. Tanque de nível do Exemplo 2.1.
Se na corrente de saída do tanque existir uma válvula, dependendo do seu

tipo, pode-se ter um modelo linear ou não linear, como mostrado respectivamente a
seguir:
- Válvula linear
h
Fout = (2.10)
R
tal que R, a resistência da válvula, é uma constante.
- Válvula “abertura rápida”
Fout = CV* h (2.11)
tal que CV* , o coeficiente da válvula, é uma constante.
Uma maior discussão sobre linearidade será feita no Capítulo 3. A Tabela 2.1
resume as classificações estudadas e apresenta modelos matemáticos que podem ser
obtidos em função dessas classificações.
Tabela 2.1. Classificações de modelos e equações resultantes.
Variáveis independentes Variáveis contínuas Variáveis discretas
Sistemas de EDOs (equações

Equação de diferenças:
diferenciais ordinárias):
t ou x
• agrupados e dinâmicos • sistema multi-estágio
• distribuídos e estacionários no EE
Sistemas de EDPs (equações

t, x diferenciais parciais):
t, x, y Equação de diferenças
• distribuídos e dinâmicos ou diferenciais
t, x, y, z
estacionários
Neste livro a ênfase estará voltada para modelos dinâmicos, com parâmetros
agrupados, variáveis contínuas, descritos por sistemas de equações diferenciais
24 Souza & Trica

ordinárias (EDOs), que são os mais comumente empregados em controle clássico de

processos.
2.2. Modelos baseados em balanço de massa/matéria
Neste item serão mostrados cinco exemplos. Os três primeiros tratam

respectivamente de armazenamento de líquido e de gás. Os dois exemplos seguintes
tratam de um reator químico e de um reator bioquímico.
2.2.1 Vaso de nível horizontal com válvula na saída
O Exemplo 2.1 e o Exemplo 2.4 trataram de um tanque vertical. Aqui é tratado

um vaso horizontal. Vasos horizontais são utilizados quando se necessita de tempo de
residência para escoar uma alta vazão de líquido. O tempo de residência é definido como
a razão entre o volume do vaso e a vazão de líquido escoando pelo mesmo. Para
operação em pressão atmosférica, é possível construir um tanque aberto e de grande
diâmetro, como visto em sistemas de tratamento de efluentes. Porém, para pressões
altas e moderadas, maiores diâmetros acarretam na necessidade de vasos de grande
espessura, tornando o equipamento vertical oneroso. A solução é aumentar o volume
do vaso através de seu comprimento e “deitá-lo” para facilitar seu equilíbrio estrutural.
Como o vaso opera em pressões maiores que a atmosférica, é prevista uma válvula de
segurança para alívio de pressão (ou o termo em inglês, geralmente utilizado, PSV,
pressure safety valve), conforme apresentado na Figura 2.5.
Fin(t)
P
D/2-h(t)
C,D D/2
θ/2 θ/2
R
h(t)
h(t) ρ
F(t)
Figura 2.5. Vaso de nível horizontal com válvula na saída.
O modelo desse processo é semelhante ao exemplo já apresentado do tanque

de nível valvulado com a diferença de que a área da seção transversal é dependente do
nível de líquido (a área varia conforme aumenta/diminui o volume de líquido contido no
tanque).
Souza & Trica 25

Hipóteses:
• Propriedades constantes;
• Mistura perfeita, isotrópica: propriedades iguais em todo volume do líquido;
• Volume dos tampos (abóbodas) do vaso desprezado;
• Pressão de descarregamento do líquido (à jusante da válvula), P0, constante;
• Pressão de operação do vaso constante, P;
• Dinâmica da vazão volumétrica de alimentação do vaso, Fin(t).
Obtenção do modelo:
O modelo dinâmico para o nível do vaso pode ser obtido através do balanço de
massa, representado pelo produto massa específica x volume. As taxas de massa que
entram e saem do vaso são representadas pelo produto massa específica x vazão
volumétrica:
d
( V ) =  Fin ( t ) −  F ( t ) (2.12)
dt
tal que ρ é a massa específica.
O volume de líquido presente no vaso pode ser calculado através do produto

comprimento x área da seção transversal molhada, isto é, V = C x A(h), área que é
dependente do nível de líquido do vaso. Substituindo em (2.12), obtém-se:
d
C  A ( h )   f1 =  Fin ( t ) −  F ( t ) (2.13)
dt 
tal que a equação constitutiva f1 descreve como a massa de líquido no vaso varia com o
tempo.
Utilizando a regra da cadeia no termo dA(h)/dt em (2.13), deduz-se uma

expressão matemática para a variação do nível com o tempo, dh/dt, conforme detalhado
no Apêndice 2.1:
d  A ( h )  dh
= 2 h ( D − h) (2.14)
dt dt
Substituindo a expressão (2.14) em (2.13):

26 Souza & Trica
dh
2C h ( D − h ) = Fin ( t ) − F ( t ) (2.15)
dt
A seguinte relação de projeto (equação da válvula, equação de fluxo ou relação

pressão-vazão) pode ser utilizada:
P +  gh ( t ) − P0
F  h ( t )   f 2 = K V (2.16)

tal que KV é a constante da válvula em unidades de área (m², cm², etc.) e g é a aceleração
da gravidade.
Substituindo agora a equação constitutiva (2.16) (f2) em (2.15), obtém-se o

modelo não-linear:
1/ 2
dh  P − P0 
2C h ( D − h ) = Fin ( t ) − K V  + gh ( t )  (2.17)
dt   
2.2.2. Vaso isotérmico para acúmulo de gás com válvula na saída
Gases geralmente são acumulados em vasos de pressão intermediários entre

sistemas para atuarem como “pulmões”, isto é, possuem alguma capacidade de garantir
fornecimento/recebimento de gás até certo período de tempo.
Correntes de gases nas plantas de processamento podem conter pequenas

quantidades de líquido, seja por condensação devido a perdas de calor para o ambiente
ou por arraste mecânico de gotas, devido à formação de espuma em vasos separadores
de sistemas a montante. Desta forma, apesar do vaso acumular gás, sempre é previsto
um pequeno nível de líquido em seu fundo, o qual atua como um selo de segurança para
evitar a passagem de gás para sistemas em que esse não deveria estar presente. O
sistema é apresentado na Figura 2.6. A válvula de saída de líquido em cor preta,
representa que a mesma opera normalmente fechada, indicando que não é prevista
retirada contínua de líquido do vaso.
Souza & Trica 27

w(t)
P(t)
win(t)
V,T,MW
Figura 2.6. Vasos para acúmulo de gás com válvula na saída.
Hipóteses:
• Volume do selo de líquido desprezível;
• Pressão de descarregamento do gás (à jusante da válvula), P0, constante;
• Temperatura de operação do vaso constante, T;
• Dinâmica da vazão mássica de alimentação do vaso, win(t);
• Comportamento ideal do gás: Fator de compressibilidade do gás, Z, igual à 1;
• Fluxo não-crítico de gás pela válvula de saída.
(No Apêndice 2.2 se faz a dedução do modelo para fator de compressibilidade

do gás, Z, do tipo virial truncado no primeiro termo:
BP
Z =1+ (2.18)
RT
tal que R é a constante universal dos gases ideais e B é o parâmetro de volume do gás).
Obtenção do modelo
A descrição do comportamento dinâmico da pressão do vaso pode ser obtida

através do balanço de massa do mesmo:
d V  ( t ) 
= win ( t ) − w ( t ) (2.19)
dt
28 Souza & Trica

Como o gás preenche todo o volume do vaso, que é constante, e desprezando-

se o volume do selo de líquido:
d  (t )
V = win ( t ) − w ( t ) (2.20)
dt
A relação termodinâmica PVT é capaz de expressar a massa específica do gás

em função da pressão e temperatura (constante) do vaso:
M W P (t )
 (t ) = (2.21)
Z ( P, T ) RT
Onde M W é a massa molar do gás. Substituindo (2.21) em (2.20):
M WV d  P ( t ) 
  = win ( t ) − w ( t ) (2.22)
RT dt  Z ( P, T ) 
M WV  1 dP ( t ) P ( t )  Z  dP ( t ) 
 − 2    = win ( t ) − w ( t )
RT  Z dt Z  P T dt 
M WV  1 P ( t )  Z   dP ( t )
 − 2    = win ( t ) − w ( t )
RT Z Z  P T  dt
M WV  Z − P ( t )( Z P )T  dP ( t )
   f1 = win ( t ) − w ( t ) (2.23)
RT  Z2  dt

pressão-vazão dada pela função f2) pode ser utilizada, considerando que não há fluxo
crítico:
P ( t ) − P0
w(t ) =  (t ) KV (2.24)
 (t )
Souza & Trica 29

w ( t ) = K V  ( t ) ( P ( t ) − P0 )
MW P ( t )  P ( t ) − P0 
w(t )  f2 = KV (2.25)
RT Z ( P, T )
tal que KV a constante da válvula em unidades de área (m², cm², etc.).
Substituindo agora (2.25) em (2.23):
 M WV   Z − P ( Z P )T  dP MW P  P − P0 
 RT    = win ( t ) − K V (2.26)
 
2
Z  dt RT Z
considerando o comportamento de gás ideal, obtém-se o modelo não-linear:
 M WV  dP MW
 RT  dt = win ( t ) − K V RT P  P − P0  (2.27)
 
Para Z truncado no termo de 1ª ordem, o desenvolvimento é feito no Apêndice

2.2.
2.2.3. Vaso isotérmico de separação gás-líquido
Vasos para separar as fases gasosa e líquida em duas correntes são amplamente
utilizados nas indústrias de processamento químico. Alguns exemplos são vasos de
separação no início de uma planta de processamento primário de petróleo e vasos
depuradores ao final de unidades de compressão, alimentados por correntes gasosas
com presença de fase condensada, após resfriamento em trocadores de calor.
Com objetivo de minimizar a quantidade de líquido carreada pela corrente de

saída de gás, o vaso possui internos para melhorar a eficiência de separação. Alguns
exemplos são placas defletoras instaladas imediatamente à frente do bocal de
alimentação, separando o gás do líquido por efeito mecânico e eliminadores de névoa
próximos ao bocal de retirada da corrente gasosa.
O modelo desse processo é uma combinação do balanço de massa efetuado no

subitem 2.2.1 e no subitem 2.2.2, de forma que é considerado tanto o acúmulo de
líquido e de gás no vaso. Considera-se na alimentação uma vazão volumétrica de líquido
30 Souza & Trica

e de gás. Para as correntes de saída também há, respectivamente, uma vazão

volumétrica de líquido e de gás. O sistema é apresentado na Figura 2.7 abaixo
considerando um vaso do tipo vertical. Porém, o modelo será desenvolvido
considerando ambos os tipos de vaso: horizontal e vertical, verificados no subitem 2.2.1
e no subitem 2.2.2.
G(t)
MW,G P(t)
Lin(t),Gin(t)
hL(t)
C,D,ρL
L(t)
Figura 2.7. Vaso isotérmico de separação gás-líquido.
Hipóteses:
• Propriedades constantes na fase líquida;
• Mistura perfeita, isotrópica: propriedades iguais em todo volume das fases

líquida e gasosa;
• Pressão de descarregamento do gás (à jusante da válvula), P0,G, constante;
• Pressão de descarregamento do líquido (à jusante da válvula), P0,L, constante;
• Temperatura de operação do vaso constante, T;
• Massa específica do gás na alimentação e no vaso iguais: ρin,G = ρG, isto é,

pressão e temperatura de alimentação do gás iguais ao do vaso;
• Dinâmica da vazão volumétrica de alimentação de líquido e de gás, Lin(t) e

Gin(t), respectivamente;

• Fluxo não-crítico de líquido e de gás pelas válvulas de saída.
Souza & Trica 31

A descrição do comportamento dinâmico do nível do vaso pode ser obtida de

forma semelhante ao apresentado em 2.1.1, substituindo F por L para representar a
fase líquida. Para a pressão do vaso, seu comportamento dinâmico pode ser avaliado
através do balanço de massa da fase gasosa:
d
( LVL ) = L Lin ( t ) − L L ( t ) (2.28.a)
dt
d
( M G ) = in,GGin ( t ) − GG ( t ) (2.28.b)
dt
tal que MG é a massa de gás acumulada no vaso.
O gás que alimenta o vaso está submetido a mesma temperatura e pressão do

mesmo, que ocorre quando: é desprezível a troca térmica da tubulação a montante do
vaso com o ambiente; e quando também é desprezível a queda de pressão por atrito
(i.e. perda de carga). A massa de gás acumulada pode ser expressa pelo produto massa
específica x volume da fase gasosa. A massa específica do gás pode ser expressa
conforme (2.21). Sendo assim:
M W,G P
M G = G ( P )VG = VG (2.29)
Z  P, T  RT
tal que MW,G é a massa molar do gás.
Substituindo (2.29) em (2.28.a) e sabendo que o volume de líquido é função do

nível do vaso, isto é, VL = VL(hL), obtém-se:
d
L VL ( hL )   f1 = L Lin ( t ) − L L ( t ) (2.30.a)
dt 
d  G  dVG ( t )
VG ( t ) + G  f 2 = GGin ( t ) − GG ( t ) (2.30.b)
dt dt
Nota-se que neste caso, diferente do modelo apresentado em 2.2.2, o volume

de gás não é constante (i.e. igual ao volume total do vaso). As relações de projeto
32 Souza & Trica

(equação da válvula, equação de fluxo ou relação pressão-vazão) podem ser utilizadas

para as fases líquido e gás, considerando que não há fluxo crítico:
P ( t ) − P0, L
L  hL ( t ) , P ( t )   f3 = K V,L + ghL ( t ) (2.31.a)
L
P ( t ) − P0,G
G  P ( t )   f 4 = K V,G (2.31.b)
G  P ( t ) 
tal que KV,L e KV,G são as constantes da válvula de descarregamento de líquido e gás,
respectivamente, em unidades de área (m², cm², etc.).
Com o intuito de obter uma expressão aplicável tanto para vasos horizontais
quanto verticais, o comprimento do vaso, C, deve ser interpretado como “comprimento
horizontal” (no caso de vaso horizontal) ou “comprimento vertical” (no caso de vaso
vertical). Procede-se com o desenvolvimento matemático utilizando a regra da cadeia
para obter a taxa de variação do nível de líquido:
 dVL  dhL ( t )
  = Lin ( t ) − L ( t ) (2.32)
 dhL  dt
De forma que o termo dVL/dhL é mantido na expressão com objetivo de aplicá-

la para ambos os tipos de vaso: vertical ou horizontal. O termo dVL/dhL deve ser
substituído conforme expressões a seguir, de acordo com o tipo do vaso:
dVL  D2
VERTICAL = A= (2.33.a)
dhL 4
dVL
HORIZONTAL = 2C hL ( D − hL ) (2.33.b)
dhL
tal que D é o diâmetro do vaso.
É possível notar neste ponto da modelagem que há quatro equações

constitutivas: f1, f2, f3 e f4 para cinco variáveis: hL(t), P(t), VG(t), G(t), L(t). A quinta
equação constitutiva que elimina o grau de liberdade do sistema é dada pela restrição
Souza & Trica 33

geométrica do vaso de que a soma dos volumes de ambas as fases líquida e gás deve ser
igual ao volume total do vaso:
 D2
VT  f5 = VL ( hL ) + VG ( t )  VT = C (2.34)
4
de forma que é possível substituir a equação constitutiva (2.34) em (2.30.b), eliminando

assim a variável VG(t).
Considerando agora o comportamento ideal do gás e substituindo as

expressões (2.31) em (2.30), obtém-se o seguinte modelo não-linear para o nível de
líquido:
 dVL  dhL ( t ) P ( t ) − P0,L

  = Lin ( t ) − K V,L + ghL ( t ) (2.35.a)
 dhL  dt L
e para a pressão do vaso:
) dt  + 
d 
(V T − VL  hL ( t )  G
G
d
dt
( )
VT − VL  hL ( t )  = GGin ( t ) − GG ( t )
 M  dP ( t )  M W,G P ( t ) dVL  dhL ( t )

(V T )
− VL  hL ( t )   W,G  −  =
 RT  dt  RT dhL  dt
 M W,G P ( t )   M W,G P ( t )  P ( t ) − P0,G

  Gin ( t ) −   K V,G
 RT   RT  M W,G P ( t ) RT
dP ( t )  dV  dh ( t )
(V T − VL  hL ( t )  ) −  L  P (t ) L =
dt  dhL  dt
(2.35.b)
RT
P ( t ) Gin ( t ) − K V,G P ( t )  P ( t ) − P0,G 
M W,G
Do Apêndice 2.1, o volume de líquido é calculado conforme expressões a seguir,

de acordo com o tipo do vaso:
34 Souza & Trica

 D2
VERTICAL VL  f5 = AhL = hL (2.36.a)
4
VL  f5 = C  A hL  =
HORIZONTAL D2  −1  D 2 − hL 
 −1  D 2 − hL 
 (2.36.b)
C  2cos   − sen  2cos    
8   D 2    D 2  
tal que A[hL] é a área da seção transversal molhada da vista frontal do vaso.
Dessa forma, o modelo é constituído pelas funções f1 e f2, das equações de

balanço e pelas funções f3, f4 e f5, dadas pelas equações constitutivas: relações de
projeto das válvulas de líquido e de gás mais a expressão do volume de líquido em
função do nível de líquido.
2.2.4. Reator isotérmico continuamente misturado com volume constante
O modelo, mais conhecido pelo nome em inglês, CSTR, Continuous Stirred Tank
Reactor, representa sistemas usualmente compostos pela alimentação de um substrato
num tanque de mistura perfeita, onde ocorre uma reação química transformando o
substrato em um dado produto. O sistema é ilustrado na Figura 2.8. O modelo é
empregado para reações em fase homogênea, usualmente fase líquida.
F,CA,in(t)
F,CA(t)
k,V
Figura 2.8. Reator isotérmico continuamente misturado com volume constante.
Hipóteses:
• Reação química dada por: A → B, tal que A é reagente e B produto;

• Mistura perfeita, isotrópica: propriedades iguais em todo volume do tanque;

Souza & Trica 35
• Temperatura de operação do reator constante;
• Volume constante: vazão de entrada e de saída iguais;
Dinâmica da concentração de alimentação do reagente, CA,in(t).
A variação da concentração do reagente no tanque pode ser obtida através do

balanço de quantidade de matéria do mesmo:
dCA ( t )
V = F CA,in ( t ) − CA ( t )  + rAV (2.37)
dt
tal que rA é a taxa de reação específica do reagente A. Dependendo da ordem da reação

química: ordem zero, 1° ordem, 2° ordem, etc:
Ordem zero rA = −k (2.38.a)
1° ordem rA = − kCA (2.38.b)
2° ordem rA = −kCA 2 (2.38.c)
tal que k é o coeficiente específico de reação. Substituindo em (2.37), obtém-se:
dCA ( t )
V  f1 = F CA,in ( t ) − CA ( t )  − kp CA ( t )  V (2.39)
dt
tal que p[CA(t)] representa um polinômio para a concentração do substrato, cuja ordem
determina a ordem da reação ocorrendo no tanque.
Para reações de ordem zero ou 1° ordem, o modelo obtido é linear, mas para
reações de ordem distintas – por exemplo, 2° ordem ou outra qualquer – o modelo
obtido será não-linear. A função f1 descreve, portanto, como a quantidade do reagente
A, em mols, varia com o tempo no reator.
2.2.5. Reator bioquímico continuamente misturado com volume constante
O modelo do reator bioquímico possui semelhanças ao modelo CSTR

apresentado, com o acréscimo de mais uma variável para descrever o comportamento
36 Souza & Trica

do sistema, a concentração de biomassa, X ( t ) , e expressões para a taxa de reação. O

modelo é utilizado para representar o consumo de um substrato utilizado para
crescimento de biomassa dentro de um reator de mistura perfeita, onde ocorrem as
reações bioquímicas, gerando a própria biomassa e produtos de interesse. O sistema é
ilustrado na Figura 2.9.
F,Sin(t),Xin(t)
F,S(t),X(t)
V,Y
Figura 2.9. Reator bioquímico continuamente misturado com volume constante.
Hipóteses:
• Temperatura de operação do biorreator constante;
• Rendimento de geração de biomassa, Y, constante;
• Dinâmica da concentração de alimentação do substrato e de biomassa, Sin(t) e

Xin(t), respectivamente.
Os comportamentos dinâmicos da taxa de variação da concentração do

substrato e de biomassa no reator são descritos pelos respectivos balanços de massa,
através do produto volume x concentração mássica:
dX ( t )
V = F  X in ( t ) − X ( t )  + rX V (2.40.a)
dt
dS ( t )
V = F  Sin ( t ) − S ( t )  + rSV (2.40.b)
dt
Souza & Trica 37

tal que rX e rS são, respectivamente, a taxa de crescimento específico da biomassa e

de consumo específico do substrato.
A taxa de crescimento é expressa como uma reação de 1° ordem, dependente

da concentração de biomassa:
rX =  ( S ) X (2.41)
tal que µ é o coeficiente de crescimento específico, dependente da concentração de

substrato.
A taxa de consumo específico do substrato pode ser relacionada com a

expressão acima, através do rendimento:
Y
biomassa produzida =
rX V r
=− X
massa de substrato consumido −rSV rS
rX  (S ) X
rS = − =− (2.42)
Y Y
O coeficiente de crescimento específico, µ, pode ser expresso através da

equação de Monod ou no caso de haver inibição pelo substrato pelas seguintes
equações (Schmidell et al., 2001):
 S 
MONOD  = max   (2.43.a)
 kS + S 
INIBIÇÃO PELO  S   ki,S 

 = max    (2.43.b)
SUBSTRATO  kS + S   ki,S + S 
tal que:
• µmax é taxa máxima de crescimento da biomassa, em s-1;
• kS é constante de saturação, em kg S/m³ (quilograma de substrato por metro

cúbico): o valor de S quando a razão µ/µmax é igual a 0,5;
• ki,S é constante de inibição pelo substrato, em kg S/m³: o valor de S quando a

razão µ/µmax é igual a 0,5.
38 Souza & Trica

Substituindo (2.41) e (2.42) em (2.40.a) e (2.40.b) respectivamente, obtém-se

as EDOs não-lineares do sistema para X(t) e S(t):
dX ( t )
V  f1 = F  X in ( t ) − X ( t )  +  ( S ) X ( t )V (2.44.a)
dt
dS ( t )  ( S ) X (t )
V  f 2 = F  Sin ( t ) − S ( t )  − V (2.44.b)
dt Y
2.3. Modelos baseados em balanço de energia
Neste item, o tanque aquecido, que foi inicialmente analisado no Capítulo 1,

tem seu modelo dinâmico deduzido para o caso em que não há acúmulo de massa.
2.3.1. Tanque de aquecimento continuamente misturado com volume constante
Esse modelo é representativo para tanques e vasos que possuem aquecimento

interno por eletricidade ou por serpentinas passando algum fluido de aquecimento, por
exemplo vapor d’água. O termo “aquecimento” foi utilizado por mera ilustração, sendo
o modelo válido também para o caso de resfriamento, quando a taxa de calor passa a
ser negativa. O sistema é apresentado na Figura 2.10.
Tin(t),F
Vapor d água
Condensado t) T(t),F
ρ,V,cP
Figura 2.10. Tanque de aquecimento continuamente misturado
com volume constante.
Hipóteses:
• Líquido com propriedades constantes;

• Perdas de calor para o ambiente desprezíveis;
Souza & Trica 39

• Termos de energia cinética e potencial desprezíveis;
• Dinâmica da temperatura da alimentação, Tin(t);
• Dinâmica da taxa de aquecimento/resfriamento do sistema, (t).
O comportamento dinâmico da temperatura no tanque pode ser obtido através

do balanço de energia. A energia total específica é composta pela soma das energias
interna específica, eU, cinética específica, eC, e potencial específica, eP. Dessa forma, a
energia total específica (por unidade de massa) é descrita por:
e = eU (T ) + eP + eC (2.45)
A energia potencial específica e cinética específica são dadas por:
eP = gh (2.46.a)
1
eC =
2
vk (2.46.b)
2
tal que g é a constante gravitacional; h é o nível de líquido e <vk> é a velocidade média

de escoamento do líquido na tubulação de entrada ou saída.
O balanço de energia total fica então:
de ( t )
V =  F ( eU,in ( t ) + eP,in + eC,in ) −  F ( eU,out ( t ) + eP,out + eC,out ) + Q ( t ) + W (2.47)
dt
O trabalho realizado no sistema é dado pela força exercida pela entrada e saída
das massas de fluido no mesmo (Smith et al., 2007). Caso o tanque tivesse uma pá
agitadora, o trabalho exercido pela mesma pode ser desprezado. Dessa forma, o
trabalho realizado será dado pela seguinte expressão:
W = F ( Pv )in − F ( Pv )out (2.48)
tal que v é o volume específico.
40 Souza & Trica

A energia do sistema é tipicamente aproximada pelo termo de energia interna,

pois usualmente as tubulações de entrada e saída possuem mesmo diâmetro, com
velocidades média de escoamento iguais (i.e. eC,in = eC,out) e que diferença entre as cotas
(elevações) dos bocais de alimentação e saída é pequena (i.e. eP,in − eP,out ≈ 0). O termo
Pv pode ser inserido na expressão para a energia específica interna, eU, para expressar
a energia total em termos da entalpia específica, eH, útil quando são analisados sistemas
com entrada e saída de massa (Smith et al., 2007):
T
eH (T )  eU (T ) + Pv =  c dT  = c (T − T )
P P ref (2.49)
Tref
tal que cP é a capacidade calorífica específica à pressão constante.
Efetuando agora a derivação em relação ao tempo, obtém-se:
deU ( t ) d eH ( t ) − Pv  deH ( t ) d ( Pv )

V = V = V − V
dt dt dt dt
Sendo a pressão e o volume específico, constantes, obtém-se:
de ( t ) deH ( t ) d cP (T ( t ) − Tref )  dT ( t )

V = V = V = VcP (2.50)
dt dt dt dt
onde se considerou que cP é constante. Assim:
dT ( t )
VcP =  cP F Tin ( t ) − Tref  −  cP F T ( t ) − Tref  + Q ( t ) (2.51)
dt
dT ( t )
VcP  f1 =  cP F Tin ( t ) − T ( t )  + Q ( t ) (2.52)
dt
Dessa forma a função f1 descreve como a energia do sistema varia com o

tempo.
2.4. Modelos baseados em balanço de massa/matéria e energia
Três sistemas descritos pelos balanços de massa e de energia são apresentados

neste item. Os três primeiros exemplos estendem, respectivamente, a modelagem do
Souza & Trica 41
tanque de aquecimento, do reator CSTR e do vaso de separação gás-líquido para

considerar efeitos simultâneos de acúmulo de massa e de energia. O quarto exemplo
considera um vaso de separação em que há equilíbrio líquido-vapor (ELV) de uma
mistura binária.
2.4.1. Tanque de aquecimento continuamente misturado
Esse modelo é uma extensão do modelo apresentado em 2.3.1, adicionando-se

mais uma variável para descrever o comportamento do sistema, o nível do tanque; com
ela, pode-se obter o comportamento dinâmico da massa de líquido variando ao longo
do tempo. O sistema é apresentado na Figura 2.11.
Hipóteses:
As mesmas assumidas em 2.3.1, exceto que agora as vazões na entrada e na

saída podem ser diferentes ao longo de um transiente.
Tin(t),Fin(t)
Vapor d água
h(t)
Condensado t) T(t),F(t)
ρ,cP,A
Figura 2.11. Tanque de aquecimento continuamente misturado.
A descrição do comportamento dinâmico do nível do tanque pode ser obtida a

partir do balanço de massa do mesmo:
dV ( t )
 =  Fin ( t ) −  F ( t ) (2.53)
dt
dh ( t )
A  f1 = Fin ( t ) − F ( t ) (2.54)
dt
42 Souza & Trica

O balanço de energia é aplicado para o produto massa específica x volume x

energia específica total, essa última aproximada pela entalpia específica conforme
desenvolvido em 2.3.1:
dE ( t )
=  cP Fin ( t ) Tin ( t ) − Tref  −  cP F ( t ) T ( t ) − Tref  + Q ( t ) (2.55)
dt
Desenvolvendo inicialmente o termo de acúmulo de energia (lado esquerdo da

equação de balanço):
dE ( t ) d
= V ( t ) e ( t )  (2.56)
dt dt 
dE ( t ) de ( t ) dV ( t )
= V ( t ) + e (t )
dt dt dt
dE ( t ) d dV ( t )
= V ( t ) cP T ( t ) − Tref  +  cP T ( t ) − Tref  (2.57)
dt dt dt
Substituindo (2.53) em (2.57), obtém-se:
dE ( t ) d
= V ( t ) cP T ( t ) − Tref  +   Fin ( t ) − F ( t )  cP T ( t ) − Tref 
dt dt 
dE ( t ) dT ( t )
= V ( t ) cP +  cP  Fin ( t ) − F ( t )  T ( t ) − Tref  (2.58)
dt dt
Substituindo dE(t)/dt obtida pela expressão acima no balanço de energia do

tanque, expressão (2.55), obtém-se:
dT ( t )
V ( t ) cP +   Fin ( t ) − F ( t )  cP T ( t ) − Tref  =
dt
 cP Fin ( t ) Tin ( t ) − Tref  −  cP F ( t ) T ( t ) − Tref  + Q ( t )
Souza & Trica 43

dT ( t )
 AcP h ( t )  f 2 =  cP Fin ( t ) Tin ( t ) − T ( t )  + Q ( t ) (2.59)
dt

pressão-vazão) pode ser utilizada:
F ( t )  f3 = CV* h ( t ) (2.60)
tal que CV* é a constante da válvula em unidades de área2.5/tempo (i.e., m2.5/h).

balanço, e pela função f3, de uma equação constitutiva (equação de projeto da válvula).
2.4.2. Reator não-isotérmico continuamente misturado com volume constante
Esse modelo é uma extensão do CSTR apresentado em 2.2.4, onde é

considerado o fenômeno térmico da reação química. Desta forma, é necessário realizar
o balanço de energia do tanque além do balanço material. O sistema é apresentado na
Figura 2.12.
F,CA,in(t),Tin(t)
Água resf.
t)
F,CA(t),T(t)
k0,EA,ρ,cP,V,ΔhA
Figura 2.12. Reator continuamente misturado com volume constante.
O modelo continua sendo válido para reações em fase homogênea, usualmente

fase líquida. É possível notar a presença de resfriamento na figura, utilizada como mera
ilustração para o caso de uma reação exotérmica – com liberação de energia pelo o
sistema. O modelo é válido para o caso de aquecimento, quando ocorre uma reação
endotérmica e há necessidade de adição de energia ao sistema.
Hipóteses:
44 Souza & Trica
• Reação química dada por: A → B, tal que A é reagente e B produto;
• Coeficiente específico de reação expresso através da Lei de Arrhenius:
k (T ) = k0 exp  − EA RT  (2.61)
tal que k0 é o coeficiente específico na temperatura de referência T0 e EA é a energia de

ativação;
• Calor de reação molar em relação ao reagente A, ΔhA, constante;

• Dinâmica da concentração e temperatura de alimentação do substrato, CA,in(t)

e Tin(t), respectivamente;
A equação que descreve a taxa de variação da concentração do reagente A no

tanque é a mesma apresentada 2.2.4: expressão (2.37). A depender do tipo de reação:
ordem zero, 1° ordem, 2° ordem, etc. são obtidas diferentes expressões da EDO para
CA(t). Para o modelo não-isotérmico, é necessário reescrever o balanço material do
reagente A considerando o coeficiente específico da reação, k, dependente da
temperatura:
dCA ( t )
V  f1 = F CA,in ( t ) − CA ( t )  − k T ( t )  p CA ( t )  V (2.62)
dt
Para efetuar o balanço de energia, pode-se proceder como em 2.3.1,

escrevendo a energia específica total em termos da entalpia específica e levando em
conta o termo de geração devido a reação química e aquecimento/resfriamento:
dT ( t )
VcP =  FcP Tin ( t ) − T ( t )  + Q + rAV hA (2.63)
dt
Souza & Trica 45

tal que o último termo ao lado direito da equação acima representa a taxa de calor
liberado/absorvido pela reação química, sendo ΔhA o calor de reação molar, em termos
do reagente A.
Após desenvolver a expressão para a taxa de reação específica, obtém-se a EDO

não-linear para a temperatura do reator:
dT ( t )
VcP  f 2 =  FcP Tin ( t ) − T ( t )  + Q − k T ( t )  p CA ( t )  hAV (2.64)
dt

balanço, e pela função f3 da equação constitutiva para o coeficiente específico de reação
expresso através da Lei de Arrhenius (2.61).
2.4.3. Vaso de separação gás/líquido
Esse modelo é uma extensão do vaso isotérmico de separação gás-líquido

apresentado em 2.2.3, considerando que a dinâmica do acúmulo de energia para a fase
gasosa é desprezada, pois a massa da fase líquida é muito maior que a da fase gasosa.
Assim, a temperatura da fase gasosa é igual à temperatura da fase líquida. Portanto,
neste modelo há mais uma variável para descrever o comportamento do sistema, a
temperatura da fase líquida, sendo necessário realizar o balanço de energia para a fase
líquida além do balanço de massa. Há necessidade de considerar uma temperatura na
corrente para a fase líquida na alimentação.
G(t)
MW,G P(t)
Lin(t),Tin,L(t),Gin(t)
TL(t)
hL(t)
C,D,ρL,cP,L
L(t)
Figura 2.13. Vaso de separação gás-líquido.
46 Souza & Trica

Hipóteses:
• Mistura perfeita, isotrópica: propriedades iguais em todo volume das fases

líquida e gasosa;
• Pressão de descarregamento do gás (à jusante da válvula), P0,G, constante;
• Pressão de descarregamento do líquido (à jusante da válvula), P0,L, constante;
• Temperatura da fase gasosa igual à da fase líquida: Tin,G = Tin,L e TG = TL;
• Pressão de alimentação do gás igual ao do vaso;
• Dinâmica da vazão volumétrica de alimentação de líquido e de gás, Lin(t) e

Gin(t), respectivamente;
• Dinâmica da temperatura da fase líquida na alimentação, Tin,L(t);
• Fluxo não-crítico de líquido e de gás pelas válvulas de saída.
O comportamento dinâmico do nível de líquido e da pressão do vaso é descrito

de forma semelhante às expressões obtidas em 2.2.3, porém considerando agora os
efeitos da temperatura na massa específica do gás:
d
( LVL ) = L Lin ( t ) − L L ( t ) (2.65.a)
dt
d
( M G ) = in,G  P,Tin,L  Gin ( t ) − G  P,TL G ( t ) (2.65.b)
dt
De forma semelhante ao desenvolvido em 2.2.3, são obtidas expressões para a

taxa de variação da massa de líquido e de gás no vaso, considerando os efeitos da
temperatura na massa específica do gás:
d
L VL ( hL )   f1 = L Lin ( t ) − L L ( t ) (2.66.a)
dt 
Souza & Trica 47

dV ( t )
( G  P, TL ) + G  P, TL  G
d
VG ( t )  f2 =
dt dt (2.66.b)
in,G  P, Tin,L  Gin ( t ) − G  P, TL  G ( t )
tal que ρin,G e ρG são calculados através da expressão (2.21), substituindo na expressão
os termos P e Tin,L ou TL, respectivamente.
O balanço de energia é aplicado para o produto massa específica x volume x

energia específica total, essa última aproximada pela entalpia específica conforme
desenvolvido em 2.3.1:
dEL ( t )
=  L cP,L Lin ( t ) Tin,L ( t ) − Tref,L  −  LcP,L L ( t ) TL ( t ) − Tref,L  (2.67)
dt
Desenvolvendo inicialmente o termo de acúmulo de energia para a fase líquida

(lado esquerdo da equação de balanço):
dEL ( t ) d
= L VL ( t ) eL ( t )  (2.68)
dt dt 
dEL ( t ) deL ( t ) dVL ( t )

=  LVL ( t ) +  LeL ( t )
dt dt dt
dEL ( t ) d dV ( t )
=  LVL ( t ) cP,L TL ( t ) − Tref,L  +  L L cP,L TL ( t ) − Tref,L  (2.69)
dt dt dt
Substituindo (2.66.a) em (2.69), obtém-se:
dEL ( t )
=
dt
d
 LVL ( t ) cP,L TL ( t ) − Tref,L  +  L  Lin ( t ) − L ( t )  cP,L TL ( t ) − Tref,L 
dt 
dEL ( t ) dTL ( t )
=  LVL ( t ) cP,L +  LcP,L  Lin ( t ) − L ( t )  TL ( t ) − Tref,L  (2.70)
dt dt
48 Souza & Trica

tal que cP,L é a capacidade calorífica específica da fase líquida.
Substituindo dEL(t)/dt obtida pela expressão acima no balanço de energia do

vaso, expressão (2.67), obtém-se:
dTL ( t )
 LVL ( t ) cP,L +  LcP,L  Lin ( t ) − L ( t )  TL ( t ) − Tref,L  =
dt
 LcP,L Lin ( t ) Tin,L ( t ) − Tref,L  −  LcP,L L ( t ) TL ( t ) − Tref,L 
dTL ( t )
 LVL  hL ( t )  cP,L  f3 =  LcP,L Lin ( t ) Tin,L ( t ) − TL ( t )  (2.71)
dt
As mesmas relações de projeto citadas em 2.2.3 para as válvulas de

descarregamento de líquido e gás podem ser utilizadas:
P ( t ) − P0,L
L  hL ( t ) , P ( t )   f 4 = K V,L + ghL ( t ) (2.72.a)
L
P ( t ) − P0,G
G  P ( t ) , TL ( t )   f5 = K V,G (2.72.b)
G  P ( t ) , TL ( t ) 
tal que KV,L e KV,G são as constantes da válvula de descarregamento de líquido e gás,
respectivamente, em unidades de área (m², cm², etc.).
Semelhante ao desenvolvido em 2.2.3, faz-se a substituição da equação (2.34)

em (2.66.b) para eliminar a variável VG(t). Considerando agora o comportamento ideal
do gás e substituindo as expressões (2.72) em (2.66), obtém-se o seguinte modelo não-
linear para o nível de líquido:
 dVL  dhL ( t ) P ( t ) − P0,L

  = Lin ( t ) − K V,L + ghL ( t ) (2.73.a)
 dhL  dt L
tal que o termo dVL/dhL deve ser substituído conforme as expressões (2.33), de acordo
com o tipo do vaso. Para a pressão do vaso, têm-se:
Souza & Trica 49

(V T − VL  hL ( t )  ) dtd (   P,T ) +   P,T  dtd (V

G L G L T − VL  hL ( t )  =)
in,G  P, Tin,L  Gin ( t ) −  G  P, TL  G ( t )
 M dP ( t ) M W,G P ( t ) dTL ( t )  M W,G P ( t ) dVL dhL ( t )

(V )
− VL  hL ( t )   W,G
 RTL ( t ) dt
− −
RTL ( t ) dhL dt
=
( ) dt 
T 2
 R 
TL t 
 
M W,G P ( t ) M W,G P ( t ) P ( t ) − P0,G

Gin ( t ) − K V,G
RTin,L ( t ) RTL ( t ) M W,G P ( t ) RTL ( t )
 dP ( t ) P ( t ) dTL ( t )   dVL  dhL ( t )

(V T − VL  hL ( t )   )
 dt
−  −
TL ( t ) dt   dhL 
 P (t )
dt
=
(2.73.b)
 T (t )  RTL ( t )
P (t )  L
 T ( t )  in ( )
G t − K V,G P ( t )  P ( t ) − P0,G 
 in,L  M W,G
tal que o volume de líquido – representando a função constitutiva f6 do sistema – é

calculado através das expressões (2.36), de acordo com o tipo de vaso.
Dessa forma, o modelo é constituído pelas funções f1, f2 e f3 das equações de

balanço, pelas funções f4 e f5 dadas pelas relações de projeto das válvulas de líquido e
de gás mais a função f6 para o volume de líquido em função do nível de líquido.
2.4.4. Vaso de separação e equilíbrio líquido-vapor (ELV) de mistura binária
Correntes bifásicas do tipo líquido/vapor são comumente encontradas numa

indústria de processamento químico, onde produtos de interesse podem estar
presentes em uma ou ambas as fases. Assim, essas fases precisam ser separadas em
duas correntes, uma de líquido e outra de gás ou vapor, para respectivo beneficiamento.
O equilíbrio líquido-vapor pode ser gerado através da

vaporização/condensação de uma corrente líquida/vapor ou através da expansão
(redução da pressão através de uma válvula) de uma corrente líquida, a qual após
expansão fica submetida a condições de pressão e temperatura dentro de seu envelope
ELV.
Um vaso vertical de separação e ELV é apresentado na Figura 2.14. Como

exemplo, está sendo apresentado o caso de vaporização de uma corrente líquida,
gerando uma corrente em fase vapor rica em componentes voláteis pelo topo e outra
50 Souza & Trica

corrente líquida rica em componentes pesados pelo fundo. Como esses vasos operam
geralmente em pressões maiores que a atmosférica, é prevista uma PSV.
V(t),y(t)
MW,V P(t)
F(t),z(t),Tin(t)
t)
hL(t)
C,D,vL,ρL,c P,L,λ
L(t),x(t)
Figura 2.14. Vaso de separação e equilíbrio líquido-vapor (ELV) de mistura binária.
Hipóteses:
• Mistura perfeita, isotrópica: propriedades iguais em todo volume da fase

líquida e da fase vapor;
• Componente volátil “A” e componente pesado “B”;
• Dinâmica do acúmulo de massa e energia para a fase vapor desprezada:

quantidade de matéria da fase líquida >> quantidade de matéria da fase vapor,
NL >> NV;
• Alimentação do vaso por uma corrente líquida saturada ou sub-resfriada;
• Equilíbrio líquido-vapor representado pela Lei de Raoult;
• Pressão de saturação dos componentes representadas pela equação de

Antoine (Smith et al., 2007):
 Bi 
Pi sat (T ) = Ai exp  −  (2.74)
 T + Ci 
Souza & Trica 51

• Pressão de descarregamento do líquido e do vapor (à jusante das válvulas): P0,L

e P0,V, respectivamente, constantes;
• Dinâmica da vazão molar, composição e temperatura da alimentação do vaso,

F(t), z(t) e Tin(t), respectivamente;
O balanço material global do vaso separador é dado por:
dN ( t )
= F (t ) − V (t ) − L (t ) (2.75)
dt
o qual pode ser aproximado pelo balanço material da fase líquida por ter sido
desprezada a dinâmica da fase vapor:
dN ( t ) dN L ( t )
 = F (t ) − V (t ) − L (t ) (2.76)
dt dt
A quantidade de matéria da fase líquida pode ser expressa em termos do nível

de líquido do vaso:
VL ( hL )
N L ( hL ) = (2.77)
vL
tal que VL é o volume da fase líquida, calculado pelas expressões (2.36).
Substituindo (2.77) em (2.76), é obtida a equação da taxa de variação do nível

de líquido (f1):
1  dVL  dhL ( t )
   f1 = F ( t ) − V ( t ) − L ( t ) (2.78)
vL  dhL  dt
tal que vL é o volume molar da fase líquida. O termo dVL/dhL deve ser substituído
conforme as expressões (2.33), de acordo com o tipo do vaso.
52 Souza & Trica

O balanço material da fase líquida para o componente volátil é dado por:
d  N L ( t ) x ( t ) 
= F (t ) z (t ) − V (t ) y (t ) − L (t ) x (t ) (2.79)
dt
dx ( t ) dN L ( t )
NL (t ) + x (t ) = F ( t ) z (t ) − V ( t ) y (t ) − L (t ) x (t )
dt dt
Substituindo o termo d[NL(t)]/dt obtido em (2.76), obtém-se:
dx ( t )
NL (t ) + x ( t )  F ( t ) − V ( t ) − L ( t )  = F ( t ) z ( t ) − V ( t ) y ( t ) − L ( t ) x ( t )
dt
dx ( t )
NL (t ) = F ( t )  z ( t ) − x ( t )  − V ( t )  y ( t ) − x ( t ) 
dt
que após substituir o termo NL(t) obtido em (2.77), têm-se a equação da taxa de variação
da composição do componente volátil na fase líquida (f2):
VL  hL ( t )  dx ( t )
 f 2 = F ( t )  z ( t ) − x ( t )  − V ( t )  y ( t ) − x ( t )  (2.80)
vL dt
O balanço de energia do vaso é efetuado semelhantemente ao apresentado em

2.3.1, com a adição do termo de entalpia de vaporização molar, λ, para a corrente de
saída de vapor:
dE ( t )
= F ( t ) cP,L Tin ( t ) − Tref 
dt (2.81)
− V ( t ) cP,L (T ( t ) − Tref ) +   − L ( t ) cP,L (T ( t ) − Tref ) + Q ( t )
tal que cP,L é a capacidade calorífica molar.
Desenvolvendo inicialmente o termo de acúmulo de energia (lado esquerdo da

equação de balanço) em termos da entalpia molar e desprezada a dinâmica da fase
vapor, obtém-se:
Souza & Trica 53

dE ( t ) dEL ( t ) d
 =  N L ( t ) eL ( t )  (2.82)
dt dt dt 
dE ( t ) deL ( t ) dN L ( t )
= NL (t ) + eL ( t )
dt dt dt
dE ( t ) cP,L d dN ( t )
= VL  hL ( t )  T ( t ) − Tref  + cP,L T ( t ) − Tref  L (2.83)
dt vL dt dt
que após substituir o termo d[NL(t)]/dt obtido em (2.76), obtém-se:
dE ( t ) cP,L dT ( t )
= VL  hL ( t )  + cP,L  F ( t ) − V ( t ) − L ( t )  T ( t ) − Tref  (2.84)
dt vL dt
Substituindo (2.84) no balanço de energia, expressão (2.81), obtém-se a

equação da taxa de variação da temperatura do vaso (f3):
cP,L dT ( t )
VL  hL ( t )  + cP,L  F ( t ) − V ( t ) − L ( t )  T ( t ) − Tref  =
vL dt
F ( t ) cP,L Tin ( t ) − Tref  − V ( t ) cP,L (T ( t ) − Tref ) +  
− L ( t ) cP,L (T ( t ) − Tref ) + Q ( t )
cP,L dT ( t )
VL  hL ( t )   f3 = F ( t ) cP,L Tin ( t ) − T ( t )  − V ( t )  + Q ( t ) (2.85)
vL dt
As seguintes relações de projeto (equação da válvula, equação de fluxo ou

relação pressão-vazão) podem ser utilizadas para a vazão molar de retirada de líquido e
de vapor:
K V,L P T ( t ) , x ( t )  − P0,L

L (t )  f4 = + ghL ( t ) (2.86)
vL L
54 Souza & Trica

 V  P ( t ) , T ( t )  P ( t ) − P0,V
V ( t )  f 5 = K V,V (2.87)
M W,V  V  P ( t ) , T ( t ) 
tal que ρv é massa específica da fase vapor, calculada pela expressão (2.21) e MW,V é a
massa molar da fase vapor.
Substituindo a expressão (2.21) para ρv, considerando gás ideal, em (2.87), obtém-se:
P (t ) P ( t ) − P0,V
V ( t ) = K V,V
RT ( t ) M W,V P ( t ) RT ( t )
P ( t )  P ( t ) − P0,V 
V ( t ) = K V,V (2.88)
M W,V RT ( t )
A relação de ELV, realizando cálculo de ponto de bolha, pode ser utilizada para
calcular a pressão do vaso, em função da temperatura do mesmo através da equação
de Antoine. Supondo válida a Lei de Raoult:
yi P = xi Pi sat (T ) (2.89)
C C
 y P = x P
i =1
i
i =1
i i
sat
(T )
P = xPAsat (T ) + (1 − x ) PBsat (T )
(
P T ( t ) , x ( t )  f 6 = PBsat T ( t ) + x ( t ) PAsat T ( t ) − PBsat T ( t ) ) (2.90)
tal que PAsat e PBsat são as pressões de vapor do componente volátil “A” e pesado “B”
calculadas pela equação de Antoine (2.74).
A relação ELV também é utilizada para calcular a composição do componente

volátil na fase vapor:
Souza & Trica 55

x ( t ) PA sat T ( t )  x ( t ) PA sat T ( t ) 

y T ( t ) , x ( t )   f 7 = = sat (2.91)
P T ( t ) , x ( t )  (
PB T ( t )  + x ( t ) PA sat T ( t )  − PBsat T ( t )  )
Substituindo (2.86) e (2.88) em (2.78), obtém-se a EDO não-linear para o nível

de líquido no vaso:
1  dVL  dhL ( t )
  = F (t )
vL  dhL  dt
P T ( t ) , x ( t )   P T ( t ) , x ( t )  − P0,V 

− K V,V (2.92)
M W,V RT ( t )
K V,L P T ( t ) , x ( t )  − P0,L

− + ghL ( t )
vL L
tal que P[T(t),x(t)] é calculada pela expressão (2.90).
Substituindo (2.88) e (2.91) em (2.80), obtém-se a EDO não-linear para a

composição do componente volátil na fase líquida:
VL  hL ( t )  dx ( t )
= F ( t )  z ( t ) − x ( t ) 
vL dt
(2.93)
P T ( t ) , x ( t )   P T ( t ) , x ( t )  − P0,V 
− K V,V
M W,V RT ( t )  y T ( t ) , x ( t )  − x ( t ) 
tal que P[T(t),x(t)] e y[T(t),x(t)] são calculadas, respectivamente, pelas expressões (2.90)
e (2.91).
Substituindo (2.88) em (2.85), obtém-se a EDO não-linear para a temperatura

do vaso separador:
cP,L dT ( t )
VL  hL ( t )  = F ( t ) cP,L Tin ( t ) − T ( t ) 
vL dt
(2.94)
P T ( t ) , x ( t )   P T ( t ) , x ( t )  − P0,V 
−  K V,V + Q (t )
M W,V RT ( t )
56 Souza & Trica

tal que P[T(t),x(t)] é calculada pela expressão (2.90).
Dessa forma, o modelo é constituído pelas funções f1, f2 e f3 das equações de

balanço, pelas funções f4 e f5 dadas pelas relações de projeto das válvulas de líquido e
de gás e pelas funções f6 e f7 como equações constitutivas para cálculo da pressão do
vaso e composição do componente volátil na fase vapor.
2.5. Exercícios
E2.1. Nos itens a seguir, escreva os balanços solicitados:
E2.1.a)
Considere o tanque com líquido perfeitamente misturado exibido na Figura

E2.1.a, onde entra uma corrente com uma vazão volumétrica Fi (ft³/s) e uma densidade
ρi (lbm/ft³). A retenção volumétrica no tanque é V (ft³) e a densidade ρ (lbm/ft³). A vazão
volumétrica de saída é F (ft³/s) e sua densidade também é ρ (lbm/ft³) (admitiu-se
mistura perfeita).
O sistema para o qual nós queremos escrever a equação de balanço de massa

total é toda a fase líquida no tanque (sistema macroscópico). Escreva o balanço de
massa para o tanque completo. Cheque as unidades.
Fi(t), ρ
V(t)
F(t), ρ
ρ
Figura E2.1.a
E2.1.b)
Considere o mesmo tanque de líquido perfeitamente misturado usado acima,

com a diferença que agora uma reação química ocorre no líquido no tanque, conforme
expressão abaixo.
A ⎯⎯
k
→B (E2.1.1)
Souza & Trica 57

O sistema é agora um CSTR, como mostrado na Figura E2.1.b. Seja a

concentração do componente A na corrente de entrada, CAi (lbmol/ft³), e no reator, CA
(lbmol/ft³). Supondo uma reação simples de primeira ordem, a taxa de consumo do
reagente A por unidade de volume será diretamente proporcional à concentração do
componente A no tanque naquele momento, ou seja:
 lbmol   1   lbmol 
r  3  = k   CA  3  (E2.1.2)
 ft s   s   ft 
Escreva as equações de balanço de quantidade de matéria para o componente

A e para o componente B.
F
ρ
F
CAi(t)
CA(t) ρ
CBi(t)
CA(t)
CB(t) V, ρ CB(t)
Figura E2.1.b
E2.1.c)
Suponha que se tenha o mesmo sistema macroscópico que o descrito acima,

com a diferença que agora reações consecutivas ocorrem. O reagente A produz B numa
velocidade específica de reação k1, mas B pode reagir para formar o componente C a
uma velocidade específica de reação k2. O sistema é ilustrado na Figura E2.1.c abaixo:
F
ρ F
CAi(t) ρ
CA(t)
CBi(t) CA(t)
CB(t) CB(t)
CCi(t)
CC(t) V, ρ CC(t)
Figura E2.1.c
Considere reações de primeira ordem. Escreva as equações de balanço de

massa para os componentes A, B e C.
58 Souza & Trica
E2.1.d)
Refaça o item E2.1.b para a seguinte reação (reversível, primeira ordem,

simultânea):
⎯⎯
A ⎯→B
⎯
k1
(E2.1.3)
k2
E2.1.e)
Refaça o item E2.1.c para as seguintes reações simultâneas (primeira ordem,

isotérmicas):
A ⎯⎯
k1
→B
(E2.1.4)
A ⎯⎯→ C
k2
E2.2. A sequência de reações químicas:
A ⎯⎯
→B
(E2.2.1)
A + B ⎯⎯
→C
ocorre isotermicamente em um reator contínuo do tipo tanque agitado (CSTR). Estudos

cinéticos em batelada indicaram que a primeira reação é de segunda ordem com
respeito à concentração do componente A, CA, enquanto que a taxa de reação para a
segunda reação é primeira ordem com respeito às concentrações de A, CA, e de B, CB:
2
 lbmol    lbmol  
r1  3  = k1  CA  3  
 ft h    ft  
(E2.2.2)
 lbmol   lbmol   lbmol 
r2  3  = k2CA  3  CB  3 
 ft h   ft   ft 
Pode-se supor que o reator tem um volume constante V e uma vazão

volumétrica de alimentação constante q e que a alimentação contém traços de B, mas
não contém C.
Desenvolva um modelo não-estacionário que dê as concentrações de A, B e C

para variações na concentração de B na alimentação (considere a concentração de
entrada de A constante).
Souza & Trica 59
E2.3. Considere os dois sistemas exibidos na Figura E2.3.a e na Figura E2.3.b. O sistema
(a) difere do sistema (b) pelo fato de que o nível de líquido no tanque 2 não afeta o fluxo
efluente do tanque 1, como o faz para o sistema (b).
Considere que a vazão volumétrica de saída de um tanque é proporcional à

pressão hidrostática do líquido que causa a vazão do líquido. A área da seção transversal
do tanque 1 é A1 (ft²) e do tanque 2 é A2 (ft²) (para ambos os sistemas). As vazões
volumétricas: F1, F2 e F3 possuem unidades de ft³/min.
F1
h1 A1 R1
F2
Tanque 1
h2 A2 R2
F3
Tanque 2
Figura E2.3.a
F1
h1 A1 R1 h2 A2 R2
F2 F3
Tanque 1 Tanque 2
Figura E2.3.b
E2.3.a) Desenvolva o modelo matemático para cada um dos dois sistemas;
E2.3.b) Quais são as variáveis que descrevem o comportamento de cada sistema? Que
tipo de equações de balanço você usou?
E2.3.c) Que modelo é mais fácil de resolver? Sistema 1 ou sistema 2? Por quê?
E2.4. Desenvolva o modelo matemático para o sistema mostrado na Figura E2.4.a. Quais
são as variáveis que descrevem o comportamento deste sistema e que tipos de
equações de balanço você usou? Todas as vazões são volumétricas e as áreas das seções
60 Souza & Trica

transversais dos três tanques são: A1, A2 e A3 (ft²), respectivamente. A vazão volumétrica
F5 é constante e não depende de h3, enquanto todas as outras vazões volumétricas
efluentes são proporcionais às pressões hidrostáticas do líquido correspondentes que
causam a vazão.
F1
h1 A1 R1 F5
F2
Tanque 1
R3 h2 A2 R2 h3 A3
F4
F3
Tanque 2 Tanque 3
Figura E2.4.a
E2.5. Um aquecedor doméstico é esquematicamente mostrado na Figura E2.5.a abaixo:
Ti, F F
Aquecedor
Figura E2.5.a
Água a uma temperatura Ti (°F) flui para dentro do tanque a uma taxa F (lbm/s).
Água a uma temperatura T (°F) flui para fora do tanque a uma mesma razão. O tanque
está cercado por isolamento com uma resistência térmica R (°F/BTU s) A temperatura
do ambiente na sala onde o aquecedor está localizado é TR (°F). O elemento de
aquecimento do aquecedor adiciona energia calorífica à água a uma taxa (BTU/lbm
°F). As seguintes simplificações são feitas:
(i) não há armazenamento de calor no isolamento;
(ii) há um pequeno uso constante de água, ou seja, F é uma constante não-

negativa pequena;
(iii) o tanque é projetado de tal modo que a temperatura da água dentro do
tanque é uniforme (i.e., mistura perfeita).
Souza & Trica 61
Escreva uma equação diferencial para T(t) que descreva o balanço de energia.
E2.6. As seguintes equações diferenciais fornecem modelos matemáticos para vários

processos. Quais deles são lineares e quais são não-lineares?
dy
Processo I: y + y = 10t + 5
dt
dy1 dy
a1 + a2 2 = m1 ( t ) + d1 ( t )
dt dt
Processo II: dy1 dy
b1 + b2 2 = m2 ( t ) + d 2 ( t )
dt dt
a1 , a2 , b1 e b2 são constantes
dy1 dy
a1 + y1 2 = m1 ( t )
dt dt
Processo III: dy1 dy
b1 + b2 2 = cos (t )
dt dt
a1 , b1 , b2 e  são constantes
62 Souza & Trica

Apêndice 2.1. Vaso de nível horizontal com válvula na saída: dedução da

equação (2.14)
A área da seção transversal molhada pode ser obtida através da diferença entre
a área do arco, Aarco , e a área do triângulo isósceles, Aisóceles , formado pelos raios do vaso
e a superfície de nível:
A ( h ) = Aarco − Aisóceles (A2.1.1)
A área do arco é calculada através da integral trigonométrica:
D 2
D2
Aarco = 
0 0
 rdrd  = 8
 (A2.1.2)
A área do triângulo isósceles é calculada pela soma da área dos dois triângulos
retângulos, em função do ângulo θ:
1 D   D    D    
2
Aisóceles = 2    cos    sen    = cos   sen   (A2.1.3)
2 2 2 2  2  4 2 2
Sabendo que sen ( 2 A) = 2cos ( A) sen ( A) :
D2
Aisóceles = sen ( ) (A2.1.4)
8
Substituindo (A2.1.2) e (A2.1.4) em (A2.1.1), obtém-se:
D2
A ( ) =  − sen ( )  (A2.1.5)
8 
Utilizando a regra da cadeia é possível obter uma expressão não-linear da

variação do nível com o tempo:
dA dA d dh
= (A2.1.6)
dt d dh dt
Souza & Trica 63

dA D 2
= 1 − cos ( ) 
d 8 
Sabendo que cos(2A) = 2cos2(A) - 1:
dA D 2    
= 1 − cos 2    (A2.1.7)
d 4   2 
É possível obter a relação entre o ângulo θ e o nível de líquido:
  D 2 − h  D 2−h
cos   =   = 2cos −1   (A2.1.8)
2 D2  D2 
D 2−h
x=
D 2
d d dx −2  1 
= =  − 
dh dx dh  D 2−h
2
 D 2
1−  
 D2 
d 2
=
dh  D 2−h
2
D2 4 − D2 4 
 D 2 
 
d 2
=
dh D 2 4 − D 2 4 + Dh − h 2
d 2
= (A2.1.9)
dh h ( t )  D − h ( t ) 
Substituindo (A2.1.7) e (A2.1.9) em (A2.1.6), obtém-se:
64 Souza & Trica

dA D 2     2 dh
= 1 − cos 2   
dt 4   2   h ( D − h ) dt
dA D 2   D 2 − h  
2
2 dh
= 1 −   
dt 4   D 2   h ( D − h ) dt
 
dA D 2  D 4 − D 4 + Dh − h 
2 2 2
2 dh
=  
dt 4 
 D2 4  h ( D − h ) dt
dA 2h ( D − h ) dh
= = 2 h( D − h) (A2.1.10)
dt h ( D − h) dt
Souza & Trica 65

Apêndice 2.2. Vaso isotérmico para acúmulo de gás com válvula na saída:
dedução para fator de compressibilidade truncado no 1º
termo
Partindo da expressão (2.23), faz-se o desenvolvimento matemático para obter
a EDO não-linear que descreve o comportamento dinâmico da pressão considerando o
fator de compressibilidade conforme expressão (2.18).
M WV  Z − P ( t )( Z P )T  dP ( t )
   f1 = win ( t ) − w ( t ) (2.23)
RT  Z2  dt
O termo (∂Z/∂P)T é dado por:
 Z  B
  = (A2.1.1)
 P T RT
Que após substituição em (2.23), obtém-se:
M WV  Z − BP ( t ) RT  dP ( t )
  = win ( t ) − w ( t ) (A2.1.2)
RT  Z2  dt
Substituindo agora Z com a expressão (2.18) e w(t) com a expressão (2.25),

obtém-se:
M WV 1 + BP ( t ) RT − BP ( t ) RT  dP ( t )
  = win ( t )
 ()  
2
RT
 
1 + BP t RT  
dt
MW
− KV P ( t )  P ( t ) − P0 
RT 1 + BP ( t ) RT 
M WVRT dP ( t ) M W P ( t )  P ( t ) − P0 
= win ( t ) − K V (A2.1.3)
 RT + BP ( t ) 
2
dt  RT + BP ( t ) 
66 Souza & Trica

Capítulo 3 – Ferramentas de Modelagem: Análise de Graus de Liberdade e Linearização
3. Ferramentas de Modelagem: Análise de Graus de

Liberdade e Linearização
Após a apresentação, feita no Capítulo 2, de modelos dinâmicos de processos
químicos característicos, descritos por equações diferenciais ordinárias (EDOs),
investigam-se, a partir deste capítulo, ferramentas para resolvê-los.
Para a resolução do sistema de equações matemáticas, é necessário analisar o

chamado número de graus de liberade do sistema, que faz o balanço entre o número de
variáveis não especificadas e de equações independentes. Assim, o item 3.1 introduz
esse número e ilustra sua contabilidade e análise.
Os processsos químicos são tipicamente descritos por equações não-lineares

(conforme classificação apresentada em 2.1). Apesar disso, na área de controle de
processos clássico, são assumidos modelos descritos por equações diferenciais
ordinárias (EDOs) linearizadas em torno de uma condição nominal de operação. Isso
acontece porque tais modelos lineares têm solução geral analítica conhecida, enquanto
que os modelos não lineares não têm solução analítica garantida (o que pode acontecer
em alguns casos especiais), necessitando do emprego de métodos numéricos para sua
resolução. Além disso, tipicamente se tem como objetivo operar o processo em torno
dessa condição nominal de operação, considerada set-point, em torno do qual o modelo
foi aproximado, de modo que, em muitas aplicações, o controle linear apresenta bom
desempenho.
Para tanto, no item 3.2, apresenta-se o procedimento de linearização de EDOs

não-lineares, através de aproximação por série de Taylor truncada, incluindo uma
investigação em que o comportamento de um sistema não-linear é comparado por
simulação com o da sua aproximação linear.
As ferramentas apresentadas neste capítulo permitem aproximar um modelo

descrito por EDOs não-lineares por outro representado por EDOs linearizadas, o qual
será resolvido usando Transformada de Laplace, como se verá no Capítulo 4.
3.1. Graus de Liberdade na Modelagem
Para que um sistema tenha uma única solução, o numero de incógnitas deve
ser igual ao número de equações; em outras palavras o número de graus de liberdade
NG deve ser igual a zero, ou seja:
Souza & Trica 67

NG = NV − NE (3.1)
tal que NV, é o número de variáveis de saída mais as variáveis de entrada não
especificadas e NE é o número de equações independentes. Como há o interesse em
encontrar soluções paramétricas em função do tempo para as variáveis do sistema, t
não entra na contabilidade do número de graus de liberdade.
Podem existir três situações em função de NG:
Sistema exatamente definido ou especificado, obtendo-se

NG = 0 ( N V = N E )
soluções únicas para as variáveis do sistema.
Sistema subespecificado. As NV variáveis têm um número infinito

de soluções, pois NG variáveis podem ser especificadas
NG  0 ( N V  N E )
arbitrariamente. Necessita-se de mais NG equações para se ter
uma única solução.
Sistema sobrespecificado ou sobredefinido. Não há solução que

NG  0 ( NV  NE ) atenda todas as especificações e equações simultaneamente. É
necessário rever as variáveis e equações do modelo.
Em outras palavras, os graus de liberdade de um sistema são as variáveis que

devem ser especificadas de modo a defini-lo completamente. Dessa forma, NE variáveis
de saída são obtidas pela resolução do modelo, enquanto que as variáveis de entrada
devem ser definidas como distúrbios ou variáveis manipuladas (conforme discutido no
Capítulo 1).
Exemplo 3.1. Análise do número de graus de liberdade para tanque de aquecimento

continuamente misturado com volume constante (modelo 2.3.1).
Neste caso, como visto no item 2.3.1, o modelo é descrito pelo balanço de
energia, sendo NE = 1. Existem quatro variáveis: T, w, Tin e Q̇, sendo T a variável de
saída e as demais variáveis de entrada. Há ainda as seguintes constantes: ρ, cP e V.
Dessa forma, NG = 4 - 1 = 3.
Para que esses três graus de liberdade sejam eliminados, as três variáveis de
entrada: w, Tin e Q̇ devem ser especificadas.
68 Souza & Trica

Tipicamente Tin é uma variável de distúrbio (definida externamente ao

tanque, isto é, por um sistema que o preceda), podendo variar, por exemplo, como
um degrau ou um seno (ilustrados na Figura 3.1).
Tin(t) Tin(t)
t t
(a) (b)
Figura 3.1. Funções estímulo típicas: (a) degrau; (b) seno.
Por outro lado, w ou Q̇ podem ser definidos como uma variável manipulada,
dependendo do esquema de controle adotado. Arbitrando-se Q̇ como variável
manipulada e admitindo-se que w é um distúrbio (ou que seria mantido constante),
tem-se que três novas equações precisam ser escritas, sendo duas para definir os
distúrbios e uma para definir a variável manipulada Q̇ em função da estratégia de
controlade adotada. Escritas essas novas equações, NG torna-se zero e uma solução
pode ser obtida para T(t).
Exemplo 3.2. Análise do número de graus de liberdade para o tanque de

armazenamento de líquido (Exemplo 2.1)
Neste caso, como descrito no Exemplo 2.1, o modelo é descrito pelo balanço
de massa total, equação (2.2), logo, NE = 1. Existem três variáveis: h, Fin e F, sendo h
a variável de saída e as demais variáveis de entrada. Há ainda as constantes ρ e A.
Assim, NG = 3 - 1 = 2.
Para que a equação (2.2) seja resolvida, portanto, duas variáveis precisam ser
especificadas. Dependendo da situação, Fin pode variar como uma função estímulo,
por exemplo, um degrau ou um seno (ilustradas na Figura 3.1), com uma equação
correspondente que especifica essa variável de entrada. Necessita-se também
escrever uma equação para F, para que o número de graus de liberdade do sistema
Souza & Trica 69

se torne nulo e h(t) seja obtido. É interessante constatar que, mesmo sendo uma
variável fisicamente de saída, F é uma entrada matemática, uma vez que essa variável
precisa ser especificada para que o sistema seja resolvido.
A definição da vazão de saída é dependente do projeto do tanque. Três casos

são investigados a seguir:
a) F é mantida constante por uma bomba hidráulica (Figura 3.2)
Fin(t)
A F(t)
h(t)
Figura 3.2. Tanque de nível com bomba na saída.
Pode-se considerar que no estado estacionário inicial: Fin,EE = FEE, o nível do

tanque será constante, dado por hEE. Se a vazão de saída sofrer um degrau de
magnitude B, em t = 0, tal que, para t > 0, F(t) = FEE + B, enquanto que a vazão de
entrada mantém o mesmo valor do estado estacionário inicial, tem-se que a EDO (2.2)
pode ser resolvida por separação de variáveis:
dh
A =  Fin ( t ) −  F ( t )
dt
dh Fin ( t ) − F ( t ) Fin,EE − B − FEE B (3.2)

= =  dh = − dt
dt A A A
obtendo-se o comportamento de uma reta linear para h(t) dado pela equação (3.3) e
pela Figura 3.3, de modo que o tanque terminará esvaziando (se B > 0) ou
transbordando (se B < 0), depois de um dado tempo.
70 Souza & Trica

h(t ) t
B
 
B
dh = − dt  h ( t ) = hEE −   t (3.3)
hEE 0
A  A
h(t)
hEE
0 t
Figura 3.3. Tanque de nível com bomba na saída.
b) Há uma válvula linear na tubulação de saída do tanque (Figura 3.4)
Figura 3.4. Tanque de nível com uma válvula na saída.
Nesse caso, pode-se adotar uma relação linear empírica entre F e h:
h
F= (3.4)
R
tal que R é um parâmetro denominado resistência da válvula. Este parâmetro é assim

denominado em analogia à resistência elética na lei de Ohm. Nesse caso, a equação
(3.4) considera que quanto maior a pressão no fundo do tanque – pela coluna hidros-
Souza & Trica 71

tática do líquido – e menor a resistência ao fluxo imposta pela válvula, maior será a
vazão através da válvula.
Assim, obtém-se a EDO linear:
dh h
A = Fin ( t ) − (3.5)
dt R
c) Há uma válvula não-linear na tubulação de saída do tanque.
Um modelo mais realista para a válvula, que pode ser obtido a partir do
Teorema de Bernoulli (Fox et al., 2006) é:
F ( gpm ) = CV P ( psi ) (3.6)
tal que CV é a constante da válvula obtida experimentalmente ou através de

informações de catálogo (do fabricante da válvula) e ΔP é a diferença entre a pressão
a montante e a jusante da válvula.
Para o exemplo de um tanque de armazenamento aberto para o ambiente:
P = Pmontante − Pjusante = Patm +  gh − Patm (3.7)
Logo:
F = CV Patm +  gh − Patm = CV  gh (3.8)
F = CV* h  CV* = CV  g (3.9)
O modelo então é descrito pela EDO não-linear:
dh
A = Fin ( t ) − CV* h (3.10)
dt
72 Souza & Trica

3.2. Linearização de EDOs não-lineares

3.2.1. Método de linearização baseado em série de Taylor truncada
Seja a seguinte EDO não linear genérica:
dy
= f ( y) (3.11)
dt
tal que f(y) representa uma função genérica não-linear. É possível realizar a expansão
em série de Taylor de f(y) e utilizar a expressão truncada no 1º termo, obtendo-se uma
aproximação linear (ilustrada na Figura 3.5) da função em torno de um ponto de
operação nominal, no caso o estado estacionário yEE:
df
f ( y )  f ( yEE ) + ( y − yEE ) (3.12)
dy yEE
f(y)
Função
original
Aproximação
linear
Figura 3.5. Representação da série de Taylor truncada no 1° termo de uma função

não-linear genérica.
O erro da aproximação, I, é da ordem de magnitude do próximo termo da série:
Souza & Trica 73

1 d f ( y)
( 2)
I= ( y − yEE )
2
(3.13)
2! dy ( 2)
yEE
tal que, quanto mais próximo for y de yEE , o erro tende a ser nulo.
Exemplo 3.3. Linearização da expressão de Arrhenius f(T) = k0 · exp[-EA/RT] em torno

de TEE.
1 d f (T )
 (i )
f (T ) = f (TEE ) + 
i =1
i ! dT (i )
TEE
(T − TEE )
i
(3.14)
A aproximação linear fica:
 E  E  E 
f (T )  k0 exp  − A  + A 2 k0 exp  − A  (T − TEE )
 RTEE  RTEE  RTEE 
 EA 
f (T )  f (TEE ) 1 + 2 (
T − TEE )  (3.15)
 RTEE 
O erro da aproximação linear é dado por:
d 2 f (T ) d  EA  EA 
=  RT 2 k0 exp  − RT  (3.16)
   TEE
2
dT TEE
dT 
d 2 f (T ) EA d   E   E  d  EA 
= k0  exp  − A   + k0 exp  − A   2
 RT   TEE  dT  RT  TEE
2 2
dT TEE
RTEE dT   RTEE
d 2 f (T )  E  2 E 
= f (TEE )  A 2  − 2 A 3  (3.17)
dT 2 TEE
 RTEE  RTEE 

1  E  2 E 
I= f (TEE )  A 2  − 2 A 3  (T − TEE )
2
(3.18)
2  RTEE  RTEE 

74 Souza & Trica

Exemplo 3.4. Tanque de nível com válvula não-linear na saída, conforme Exemplo 3.2.
Neste caso F = CV* h e:
dh
A = Fin ( t ) − CV* h (3.19)
dt
tal que, como definido no Exemplo 2.5, Fin(t) é a vazão volumétrica da entrada; A, a
área da seção transversal do tanque; h, o nível de líquido no tanque e CV* , o
coeficiente da válvula.
Linearizando-se o termo não linear h em torno do estado estacionário inicial hEE:
1
h1/ 2  hEE1/ 2 + ( h − hEE ) (3.20)
2hEE1/ 2
Substituindo (3.20) na equação (3.19), obtém-se a EDO na forma linearizada
dh  1 
A = Fin ( t ) − CV*  hEE1/ 2 + 1/ 2 (
h − hEE ) 
dt  2hEE 
dh CV* hEE1/ 2 CV*

A = Fin ( t ) − − h (3.21)
dt 2 2hEE1/ 2
A expansão em série de Taylor também pode ser aplicada para funções de

múltiplas variáveis. Uma função f(y1,y2,...,yn) tem como expansão a seguinte expressão:
f ( y1 , y2 ,..., y n ) =
1 ( ) f


i
f ( y1,EE , y2,EE ,..., yn ,EE ) + (y − y1,EE )
i
i ! y1(i )
1
i =1 y1,EE (3.22)
1 ( ) f 1 ( ) f
 
 
i i
( y2 − y2,EE ) + ... + (y − yn ,EE )

i i
+
i ! y2(i ) i ! yn (i )
n
i =1 y2,EE i =1 yn ,EE
Para uma função de três variáveis e utilizando a expressão acima truncada no

1° termo:
Souza & Trica 75

f f f
f ( x, y, z )  f ( xEE , yEE , zEE ) + ( x − xEE ) + ( y − yEE ) + ( z − zEE ) (3.23)
x xEE y yEE
z zEE
3.2.2. Comparação por simulação do comportamento dinâmico de um sistema não-

linear e sua aproximação linearizada
Neste item, investigam-se as características de aproximação de um modelo

linearizado. Para tanto, é empregado o tanque de nível de líquido do Exemplo 3.4,
ilustrado na Figura 3.4, cujo modelo não linear obtido a partir do balanço de massa total,
reescrito a seguir:
dh
A = Fin ( t ) − CV* h (3.19)
dt
São feitas a seguir considerações, de modo a se realizar um estudo de

simulação. Dessa forma, supondo-se que no estado estacionário inicial:
Fin,EE = FEE = 20 ft 3 /min
Para CV* igual a 10 ft5/2/min, obtém-se o nível estacionário inicial:
2 2
 F   20 ft 3 /min 
hEE =  EE*  =  5/2  = 4 ft
 CV   10 ft /min 
Seja uma variação degrau de magnitude 5 ft3/min em Fin, tal que em t = 0, a

vazão sofre um salto para Fin(0) = 25 ft3/min, conforme ilustrado na Figura 3.6. O estado
estacionário final pode ser calculado (o subscrito f está sendo provisoriamente usado
para enfatizar o estado estacionário final):
2 2
 F   25 ft 3 /min 
hEE,f =  EE,f  =  5/2  = 6,25 ft
 CV   10 ft /min 
76 Souza & Trica

Fin(t)
25
20
0 t
Figura 3.6. Ilustração do degrau na vazão de entrada.
Em um estudo dinâmico deseja-se conhecer o perfil temporal completo h(t) de

modo que se possa saber se o nível irá para o valor final de forma rápida ou lenta, com
ou sem oscilação, etc.
Para obter h(t), os parâmetros precisam ser conhecidos. Neste caso: A e CV*
são dados do problema (conhecidas as constantes: A = 10 ft2; CV* = 10 ft5/2/min); o
estado estacionário inicial, necessário para resolver o problema de valor inicial (PVI),
também é conhecido (hEE = 4 ft), assim como o comportamento da variável de entrada
Fin, que sofre um degrau, alcançando 25 ft³/min a partir de t = 0.
A equação (3.19) é não-linear, pois a variável dependente (h) apresenta-se com

potência diferente de 1. A versão linearizada do modelo foi obtida no Exemplo 3.4 e é
reescrita a seguir:
dh C * h 1/ 2 CV*
A = Fin ( t ) − V EE − h (3.21)
dt 2 2hEE1/ 2
EDOs lineares têm solução analítica conhecida. Por exemplo, seja a EDO de 1ª
ordem linear escrita na forma:
dy
+ P (t ) y = Q (t ) (3.24)
dt
tal que t é a variável independente e y é a variável dependente. Pode-se resolver este

tipo de equação por fator integrante, resultando em (Wylie & Barrett, 1995; Boyce &
DiPrima, 2006):
Souza & Trica 77
( ) 
y ( t ) = exp − P ( t ) dt   Q ( t ) exp
 (  P (t ) dt ) dt + C  (3.25)
Onde C é uma constante.
Para resolver a EDO (3.21) pelo uso de fator integrante, inicialmente rearruma-
se a mesma no formato da equação (3.24):
dh CV* Fin CV* 1

dt
+
1
A 2 ( hEE1/ 2 )
h =
A
−
A 2
( hEE1/ 2 ) (3.26)
com:
CV* 1 1
P (t )  P = (3.27)
A 2 ( hEE )1/ 2
Fin CV* 1
Q (t )  Q = − ( hEE )
1/ 2
(3.28)
A A 2
A solução é obtida substituindo-se (3.27) e (3.28) em (3.25):

h ( t ) = exp ( − Pt )  Q exp ( Pt ) dt + C
 (3.29)
Q Q
h (t ) = exp ( − Pt ) exp ( Pt ) + C exp ( − Pt ) = + C exp ( − Pt )
P P
 t
h ( t ) = B + C exp  −  (3.30)
 
tal que:
1 CV* 1 1
=P= (3.31)
 A 2 ( hEE )1/ 2
78 Souza & Trica

Fin CV* 1
− ( hEE )
1/ 2
2 Fin ( hEE )
1/ 2
Q A A 2
B= =  B= − hEE (3.32)
P CV* 1 1 CV*
A 2 ( hEE )1/ 2
Para a condição inicial h(0) = hEE:
h ( 0 ) = B + C  C = hEE − B
2 Fin ( hEE ) (3.33)

1/2
C = 2hEE −
CV*
Substituindo B, τ e C na equação:
 2 Fin hEE1/ 2   2 Fin hEE1/ 2   CV*  

h (t ) =  *
− hEE  +  2hEE −  exp  − 1/ 2  
t
 CV   CV*   2 AhEE  
 2 F h 1/ 2    CV*   
h ( t ) = hEE +  in *EE − 2hEE  1 − exp  − 1/ 2   
t (3.34)
 CV    2 AhEE   
Substituindo-se agora os valores numéricos, obtém-se:
  t 
h ( t ) = 4 + 2 1 − exp  −   (3.35)
  4 
Levando-se ao limite quando t →  na equação (3.35), chega-se a um valor de

estado estacionário final com erro: 6 ft, uma vez que o valor predito pelo modelo real
(não-linear) é 6,25 ft. Este erro é proporcional à perturbação degrau em Fin, como pode
ser percebido analisando-se a equação (3.34).
Uma comparação mais completa é feita na sequência, na qual − através de

solução numérica − confronta-se o modelo linearizado (aproximado) com o modelo real
(não linear) ao longo de todo o transiente da resposta do nível de líquido no tanque ao
degrau na vazão de entrada. Para tanto, a solução numérica pelo MATLAB é obtida pela
função ode45. Esta função resolve a equação diferencial não-rígida (ou do inglês, “non-
stiff”):
Souza & Trica 79

tspan = [t0, tf];

[t,y] = ode45(odefun, tspan, y0);
A função ode45 integra o sistema de equações diferenciais dy/dt = f(t,y) do

tempo t0 ao tempo tf, com condições iniciais y(0) = y0. A função odefun deve retornar
um vetor coluna correspondente à f(t,y). Cada linha no vetor de soluções y corresponde
a um tempo no vetor t = tspan, tal que tspan = [t0,t1,...,tf].
A equação não-linear (3.19) e a equação linearizada (3.21) com os valores dos

parâmetros substituídos são dadas, respectivamente, por:
dh
10 = 25 − 10h1/ 2 (3.36.a)
dt
dh
10 = 15 − 2,5h (3.36.b)
dt
Apresentam-se a seguir as rotinas implementadas no MATLAB para obtenção

das curvas de resposta ao degrau.
Arquivo tanques_main.m
h0 = [4 4];
tspan = 0:.1:20;
[t,h] = ode45('tanques',tspan,h0);
plot(t,h(:,1),'k:',t,h(:,2),'k-')
Arquivo tanques.m
function dh = tanques(t,h)
dh(1) = (15 - 2.5*h(1))/10; %Aproximação
dh(2) = (25 - 10*h(2)^0.5)/10; %Real
dh = dh';
A Figura 3.7 mostra o comportamento ao longo do tempo da resposta do nível

aproximada pelo modelo linearizado e o modelo real (não-linear).
Da Figura 3.7, evidencia-se que, como o modelo aproximado foi obtido por
linearização em torno do EE inicial, a aproximação com o modelo real é melhor no início
da resposta, de modo que as curvas se separam ao longo do tempo, indo o modelo real
para o EE final correto de 6,25 ft, enquanto o linearizado prevê esse valor final com erro
(6 ft).
80 Souza & Trica

6.5
h(t)
6
5.5
4.5
Linear
Não-linear
4
0 2 4 6 8 10 12 14 16 18 20
t
Figura 3.7. Resposta do modelo real (não linear) e do aproximado (linearizado).
Nesse ponto, é introduzido o conceito de variáveis-desvio (VD). Definem-se

variáveis-desvio como variáveis que dão o desvio em relação à condição estacionária
inicial (tipicamente a condição nominal de operação, em torno da qual se quer operar o
processo, isto é, em torno da qual ele é controlado). Como tipicamente se deseja
controlar o processo em torno da condição nominal, o emprego de variáveis que dêem
o desvio dessa condição é pertinente. Adicionalmente, seu emprego simplifica
expressões no domínio de Laplace, como se verá no Capítulo 4.
Aplicando-se ao exemplo do tanque de acúmulo, todas as variáveis devem ser

reescritas em variáveis desvio:
h ( t ) = h ( t ) − hEE (3.37)
Fin ( t ) = Fin ( t ) − Fin,EE (3.38)
A equação (3.21) pode ser reescrita em termos dessas variáveis. Para tanto,
inicialmente, a equação (3.21) é reescrita no EE:
Souza & Trica 81

dhEE C * h 1/ 2 CV*
A = Fin,EE − V EE − hEE (3.39)
dt 2 2hEE1/ 2
Fazendo agora a equação (3.21) menos a equação (3.39), termo a termo,

obtém-se:
 dh dhEE 
A − A =
 dt dt 
 CV* hEE1/ 2 CV* hEE1/ 2  CV*

( in ( ) in,EE )  2
F t − F + − +  −
2  2hEE1/ 2
( h − hEE )

 dh dhEE  CV*
 A − A  = ( Fin ( t ) − Fin,EE ) − ( h − hEE ) (3.40)
 dt dt  2hEE1/ 2
Substituindo-se as definições das variáveis-desvio (3.37) e (3.38) em (3.40),

chega-se a:
d ( h − hEE ) CV*
A = ( Fin ( t ) − Fin,EE ) − ( h − hEE )
dt 2hEE1/ 2
dh CV*
A = Fin ( t ) − h (3.41)
dt 2hEE1/ 2
Caso a equação (3.5) − válvula linear − seja reescrita em variáveis-desvio:
dh h
A = Fin ( t ) − (3.42)
dt R
Comparando-se as equações (3.42) e (3.41), verifica-se que elas podem ser

consideradas equivalentes, com a ressalva de que neste caso R é dependente do EE
inicial:
2hEE1/ 2
R= (3.43)
CV*
82 Souza & Trica

Nesse caso, o modelo mais realista, não linear, resulta no modelo linear
simplificado, empírico, quando linearizado em torno da condição estacionária inicial.
3.3. Exercícios
E3.1. Retome o Exercício E2.1.b. Recorde que o balanço de massa para o componente A
é descrito por:
d ( CAV )
= FC
i Ai − FCA − kCAV (E3.1.1)
dt
Considere V (a retenção – hold-up – volumétrica constante) e as seguintes

funções do tempo:
Fi = Fi(t) valor estacionário: Fi,e
CAi = CAi(t) valor estacionário: CAi,e
F = F(t) valor estacionário: Fe
T = T(t) valor estacionário: Te
CA = CA(t) valor estacionário: CA,e
Considere também que se tem a expressão de Arrhenius para a velocidade

específica:
 −E 
k (T ) = k0 exp  A  (E3.1.2)
 RT 
Faça as suposições acima e linearize as expressões resultantes.
E3.2. Considere o modelo 2.2.1 apresentado no Capítulo 2 – Vaso de nível horizontal

com válvula na saída:
E3.2.a) faça a análise do grau de liberdade;
E3.2.b) faça a linearização do modelo e apresente a equação resultante em variáveis-

desvio.
Souza & Trica 83

E3.3. Considere o modelo 2.2.2 apresentado no Capítulo 2 – Vaso isotérmico para

acúmulo de gás com válvula na saída – e apresente a equação linear resultante em
variáveis-desvio para os seguintes casos:
E3.3.a) gás ideal;
E3.3.b) fator de compressibilidade do tipo virial truncado no 1º termo, equação (2.18).
E3.4. Considere o modelo 2.2.5 apresentado no Capítulo 2 – Reator bioquímico

continuamente misturado com volume constante:
E3.4.b) faça a linearização do modelo e apresente as equações resultantes em variáveis-

desvio.
E3.5. Considere o modelo 2.4.2 apresentado no Capítulo 2 – Reator não-isotérmico

continuamente misturado com volume constante:

desvio.
E3.6. Considere o modelo 2.4.4 apresentado no Capítulo 2 – Vaso de separação e

equilíbrio líquido-vapor (ELV) de mistura binária:

desvio.
84 Souza & Trica

Capítulo 4 –Transformada de Laplace
4. Transformada de Laplace
A transformada de Laplace, estudada em cursos de cálculo, é revista neste
capítulo, uma vez que ela é amplamente usada para representar modelos em controle
clássico. A razão de tal emprego é que a transformada de Laplace permite que um
sistema de EDOs linear seja transformado em um sistema algébrico, facilitando sua
solução.
A Figura 4.1 mostra o procedimento de solução de um sistema composto por

EDOs, usando tranformada de Laplace. Nela, o sistema ilustrado é composto por duas
EDOs linearizadas (por exemplo, um modelo linearizado para um tanque aquecido com
volume variável). No fluxograma, inicialmente a aplicação de transformada de Laplace
converte o sistema diferencial no domínio do tempo em um sistema algébrico, na
vairável complexa “s”, no domínio de Laplace. O sistema resultante composto por duas
equações algébricas é, então, resolvido no domínio “s”. Na sequência, por aplicação da
transformada inversa de Laplace, que retorna do domínio de Laplace para o domínio do
tempo, obtém-se a solução no domínio original.
dy1 ( t )
Sistema de equações
M1 = f1  y1 ( t ) , y 2 ( t ) , u ( t )  diferenciais ordinárias y1 ( t ) = g1 t , M 1 , M 2 
Domínio de t
dt (EDOs)
y2 ( s ) = g 2  t , M 1 , M 2 
(tempo)
dy 2 ( t )
M2 = f 2  y1 ( t ) , y 2 ( t ) , u ( t )  Obtenção das
dt funções solução
ℒ[ ] ℒ-1[ ]
Domínio de s
(Laplace)
M1sy1 ( s ) − f1  y1 ( s ) , y2 ( s ) , u ( s ) = 0 y1 ( s ) = g1  s, M 1 , M 2 
M2sy2 ( s ) − f2  y1 ( s ) , y2 ( s ) , u ( s ) = 0 y2 ( s ) = g 2  s , M 1 , M 2 
Sistema de equações Solução algébrica do

algébricas em função sistema
de s
Figura 4.1. Fluxograma para solução de EDOs lineares através da transformada de

Laplace.
Dessa forma, apresenta-se, no item 4.1, o operador transformada de Laplace,

suas propriedades e emprego para resolver EDOs. Na sequência, apresenta-se no item
4.2 uma técnica de obtenção de transformada inversa de Laplace, através de expansão
em frações parciais.
Souza & Trica 85

4.1. Operador Transformada de Laplace
A transformada de Laplace, representada pelo operador matemático ℒ[ ], é

definida pela seguinte transformada integral aplicada em uma função f(t) contínua por
partes, com núcleo da transformada e-st (Boyce & DiPrima, 2006):
 f ( t )  =
 f (t ) e
− st
dt (4.1)
0
Constata-se também que o resultado da transformada de Laplace de f(t) não é

mais dependente de t, mas de s. Para se retornar ao domínio t, precisa-se aplicar a
chamada transformada inversa de Laplace, cuja nomenclatura é apresentada a seguir:
 f ( t )  = f ( s )
(4.2)
−1
 f ( s )  = f ( t )
4.1.1. Propriedades da Transformada de Laplace
Propriedade Distributiva:
 af ( t ) + bg ( t )  = af ( s ) + bg ( s ) (4.3)
com a e b constantes.
A transformada de Laplace possui essa propriedade por se tratar de um

operador matemático linear, uma vez que a operação é definida para a função f(t),
elevada à 1ª potência. A prova pode ser facilmente obtida a partir da definição da
transformada, considerando ainda que a integral é também um operador linear.
4.1.2. Transformada de Laplace de Funções Importantes
Termos com derivadas aparecem tipicamente nas equações de balanço.
Derivadas de 1° Ordem:
A partir da definição e aplicando-se integração por partes:
86 Souza & Trica

 
 df ( t )  df ( t )
  f (t )( −s ) e
− st 
 = e dt = f ( t ) e
− st
− − st
dt
 dt  dt 0
0 0
 df ( t )  
 = f (t ) e + s  f ( t ) 
− st

 dt 
0
 df ( t ) 
 = f () e − f ( 0 ) e− s 0 + sf ( s )
− s 

 dt 
 df ( t ) 
  = sf ( s ) − f ( 0 ) (4.4)
 dt 
Se f(t) for uma variável-desvio, isto é, f(0) = 0, então:
 df ( t ) 
  = sf ( s ) (4.5)
 dt 
Derivadas de Ordem n:
Através da aplicação da definição da transformada de Laplace a derivadas de

ordem superior, pode-se chegar à seguinte generalização:
 d ( n) f ( t )  n
d(
i −1)
f (t )

 dt
n  = s f (s) −

n
s
i =1
n −1
dt i −1
t =0
(4.6)
Função Degrau:
A função degrau é umas das funções mais importantes em modelagem

dinâmica e controle de processos. A função representa o comportamento dinâmico de
uma mudança incialmente abrupta, mas mantida ao longo do tempo – em um set-point,
percentual de abertura de uma válvula, etc. – que é facilmente executada pelos sistemas
de controle e automação atuais. Devido a essa facilidade, a maioria dos sistemas e
processos químicos industriais tem seu comportamento dinâmico identificado em
campo, para obtenção de modelos empíricos entrada-saída, conforme descrito no
Capítulo 2, através da aplicação de degraus em suas entradas.
Souza & Trica 87

Seja a função degrau unitário definida pela equação (4.7) e ilustrada na Figura
4.2.
0, t0
u (t ) =  (4.7)
1, t0
u(t)
0 t
Figura 4.2. Comportamento dinâmico da função degrau unitário.
A aplicação da definição à função degrau unitário, para s ≠ 0:
 
e − st e − s  e − s 0 1

u ( t )  = 1  e dt =
− st
= − =
0
( −s ) 0 ( −s ) ( −s ) s
1
u (s) = (4.8)
s
utilizando a propriedade distributiva, para um degrau de magnitude B:
B
 Bu ( t )  = Bu ( s ) = (4.9)
s
Função Exponencial:
A função exponencial ocorre na representação da reposta transiente de

sistemas, sendo bastante útil na obtenção de transformadas inversas de Laplace,
conforme será visto no item 4.2.
Seja a função exponencial e sua transformada, para s ≠ a:

88 Souza & Trica
f ( t )  eat (4.10)
 

e  = e e dt = e − ( s − a )t dt

at at − st
(4.11)
0 0

e( ) e( ) e( )
− s−a t − s −a  − s−a 0
e  =
at
= −
−(s − a) 0 −(s − a) −(s − a)
1
eat  = (4.12)
(s − a)
Funções Seno e Cosseno:
Analogamente à função exponencial, as funções seno e cosseno também

ocorrem na representação da reposta transiente de sistemas, sendo igualmente
importantes na obtenção de transformadas inversas de Laplace, conforme será visto no
item 4.2. Como se verá, as funções seno e cosseno são obtidas no tempo quando razíes
complexas de s são verificadas no denominador de funções no domínio de Laplace. A
função solução no domínio do tempo terá, portanto, comportamento oscilatório. Esse
tipo de solução é obtido para algumas EDOs lineares, representando tipicamente
processos químicos com malhas de controle.
Para frequência angular de oscilação ω:
f ( t )  sen (t ) (4.13)
Expressando a função através da identidade de Euler (i é a unidade imaginária)

e aplicando-se a definição com s ≠ i ω:
eit − e − it
sen (t ) = (4.14)
2i
 (e − e −it ) e − st dt
1
sen (t )  = i t
2i
0
Souza & Trica 89

 
 
1 1
sen (t )  = e− ( s − i )t dt − e − ( s + i )t dt
2i 2i
0 0
 
1 e( ) 1 e( )
− s − i t − s + i t
sen (t )  = −
2i − ( s − i ) 0 2i − ( s + i ) 0
1 1 1 1 1 s + i − s + i
sen (t )  = − =
2i ( s − i ) 2i ( s + i ) 2i s2 +  2

sen (t )  = 2 (4.15)
s + 2
Pode-se proceder similarmente para obter a transformada da função cosseno,

equação (4.16), a partir da respectiva identidade de Euler (4.17), chegando-se à
transformada (4.18):
f ( t )  cos (t ) (4.16)
dsen (t )
=  cos (t ) (4.17)
dt
 dsen (t ) 
 =  cos (t )  =  cos (t ) 
 dt 
1  dsen (t ) 
cos (t )  =   = s sen (t )  − sen ( 0 )
  dt 
s
cos (t )  = 2 (4.18)
s + 2
90 Souza & Trica

Função com Atraso ou Tempo Morto:
Seja o comportamento apresentado na Figura 4.3 apresentado por um degrau

atrasado, efetuado em t = θ. A função degrau unitário atrasada pode ser representada
por:
0, t 
f ( t )  u ( t ) =  (4.19)
1, t 
A transformada de uθ(t) é dada por:
 
 
u ( t )  = u ( t ) e dt = 1  e − st dt
− st
0 

e − st e − s
u ( t )  = =
( −s )  s
e − s
u ( t )  = (4.20)
s
uθ(t)
0 t
Figura 4.3. Comportamento dinâmico da função degrau com atraso.
Constata-se que um atraso de θ unidades de tempo em um degrau unitário faz

com que sua transformada seja multiplicada por e-θs.
Definindo agora uma função que se comporte como f(t), mas atrasada em
relação a ela de θ unidades de tempo como:
Souza & Trica 91
0, t 
u ( t ) f ( t −  ) =  (4.21)
 f (t −  ) , t 
A transformada de Laplace dessa função atrasada uθ(t)f(t − θ) é dada pela

transformada de f(t) – f(s) – multiplicada por e-θs. Isto pode ser provado como segue:

u ( t ) f ( t −  )  = u ( t ) f ( t −  ) e − st dt
0
(4.22)
Como t é uma variável muda de integração, se for efetuada a seguinte

transformação de variável ε = t - θ:
ut − (  +  ) f (  )  =  f (  ) 
 
u ( t ) f ( t −  )  =
 f ( ) e  f ( ) e d  = e − s f ( s )
− s − s
e d = e − s − s
(4.23)
0 0
O atraso pode ser uma característica inerente ao comportamento dinâmico de

alguns processos químicos, sendo então frequentemente chamado de tempo morto,
como se verá no Capítulo 5.
Função Pulso Retangular:
A função pulso é a variação realmente implementada na prática ao invés da

função degrau durante a identificação do modelo de um processo químico. Como o
objetivo é apenas realizar um estudo/avaliação do processo, sempre é desejado
retornar à condição operacional anterior. Para um processo em estado estacionário, a
aplicação da função pulso como variável-desvio em uma de suas entradas permite o
retorno do mesmo ao seu estado estacionário original.
A função pulso retangular é definida pela equação e ilustrada pela Figura 4.4:
0, t0

f ( t ) =  b, 0t a (4.24)
 0, ta

92 Souza & Trica

Pela aplicação da definição da Transformada de Laplace, obtém-se:
a  a
be − st
 
 f ( t )  = be dt + 0  e dt =
− st − st
0 a
( −s ) 0
 f ( t )  = (1 − e − as )
b
(4.25)
s
Utilizando a propriedade distributiva, é possível notar que a função pulso

retangular é a diferença entre duas funções: degrau de magnitude b e degrau de mesma
magnitude atrasado a unidades de tempo:
b be − as
 f ( t )  = − = b u ( t )  − b ua ( t )  (4.26)
s s
f(t)
0 a t
Figura 4.4. Comportamento dinâmico da função pulso retangular.
Função Impulso:
O impulso é uma função teórica, que ocorre instantaneamente. Em termos

gráficos, ele pode ser visualizado como um pico indo para infinito em t = 0. Na prática,
o impulso é aproximado pelo pulso, sendo a aproximação tão melhor quanto mais breve
for o pulso. Apesar de ser uma função teórica, o impulso é bastante importante na área
de identificação de sistemas, em estudos da distribuição do tempo de residência (DTR)
em reatores, etc.
Admitindo-se na Figura 4.4 que b = 1/a, a área sobre o pulso é constante e igual
a 1. Logo, tem-se:
Souza & Trica 93
 f ( t )  = (1 − e− as )
1
(4.27)
as
Considerando o limite quando a → 0, a área sob a curva permanece unitária. A

função obtida é chamada de impulso ou função delta de Dirac δ(t) e sua transformada
de Laplace é então obtida como se segue:
 ( t ) 
 = lim
(1 − e )
− as
(4.28)
a →0 as
Como uma indeterminação do tipo 0/0 é obtida, aplica-se L’Hôpital:
 ( t ) 
 = lim
(1 − e ) = lim e
− as
− as
=1 (4.29)
a →0 as a →0
Utilizando a propriedade distributiva, para um impulso de magnitude B:
 B ( t )  = B ( s ) = B (4.30)
Função Pulso Descontínuo Retangular ou “Trem de Pulsos”:
Essa função é tipicamente utilizada para identificação do modelo de um

processo de forma mais fidedigna, pois é como se a identificação estivesse sendo
realizada em replicata. Devido ruído da medição, possibilidade da presença de outros
distúrbios durante a identificação, etc, a obtenção de dados em replicata é capaz de
eliminar essas interferências após análise crítica dos resultados.
Um exemplo dessa função é dado pela equação (4.31) e ilustrado na Figura 4.5.
0, t0

f ( t )   1, 2ka  t  ( 2k + 1) a , k = 0,1, 2,... (4.31)
 0, ( 2k + 1) a  t  2 ( k + 1) a

Percebe-se que esta função pode ser interpretada como composta por
sucessivos pulsos de altura 1 e duração a unidades de tempo, ocorrendo em t = 2ka, k
= 0, 1, 2..., ou seja:
94 Souza & Trica

f ( t ) = u ( t ) − ua ( t )  + u2 a ( t ) − u3a ( t )  + u4 a ( t ) − u5 a ( t ) + ... (4.32)
f(t)
0 a 2a 3a 4a t
Figura 4.5. Comportamento dinâmico da função pulso descontínuo regular.
Logo, a transformada de Laplace de f(t) é dada por:
N
(e − as
− 1) (1 − e ) lim
− as N →
 f ( t )  = lim
N → 
k =0
( −s )
e−2 kas =
s N → e
k =0
−2 kas
(4.33)
Alternativamente, poderia se chegar ao mesmo resultado, pela aplicação da

definição da transformada de Laplace diretamente à função definida pela equação
(4.31).
A quantidade N de pulsos na equação (4.31) também pode ser finita, de forma

a executar a quantidade de pulsos suficientes para se obter sucesso na identificação de
um processo.
4.1.3. Propriedades Adicionais da Transformada de Laplace
São apresentados a seguir dois teoremas que permitem obter os valores limites
(final e inicial) de uma função no domínio do tempo, diretamente a partir de suas
expressões no domínio de Laplace. Ambos os teoremas podem ser deduzidos a partir da
definição da transformada de Laplace de uma função.
Teorema do Valor Final:
O valor final é o valor da função y(t) quando t vai para infinito. O Teorema do
Valor Final (abreviado por TVF) é dado por:
Souza & Trica 95

yf = lim y ( t ) = lim sy ( s ) (4.34)

t → s →0
desde que sy(s) seja finito para todo s que satisfaz Re(s) < 0. Se esta condição não for
satisfeita, y(t) não apresenta limite quando t → ∞.
Em outras palavras, o Teorema do Valor Final só deve ser aplicado se todas as

raízes do denominador de sy(s) exibirem parte real negativa: Re(s) < 0, isso porque
alguns sistemas não têm valor final, ou seja, não estabilizam quando perturbardos por
uma entrada limitada (por exemplo, um degrau). Se houver raízes do denominador de
sy(s) com parte real positiva, o resultado da aplicação do TVF não terá significado físico.
Para exemplificar um sistema que exibe valor final, supõe-se um processo que estava
em um estado estacionário inicial quando foi submetido a um degrau na sua entrada; o
valor final yf corresponde ao novo valor de estado estacionário da variável de resposta,
conforme ilustrado na Figura 4.6.
y(t)
yf
0 t
Figura 4.6. Comportamento transiente levando ao valor estacionário final.
Exemplo 4.1. Obtenha o valor final de y(t) para:
2
y (s) = (4.35)
s ( s + 1)
3
Sendo as raízes do denominador de sy(s) iguais a -1 (repetida 3 vezes), o TVF

pode ser aplicado:
96 Souza & Trica

2s 2
lim sy ( s ) = lim = lim =2 (4.36)
s ( s + 1) ( s + 1)
s →0 s →0 3 s →0 3
Exemplo 4.2. Verifque se há valor final de y(t) para:
s 4 − 6s 2 + 9s − 8
y (s) = (4.37)
( s + 1)( s + 2 )( s − 1)( s − 2 ) s
Pelo TVF:
s 4 − 6s 2 + 9s − 8
lim sy ( s ) = lim
s →0 s → 0 ( s + 1)( s + 2 )( s − 1)( s − 2 )
−8
lim sy ( s ) = =2 (4.38)
s →0 (1)( 2 )( −1)( −2 )
O resultado acima não é válido porque o teorema do valor final (TVF) só pode
ser aplicado se todas as raízes do denominador de sy(s) exibirem parte real negativa:
Re(s) < 0. Para y(s) representado por (4.34), há raízes de s iguais à 1 e 2, o que não
permite que o TVF seja aplicado.
Isto pode ser verificado da seguinte forma analisando-se a expressão

completa de y(t) (o método para a transformada inversa será visto em 4.2) dada pela
equação (4.39). Constata-se que y(t → ∞) vai para ∞, logo, o sistema não exibe valor
final.
1 11 17 2
−1
 y ( s )  = y ( t ) = −2 + e2t + e−t − e−2t + et (4.39)
12 3 12 3
Exemplo 4.3. Verifque se há valor final de y(t) para:
1
y (s) =
s ( s + 1)
2 (4.40)
Souza & Trica 97

Pelo TVF:
1
lim sy ( s ) = lim =1
s →0
( )
s →0 s + 1
2 (4.41)
No entanto, as raízes do denominador de sy(s) neste caso são ±i e, portanto,

o teorema não pode ser aplicado, pois Re(s) = 0 (e não Re(s) < 0). Logo, não há valor
final. Como se verá em 4.2, sistemas com raízes imaginárias puras exibem oscilação
sustentadas; logo, não possuem um valor final.
Teorema do Valor Inicial:
yEE = lim y ( t ) = lim sy ( s ) (4.42)

t →0 s →
Pode-se constatar que, como esses teoremas fornecem apenas as condições

limites (final e inicial) da resposta de um sistema, ainda se precisa de uma abordagem
que forneça a resposta completa, para qualquer tempo, durante o transiente. Essa
abordagem será estudada no item 4.2 a seguir.
4.2. Inversão da Transformada de Laplace por Expansão em Frações

Parciais
Conforme Figura 4.1, após obtenção da função solução no domínio de s, é

necessário efetuar a transformada inversa para obtenção da função no domínio do
tempo. O método apresentado a seguir desenvolvido por Oliver Heaviside baseia-se na
expressão de y’(s) como uma razão de polinômios para em seguida expandi-la em
frações parciais e aplicar a propriedade distributiva para obtenção da solução como uma
soma de funções no domínio do tempo.
O objetivo da expansão é expressar y’(s) como uma soma de transformadas de

funções já conhecidas. Seja y’(s) expressa pela razão de polinômios genérica:
  s m +  m −1s m −1 +  +  0  N m ( s )
y ( s )   m n = , nm (4.43)
  n s +  n −1s +  +  0  Dn ( s )
n −1
98 Souza & Trica

tal que Nm(s) representa o polinômio de m-ésima ordem do numerador e Dn(s) o

polinômio de n-ésima ordem do denominador.
4.2.1. Efetuação da Transformada Inversa
1° passo: Fatoração do denominador
Dn ( s ) = s n + qn −1s n −1 + ... + q1s + q0 = ( s − p1 )( s − p2 ) ...( s − pn ) (4.44)
tal que p1,p2,...,pn são as raízes do polinômio Dn(s).
2° passo: Expansão em frações parciais
Nm ( s ) Nm ( s )
y ( s ) = = (4.45)
Dn ( s ) ( s − p1 )( s − p2 )( s − pn )
A1 A2 An
y ( s ) = + + ... + (4.46)
( s − p1 ) ( s − p2 ) ( s − pn )
tal que A1,A2,...,An são os coeficientes a determinar.
3° passo: Transformada inversa
 A1 A2 An 
−1
 y ( s )  = −1
 + + + 
 ( s − r1 ) ( s − r2 ) ( s − rn ) 
 A1   A2   An 
−1
 y ( s )  = −1
 +
−1
  + ... +
−1
 
 ( s − r1 )   ( s − r2 )   ( s − rn ) 
Sabendo que a transformada inversa das frações parciais é dada pela função
exponencial, conforme apresentado em 4.1.2 (Boyce & DiPrima, 2006):
y ( t ) = A1e p1t + A2e p2 t + + Ane pn t (4.47)
Souza & Trica 99

Para a determinação dos coeficientes A1,A2,...,An, há três situações possíveis à

depender das raízes de Dn(s):
i. Raízes reais e não repetidas;
ii. Par de raízes complexas conjugadas não repetidas;
iii. Razíes reais e repetidas.
4.2.2. Determinação dos Coeficientes das Frações Parciais
Raízes reais não repetidas:

Para o cálculo do coeficiente Ak, multiplica-se toda a equação da expansão por
(s - pk). Em seguida, leva-se toda a expressão ao limite s → pk. Calcula-se, assim, Ak.
 (s − p )
Ak
y ( s ) = (4.48)
k =1 k
n
( s − pk )
y ( s )( s − pk ) = Ak + A ( s − p )
j =1
j
j
(4.49)
jk
n
( s − pk )
lim y ( s )( s − pk ) = lim Ak +
s → pk s → pk j =1
Aj
(s − p )
j
= Ak
jk
Ak = lim y ( s )( s − pk ) (4.50)
s → pk
Exemplo 4.4. Determine os coeficientes da expansão em frações parciais de y’(s) para:
5 A1 A2 A
y ( s ) = = + + 3 (4.51)
( s + 1)( s + 2 ) s ( s + 1) ( s + 2 ) s
p1 = −1, p2 = −2, p3 = 0
100 Souza & Trica

5 5
A1 = lim = = −5 (4.52)
s → p1 ( s + 2 ) s ( −1 + 2)( −1)
5 5
A2 = lim = =5/ 2 (4.53)
s → p2 ( s + 1) s ( −2 + 1)( −2 )
5 5
A3 = lim = =5/2 (4.54)
s → p3 ( s + 1)( s + 2 ) ( 0 + 1)( 0 + 2 )
5 52 52
y ( s ) = − + +
( s + 1) ( s + 2 ) s
5 5
y ( t ) = −5e−t + e−2t + (4.55)
2 2
Par de raízes complexas conjugadas não repetidas:

Procede-se como no caso para raízes reais e distintas entre si. Mostrando-se a
seguir só o procedimento para o cálculo dos coeficientes relativos aos termos das raízes
complexas conjugadas (admite-se que as demais raízes são reais e distintas):
N (s)
y ( s ) = (4.56)
( s − p1 − i )( s − p1 + i )( s − pn )
A1 A2 An
y ( s ) = + + + (4.57)
( s − p1 − i ) ( s − p1 + i ) ( s − pn )
A1 = lim y ( s )( s − p1 − i ) = B + iC (4.58)
s → p1 + i
A2 = lim y ( s )( s − p1 + i ) = B − iC (4.59)
s → p1 − i
tal que A1 e A2 são complexos conjugados entre si. Efetuando a transformada inversa:
Souza & Trica 101
y ( t ) = A1e( p1 + i )t + A2e( p1 −i )t +  + Ane pn t (4.60)
Utilizando a identidade de Euler:
eix = cos ( x ) + isen ( x ) (4.61)
A1e( = A1e p1t eit = A1e p1t cos (t ) + isen (t ) 
p1 + i ) t
(4.62)
Sabendo que: cos(-x) = cos(x) e sen(-x) = -sen(x):
 A1 
 = A1e 1 cos (t ) + isen (t ) 
−1 pt
 (4.63)
 ( s − p1 − i ) 
 A2 
 = A2e 1 cos ( −t ) + isen ( −t ) 
−1 pt

 ( s − p1 + i ) 
 A2 
 = A2e 1 cos (t ) − isen ( −t ) 
−1 pt
 (4.64)
 ( s − p1 + i ) 
Portanto:
−1
 y ( s )  = ( A1 + A2 ) cos (t ) + ( A1 − A2 ) isen (t )  e p1t + + Ane pn t (4.65)
( A1 + A2 ) = B + iC + B − iC = 2B (4.66)
( A1 − A2 ) i = ( B + iC − B + iC ) i = 2iC  i = −2C (4.67)
y ( t ) = −1
 y ( s )  = 2  B cos (t ) − Csen (t )  e p1t + + Ane pn t (4.68)
Sempre que houver raízes complexas em Dn(s), o sistema apresentará resposta

oscilatória no domínio do tempo, conforme ilustrações da Figura 4.7. A oscilação
apresentará amplitude dependente da parte real p1 da raiz complexa, tal que a
102 Souza & Trica

amplitude será crescente para p1 > 0 (sistema instável), decrescente para p1 < 0 (sistema
estável) e amplitude constante para p1 = 0 (limite de estabilidade, infinitamente
oscilatório). A frequencia de oscilação ω corresponde à parte imaginária da raiz
complexa.
y(t) p1 < 0 p1 > 0 p1 = 0
t t t
Figura 4.7. Comportamento dinâmico de funções com raíz complexa conjugada em
seu denominador no domínio de s.
É possível expressar y’(t) da seguinte forma:
y ( t ) = Dsen (t +  ) e p1t + + Ane pn t (4.69)
através da identidade trigonométrica, obtém-se
B cos (t ) − Csen (t ) = Dsen (t +  ) (4.70)
B C B
= sen , − = cos  , − = tan  (4.71)
D D C
Raízes Reais Repetidas:
Seja um raiz p1 repetida j vezes:
Nm ( s )
y ( s ) = (4.72)
( s − p1 ) ( s − p2 )( s − pn )
j
Uma modificação na expansão em frações parciais é efetuada em relação ao

caso sem raízes repetidas:
Souza & Trica 103

A1 A2 Aj An
y ( s ) = + ++ ++ (4.73)
( s − p1 )
j
( s − p1 )
j −1
( s − p1 ) ( s − pn )
Os coeficientes das frações de raizes repetidas são dados por:
d (i )  j 1
Ai +1 = lim
s → p1 ds ( ) 
i
y  ( s )( s − p1 )  , i 
 i!
(4.74)
Os coeficientes das frações de raízes distintas são dados por:
Ak = lim  y ( s )( s − pk )  ,  k  *
(4.75)
s → pk
Aplicando os coeficientes na transformada inversa, obtêm-se (Boyce & DiPrima,

2006):
j
Ati j − i
n
y ( t ) = e p1t

i =1
( j − i )!
+ A e
k =1
k
pk t
(4.76)
Exemplo 4.5. Determine os coeficientes da expansão em frações parciais de y’(s) para:
2 2
y ( s ) = =
s ( s + 3s + 3s + 1) s ( s + 1)
3 2 3 (4.77)
p1,2,3 = −1, p4 = 0
2 ( s + 1)
3
2
A1 = lim y ( s )( s − p1 ) = lim = = −2
3
(4.78)
s → p1 s →−1
s ( s + 1)
3
( −1)
Se for efetuada a derivação em relação à s para y’(s)(s - p1)3:
d  d  A 3
y ( s )( s − p1 )  =  A1 + A2 ( s − p1 ) + A3 ( s − p1 ) + 4 ( s − p1 ) 
3 2
ds   ds  s 
104 Souza & Trica

d  d A 3
y ( s )( s − p1 )  = A2 + 2 A3 ( s − p1 ) +  4 ( s − p1 ) 
3
ds   ds  s 
No limite quando s → p1 é possível obter A2:
d 
A2 = lim y ( s )( s − p1 ) 
3
(4.79)
s → p1 ds  
d 2 2 2
A2 = lim   = lim − 2 = − = −2 (4.80)
  s →−1 s ( −1)
s →−1 ds s 2
Derivando novamente para cálculo de A3:
d2  d2  A 3
 ( )( − )  = A + A2 ( s − p1 ) + A3 ( s − p1 ) + 4 ( s − p1 ) 
3 2
2 
y s s p1  2  1
ds ds  s 
d 2  A4
( s − p1 ) 
d2 
 ( )( − )  = +
3 3
2 
y s s p1  2 A3 2 
ds ds  s 
1 d2 
A3 = lim y ( s )( s − p1 ) 
3
(4.81)
s → p1 2 ds 2  
1 d2 2 1 4  1 4 
A3 = lim = lim  3=   = −2 (4.82)
s →−1 2 ds 2  s 
  s →−1 2  s  2  ( −1) 
3
Como p4 é distinta, utiliza-se o método convencional:
2
A4 = lim =2 (4.83)
( s + 1)
s →0 3
A seguinte transformada inversa é necessária para obtenção da função

solução no domínio do tempo (Boyce & DiPrima, 2006):
Souza & Trica 105

−1
 a  a n −bt
 n +1 
= t e (4.84)
 ( s + b )  n!
Aplicando ao exemplo, obtém-se
2 2 −t 2 −t 2 0 −t
y ( t ) = − t e − te − t e + 2
2! 1! 0!
t2 
y ( t ) = −2e − t  + t + 1 + 2 (4.85)
4 
4.3. Exercícios
E4.1. Um processo segue o seguinte modelo de equação diferencial:
d 3 y d 2 y dy dx
3
+ 5 2
+8 + 4 y = 2 + 3 x (E4.1.1)
dt dt dt dt
Ache a expressão relacionando y’(s) à x’(s). Ambos y’ e x’ são variáveis-desvio com

valores iniciais das funções e das derivadas nulos.
E4.2. Define-se uma função rampa na forma:
0, t 0
f (t ) =  (E4.1.2)
 kt , t0
onde k é uma constante. Determine f’(s).
E4.3. O procedimento de start-up para um reator batelada inclui um passo de

aquecimento onde a temperatura do reator é gradualmente elevada até chegar à
temperatura nominal de operação de 75 °C. A temperatura desejada do perfil T(t) é
mostrada na Figura E4.3.a. Qual é T’(s)? Use a definição de transformada de Laplace.
106 Souza & Trica

T [ C]
75
20
30 t [min]
Figura E4.3.a
E4.4. Repita o exercício E4.3 definindo T’(t) como a diferença entre duas funções rampas
e usando o resultado obtido no exercício E4.2.
E4.5. Admita que a concentração de alimentação de um reagente A para um reator é,

incialmente, 1 lbmol/ft³. Esta concentração é então aumentada de 10 % do seu valor
inicial por 1 hora. Em seguida cai para 10 % do seu valor inicial por 1 hora e finalmente
retorna ao seu valor original, conforme exibido na Figura E4.5.a abaixo:
0.2
0
0.1
-0.1
-0.2
0 1 2 3
t [h]
Figura E4.5.a
 (s) .
Aplicando a definição de transformada de Laplace, determine CA0
Souza & Trica 107

Capítulo 5 – Funções de Transferência
5. Funções de Transferência
Diversos comportamentos dinâmicos são observados como respostas de
diferentes processos químicos em função de suas características inerentes e das
entradas a que estão submetidos. Para representar esses comportamentos através de
modelos lineares podem ser empregadas as chamadas funções de transferência. No
item 5.1, é introduzido o conceito desse tipo de representação matemática, que é um
modelo dinâmico relacionando uma variável de saída a uma variável de entrada. Nesse
item, são ainda apresentados o procedimento para obtenção de uma função de
transferência a partir do modelo descrito em EDO e exemplos de função de
transferência. O item 5.2 introduz os conceitos de polos e zeros da função de
transferência. Por sua vez, o item 5.3 apresenta a representação em diagrama de blocos.
Finalmente, o item 5.4 apresenta importantes propriedades das funções de
transferência. O comportamento dinâmico de funções de tansferência típicas é
analisado no Capítulo 6.
5.1. Função de Transferência: Obtenção e Exemplos
Função de Transferência, G(s), é uma equação algébrica para a relação

dinâmica entre a entrada e saída do processo. Ela é definida de modo a ser
independente das condições iniciais, sendo escrita em variáveis-desvio, e da escolha
particular da função estímulo para a entrada. Se a função de transferência é escrita na
forma padrão, as propriedades dinâmicas fundamentais do processo em si se tornam
evidentes.
Para a obtenção de funções de transferência no domínio de Laplace a partir de

um modelo dinâmico (EDOs) no domínio do tempo, seguem-se os passos apresentados
na Figura 5.1.
Domínio de t
(tempo)
Modelo Obtenção do EE Subtração das

dinâmico inicial e Eqs. Estacionárias.
do processo linearização do (Expressões em
(EDOs) modelo variáveis-desvio)
Domínio de s
Aplicar a transformada de
(Laplace)
Obtenção da função
Laplace.
de transferência em
Especificar entrada j.
relação à entrada j.
(Demais entradas i nulas)
Figura 5.1. Fluxograma para obtenção de funções de transferência.
Souza & Trica 109

Os exemplos a seguir são casos em que há apenas uma variável de saída. No

Exemplo 5.1 há apenas uma variável de entrada. No Exemplo 5.2 e Exemplo 5.3 há duas
variáveis de entrada.
Exemplo 5.1. Tanque de nível de líquido com válvula na saída.
Fin(t)
A
h(t)
F(t)
Figura 5.2. Tanque de nível de líquido com válvula na saída.
Modelo dinâmico do processo:
Partindo-se do balanço de massa total, em variáveis-desvio, conforme

apresentado no Exemplo 3.2, admitindo-se massa específica constante:
dh ( t ) h (t )
A = Fin ( t ) − (5.1)
dt R
Obtenção do estado estacionário inicial e linearização do modelo:
dhEE h
A = 0  Fin,EE − EE = 0
dt R
Fin,EE = RhEE (5.2)
Note que, para este caso, não é necessário linearizar o modelo porque o mesmo já é
linear.
Subtração das equações estacionárias:
dhEE h
A = Fin,EE − EE (5.3)
dt R
Fazendo-se a equação (5.1) menos a equação (5.3), termo a termo, obtém-se:
110 Souza & Trica

d  h ( t ) − hEE   h ( t ) − hEE 
A  =  Fin ( t ) − Fin,EE  −  (5.4)
dt R
que, expressando em variáveis-desvio e após rearranjo, obtém-se:
dh ( t )
AR + h ( t ) = RFin ( t ) (5.5)
dt
tal que:
h ( t ) = h ( t ) − hEE , Fin ( t ) = Fin ( t ) − Fin,EE (5.6)
Aplicação da transformada de Laplace:
 dh ( t ) 
 AR + h ( t )  =  RFin ( t ) 
 dt 
 dh ( t ) 
AR  +  h ( t )  = R  Fin ( t ) 
 dt 
Especificação da entrada j (Demais VDi nulas, para j ≠ i):
Só há uma entrada neste exemplo, F̕in(t):
ARsh ( s ) + h ( s ) = RFin ( s )
Obtenção das funções de transferência:
( ARs + 1) h ( s ) = RFin ( s )
h ( s ) R
G (s)  = (5.7)
Fin ( s ) ARs + 1
Souza & Trica 111

Exemplo 5.2. Tanque de nível com saída controlada por bomba.
Fin(t)
A F(t)
Figura 5.3. Tanque de nível com saída controlada por bomba.
A partir do balanço de massa total descrito no Exemplo 3.2, com vazão na

saída mantida constante por uma bomba F(t) = cte e seguindo-se os passos da Figura
5.1, obtém-se:
dh ( t )
A = Fin ( t ) − F  ( t ) (5.8)
dt
Ainda seguindo-se o fluxograma da Figura 5.1 e similarmente ao procedido

no Exemplo 5.1, chega-se às seguintes funções de transferência:
h ( s ) 1 h ( s ) 1
Gd ( s ) = = , GP ( s ) = =− (5.9)
Fin ( s ) As F ( s ) As
Exemplo 5.3. Tanque de aquecimento continuamente misturado com volume

constante
Tin(t),F
Vapor d’água
Condensado
(t)
ρ,V,cP
Figura 5.4. Tanque de aquecimento continuamente misturado com volume
constante.
112 Souza & Trica

Modelo dinâmico do processo:
A partir do balanço de energia, conforme desenvolvido no item 2.3.1:
dT ( t )
VcP =  FcP Tin ( t ) − T ( t )  + Q ( t ) (5.10)
dt
Obtenção do estado estacionário inicial e linearização do modelo:
dT ( t )
VcP = 0   FcP Tin,EE − TEE  + QEE = 0
dt
QEE
TEE = Tin,EE + (5.11)
 FcP
Note que, para este caso, também não é necessário linearizar o modelo
porque o mesmo já é linear.
Subtração das equações estacionárias:
d T ( t ) − TEE 
VcP =
dt
 FcP ( Tin ( t ) − Tin,EE  − T ( t ) − TEE  ) + Q ( t ) − QEE 
que, expressando em variáveis-desvio e após rearranjo, obtém-se:
dT  ( t )
VcP =  FcP Tin ( t ) − T  ( t )  + Q ( t ) (5.12)
dt
tal que:
T  ( t ) = T ( t ) − TEE , Tin ( t ) = Tin ( t ) − Tin,EE , Q ( t ) = Q ( t ) − QEE (5.13)
Aplicação da transformada de Laplace:
Souza & Trica 113

VcP sT  ( s ) =  FcP Tin ( s ) − T  ( s )  + Q ( s ) (5.14)
Especificação da entrada j (Demais VDi nulas, para j ≠ i):
( j = 1 ) Tin ( s ) : VcP sT  ( s ) =  FcP Tin ( s ) − T  ( s )  (5.15.a)

 
( j = 2 ) Q ( s ) : VcP sT  ( s ) = −  FcPT  ( s ) + Q ( s ) (5.15.b)
Obtenção das funções de transferência:
T ( s )  FcP 1
( j = 1 ) Tin ( s ) :  G1 ( s ) = =
VcP s +  FcP (V F ) s + 1
(5.16.a)
Tin ( s )
T ( s ) 1 (1  FcP )
( j = 2 ) Q ( s ) :  G2 ( s ) = = (5.16.b)
Q ( s ) VcP s +  FcP (V F ) s + 1
Se ambas as entradas variam simultaneamente, obtém-se:
T  ( s ) = G1 ( s ) Tin ( s ) + G2 ( s ) Q ( s ) (5.17)
5.2. Propriedades das Funções de Transferência
Seja uma função de transferência genérica entre a saída y’(s) e a entrada u’(s):
y ( s )
b s j
j
G (s) = = j =0
(5.18)
u ( s ) n
a s
i =0
i
i
Reescrevendo G(s):
114 Souza & Trica

bm ( s − z1 )( s − z2 ) ...( s − zm )
G (s) = (5.19)
an ( s − p1 )( s − p2 ) ...( s − pn )
tal que as raízes do numerador e denominador de G(s), respectivamente zi e pi, são

chamadas de zeros (finitos) e pólos da função de transferência.
Para processos físicos, a ordem do polinômio do numerador é sempre menor

ou igual à ordem do denominador, isto é, n ≥ m. Suponha que um processo real é
modelado da seguinte maneira, sendo y’(t) a saída e u’(t) a entrada:
du ( t )
a0 y ( t ) = b1 + b0u ( t ) (5.20)
dt
Este sistema responderá a um degrau em u’(t) com um impulso no tempo zero,

y’(t = 0), pois du’(t)/dt é infinito no tempo em que o salto do degrau ocorre. Isso pode
ser visto também, aplicando a transformada de Laplace:
a0 y ( s ) = b1su ( s ) + b0u ( s ) (5.21)
y ( s ) b1s + b0
= (5.22)
u ( s ) a0
tal que n = 0 e m = 1.
Para u’(t) sendo uma função degrau de magnitude K, u’(s) = K/s:
y ( s ) K b1s + b0  b 
= = K  b1 + 0  (5.23)
u ( s ) s a0  a0 s 
Aplicando o teorema do valor inicial:
 b   b 
lim sy ( s ) = lim sK  b1 + 0  = lim K  b1s + 0  =  ! (5.24)
s → s → →
 a0 s  s
 a0 
Este resultado mostra que y’(t) iria para infinito no instante de tempo t = 0. A
habilidade de responder infinitamente rápido a uma mudança repentina na entrada é
Souza & Trica 115

impossível de ocorrer em processos físicos reais. Assim, a restrição n ≥ m é referida como

“condição de sistema fisicamente realizável”.
5.3. Representação em Diagrama de Blocos
Os sistemas dinâmicos e suas funções de transferência podem ser

representados através de diagramas de blocos, para melhor interpretação do
comportamento e compreensão do sistema e suas interações como um todo. Os
diagramas de blocos podem conter quatro elementos: blocos, setas, pontos de junção
(soma ou subtração) e pontos de bifurcação.
Exemplo 5.4.
y̕1(s)
̕ 1(s) ’(s) y’(s) y̕2(s)
G(s)
̕ 2(s) y̕3(s)
Figura 5.5. Exemplo de representação em diagrama de blocos.
Exemplo 5.5. Malha de controle por retroalimentação negativa (feedback)
y̕SP(s) + ε’(s) c’(s)

-
GC(s)
y̕m(s)
Figura 5.6. Diagrama de blocos dos sinais recebidos pela função de transferência de
um controlador.
 e ym são o set-point e medição da variável y sendo controlada. ε’ é o erro,

tal que ySP
definido como a diferença entre a medição e o set-point. O erro é entrada da função
de transferência do controlador, cuja saída é dada por c’ e calculada através da razão
de polinômios de GC(s).
116 Souza & Trica

Exemplo 5.6. Pontos de junção
̕ 2(s)
̕ 2(s) - + y’(s) ̕ 1(s) + + y’(s) ̕ 1(s) + - y’(s)
- + - - -
̕ 3(s) ̕ 1(s) ̕ 2(s) ̕ 3(s)
̕ 3(s)
(a) (b) (c)

Figura 5.7. Pontos de junção.
Para a saída y’(t) em função das três entradas ̕ 1(t), ̕ 2(t) e ̕ 3(t), ambos os
três diagramas de blocos representam a seguinte relação:
y ( s ) = u1 ( s ) − u2 ( s ) − u3 ( s ) (5.25)
5.4. Propriedades Importantes

5.4.1. Propriedade Comutativa
’(s) ̕1(s) y’(s)

G1(s) G2(s)
’(s) y’(s)
G R = G 1G 2
’(s) ̕2(s) y’(s)
G2(s) G1(s)
Figura 5.8. Propriedade multiplicativa das funções de transferência.
Verifica-se que:
z1 ( s ) = G1 ( s ) u ( s ) (5.26)
e que:
y ( s ) = G2 ( s ) z1 ( s ) (5.27)
Substituindo-se (5.26) em (5.27), obtém-se:

Souza & Trica 117
y ( s ) = G1 ( s ) G2 ( s ) u ( s ) (5.28.a)
y ( s ) = GR ( s ) u ( s ) (5.28.b)
com:
GR ( s ) = G1 ( s ) G2 ( s ) (5.29)
A propriedade multiplicativa das funções de transferência é tal que, sempre

que houver N funções de transferência em série entre uma entrada e uma saída, a
função de transferência entre essa entrada e essa saída será dada por:
GR = G1G2 Gi GN = Gi =1

i (5.30)
Exemplo 5.7. Funções de transferência de 1ª ordem em série.
Sabe-se que a ordem de uma função de transferência é dada pelo grau do

polinômio do seu denominador. Se cada função de transferência Gi fosse
caracterizada como a seguir:
K P,i
Gi ( s ) = (5.31)
 P,i s + 1
Sendo a função de transferência acima de 1ª ordem, qual a ordem de y̕3(t)/

u’(t) e de y̕N(t)/u’(t)?
y3 ( s ) K P,1K P,2 K P,3

= G1 ( s ) G2 ( s ) G3 ( s ) =
u ( s ) ( P,1s + 1)( P,2 s + 1)( P,3s + 1) (5.32)
yN ( s ) K P,1K P,2 ...K P,N

= G1 ( s ) G2 ( s ) ...GN ( s ) =
u ( s ) ( P,1s + 1)( P,2 s + 1)...( P,N s + 1) (5.33)
As funções de transferência são de 3ª ordem e de N-ésima ordem, respectivamente.
118 Souza & Trica

Exemplo 5.8. Tanques de nível em série sem interação (a saída do 1º tanque alimenta
o 2º tanque por cima).
Fin(t)
A1
h1(t)
F1(t)
R1
A2
h2(t)
F2(t)
R2
F̕in(s) ̕ 1(s) F̕1(s) ̕ 2(s)

G1(s) 1/R1 G2(s)
Figura 5.9. Tanques de nível em série e representação em diagrama de blocos.
Relação de projeto:
h1 ( t )
F1 ( t ) = (5.34)
R1
h1 ( s ) R1
 G1 ( s ) = (5.35)
Fin ( s ) A1R1s + 1
h2 ( s ) R2
 G2 ( s ) = (5.36)
F1( s ) A2 R2 s + 1
h2 ( s ) h ( s ) F1( s ) h2 ( s ) 1

= 1 = G1 ( s ) G2 ( s ) (5.37)
Fin ( s ) Fin ( s ) h1 ( s ) F1( s ) R1
h2 ( s ) R1 1 R2
= (5.38)
Fin ( s ) A1R1s + 1 R1 A2 R2 s + 1
Souza & Trica 119

h2 ( s ) R2
= (5.39)
Fin ( s ) ( A1R1s + 1)( A2 R2 s + 1)
5.4.2. Propriedade Distributiva
̕ 1(s)
̕ 1(s) +
G1(s)
y’(s)
G1(s) + y’(s)
-
̕ 2(s) ̕ 2(s) -
G1(s)
(a) (b)
Figura 5.10. Propriedade distributiva das funções de transferência.
O Exemplo 5.3 do tanque aquecido ilustra a propriedade distributiva das

funções de transferência:
1
G1 ( s ) = (5.40)
(V F ) s + 1
G2 ( s ) =
(1  FcP )
(5.41)
(V F ) s + 1
T  ( s ) = G1 ( s ) Tin ( s ) + G2 ( s ) Q ( s ) (5.42)
̕
in(s)
G1(s)
+ ’(s)
+
’(s)
G2(s)
Figura 5.11. Diragama de blocos do tanque aquecido continuamente agitado.
120 Souza & Trica

Exemplo 5.9. Malhas de retroalimentação
’(s) + y’(s) ’(s) + y’(s)

G1(s) G1(s)
+ -
G2(s) G2(s)
Retroalimentação negativa
Retroalimentação positiva
(controle feedback)
Figura 5.12. Diagrama de blocos de malhas de retroalimentação.
Retroalimentação positiva:
y ( s ) =  y ( s ) G2 ( s ) + u ( s )  G1 ( s )
y ( s ) 1 − G1 ( s ) G2 ( s )  = u ( s ) G1 ( s )
y ( s ) G1 ( s )
= (5.43)
u ( s ) 1 − G1 ( s ) G2 ( s )
Retroalimentação negativa:
y ( s ) =  − y ( s ) G2 ( s ) + u ( s )  G1 ( s )
y ( s ) 1 + G1 ( s ) G2 ( s )  = u ( s ) G1 ( s )
y ( s ) G1 ( s )
= (5.44)
u ( s ) 1 + G1 ( s ) G2 ( s )
Souza & Trica 121

5.5. Exercícios
E5.1. O conteúdo de um aquecedor tipo tanque agitado é aquecido a uma taxa

constante (BTU/h) usando um aquecedor elétrico.
w,Ti(t)
V
Ta L(t) (t) T(t) w,T(t)
Figura E5.1.a
A vazão w (lbm/h) e o volume V (ft³) são constantes, mas a perda de calor para o meio
ambiente L (BTU/h) varia com a velocidade do vento v(t), de acordo com as
expressões:
QL ( t ) = U ( t ) A (T − Ta )
(E5.1.1)
U ( t ) = U 0 + bv ( t )
tal que U0, A, b e Ta são constantes. Desenvolva a função de transferência entre a

temperatura de saída (em variáveis-desvio), ’(s), e a velocidade do vento, v’(s). A
temperatura de entrada não varia com o tempo, nem há variações na taxa de calor
cedida ao conteúdo do tanque pelo aquecedor elétrico.
Suponha que em t = 0 todas as variáveis estão no estado estacionário.
E5.2.
A Figura E5.2.a exibe a visão de uma seção transversal do bulbo de um termômetro de

mercúrio. Seja T a temperatura do fluido em torno do termômetro e seja Tm a leitura do
termômetro. Suponha que o coeficiente de filme de transferência de calor, hf (cal/h ft²
°F), determina a quantidade de calor transferida do fluido para o mercúrio do bulbo (isto
é, a resistência da parede do vidro à transferência de calor é desprezível). Suponha
122 Souza & Trica

também que a capacidade calorífica do mercúrio é muito maior que a do tubo de vidro.
Finalmente, supõe-se que a parede não se expande nem se contrai.
T
Mercúrio
Tm Vidro
Película em
torno do bulbo
Figura E5.2.a
E5.2.a) Mostre que a leitura do termômetro segue comportamento de primeira ordem

para qualquer mudança na temperatura do fluido ambiente;
E5.2.b) Deduza a função de transferência entre Tm e T.
E5.3. Considere o reator CSTR isotérmico, com retenção volumétrica constante, no qual
ocorre uma reação de 2° ordem: A → B.
O balanço de massa para o componente A é dado por:
dCA
V = F ( CA0 − CA ) − kVCA 2 (E5.3.1)
dt
onde são constantes: F = 100 ft3/h, V = 1.000 ft3 e k = 1,2 ft3/lbmol h.
E5.3.a) Na condição estacionária inicial CA0,EE = 1 lbom/ft3, calcule CA,EE;
E5.3.b) Linearize o(s) termo(s) não linear(es) do balanço de massa e reescreva a mesma
em variáveis-desvio;
̕ (s).
E5.3.c) Escreva a função de transferência CA̕ (s)/CA0
E5.4. Considere o sistema de nível de líquido mostrado na Figura E5.4.a. Os tanques não
apresentam interação. Sabe-se que:
(i) As vazões de saída de cada tanque têm uma dependência linear com o nível de
líquido através de resistências R1 e R2, respectivamente. Estas resistências foram
testadas separadamente e encontrou-se que se F1,EE (ft³/min) for plotado contra
h1,EE (ft) será obtida uma reta com coeficiente angular igual a 1,5 ft²/min;
Souza & Trica 123

(ii) O sistema em malha aberta é criticamente amortecido (τP,1 = τP,2) e a área da

seção transversal de cada tanque é 4 ft².
Fi(t)
h1(t)
R1 F1(t)
h2(t)
R2 F2(t)
Figura E5.4.a
Identifique ̕ 2(s)/F̕i(s). Espera-se que você dê valores numéricos aos parâmetros nas
funções de transferência e mostre claramente como você os obteve.
E5.5. A partir dos balanços de massa, calcule as funções de transferência ̕ 1(s)/q’(s) e

̕ 2(s)/q’(s) para os sistemas de nível de líquido mostrado na Figura E5.5.a. Suponha que
as resistências são lineares e dadas por R1 = R2 = 1 ft/cfm. Note que duas correntes saem
do tanque 1, uma das quais alimenta o tanque 2. Espera-se que você dê valores
numéricos aos parâmetros nas funções de transferência e mostre claramente como
você as obteve.
q(t), [cfm]
Ra = 2 ft/cfm h1(t) A1 = 1 ft² R1 = 1 ft/cfm
Tanque 1
h2(t) A2 = 1 ft² R2 = 1 ft/cfm
Tanque 2
Figura E5.5.a
124 Souza & Trica

E5.6. O comportamento dinâmico de um sistema físico pode ser representado pela

função de transferência:
y ( s ) 18
= 2 (E5.6.1)
u ( s ) s + 3s + 9
E5.6.a) Depois de um degrau em u’(t) = 3, qual o novo valor do estado estacionário de

y’(t)?
E5.6.b) Por razões físicas, exige-se que y’ ≤ 10. Qual a maior mudança degrau em u’ que
o processo pode tolerar sem exceder esse limite?
E5.7. Seja o tanque agitado com aquecimento apresentado na Figura E5.7.a:
F,Ti(t)
F,T(t)
Tvp(t)
Vapor
Figura E5.7.a
tal que (t) = UA[Tvp(t) − T(t)].
Suponha que se queira proceder a um teste com este tanque, de modo a verificar as
suas características dinâmicas.
O teste consiste em introduzir um degrau de magnitude B em Ti (mantendo as demais

variáveis de entrada constantes) e acompanhar a variação de T.
Para medir T, utiliza-se um termômetro que está imerso no líquido do tanque

(inicialmente, o termômetro e o líquido no tanque estão em equilíbrio térmico).
Sabendo-se que o termômetro tem características dinâmicas próprias (é um sistema de
1° ordem) e que a constante de tempo do termômetro τP,m é muito menor que a
Souza & Trica 125

constante de tempo do tanque τP,1 (τP,m << τP,1), pergunta-se se a temperatura indicada
pelo termômetro, Tm apresentará erro em relação à temperatura do líquido no tanque
para um tempo t qualquer.
Para chegar à resposta desta questão:
E5.7.a) Escreva as equações no tempo para o tanque e o termômetro;
E5.7.b) Escreva as funções de transferência para as variáveis de entrada e saída em

questão;
E5.7.c) Considere que τP,m << τP,1 e verifique a relação entra as funções de transferência
̕ (s) e ’(s) para o degrau indicado.
m
E5.8. O equipamento de transferência de calor mostrado na Figura E5.8.a consiste de

dois tanques, sendo um interno ao outro. Calor é transferido por convecção através da
parede do tanque mais interno. O conteúdo de cada tanque está bem misturado. Os
seguintes dados e informações são fornecidos:
(i) A vazão mássica de líquido através do tanque mais externo é mantida

constante, portanto o volume de líquido contido no mesmo é constante e vale 1
ft³;
(ii) O volume (constante) do conteúdo do tanque mais interno é de 1 ft³;
(iii) A área de contato para transferência de calor entre os tanques é 1 ft²;
(iv) O coeficiente global de transferência de calor, U, para o fluxo de calor entre

os tanques é de 10 BTU/h ft² °F;
(v) A capacidade calorífica do fluido em cada tanque é de 1 BTU/lbm °F, A massa

específica de cada fluido é de 50 lbm/ft³.
Supondo uma situação em que a temperatura da corrente de alimentação seja mantida

constante, mas o fluxo de calor para o tanque mais interno ( ) esteja sujeito a
mudanças:
E5.8.a) Escreva os balanços transientes para este sistema;
E5.8.b) Obtenha as seguintes funções de transferência: ’(s)/ ’(s) e 0̕ (s)/ ’(s).
126 Souza & Trica

10 lbm/h
T(t) (t)
T0(t) 10 lbm/h
Figura E5.8.a
E5.9. Muitos processos de engenharia química têm um comportamento que pode ser
descrito por um modelo de primeira ordem com tempo morto:
y ( s ) K P − s
= e (E5.9.1)
f ( s )  Ps + 1
Admitindo um degrau unitário em f’(t), determine expressões para y’(t):
(i) t ≤ θ;
(ii) t > θ.
E5.10. Considere o sistema abaixo:
Fi(t)
θ
h1(t) A1 R1 F (t)
1
Tanque 1
h2(t) A2 R2 F (t)
2
Tanque 2
F3(t)
h3(t) A3
Tanque 3
Figura E5.10.a
Neste sistema, uma mistura líquida com massa específica constante ρ escoa inicialmente
através de uma tubulação em fluxo empistonado (plug flow), que apresenta θ segundos
de tempo morto, e depois alimenta o tanque 1. Tem-se para os tanques 1 e 2 que:
Souza & Trica 127
A1 R1 h h
= , F1 = 1 e F2 = 2 (E5.10.1)
A2 R2 R1 R2
Supondo um impulso unitário ocorrendo em F̕i(t) em t = 0, escreva expressões que

descrevam ̕ 1(t), ̕ 2(t) e ̕ 3(t) para:
(i) t ≤ θ;
(ii) t > θ.
Use as expressões encontradas em (ii) para avaliar ̕ 1(t), ̕ 2(t) e ̕ 3(t) depois de um tempo
suficientemente grande e compare com o teorema do valor final.
E5.11. Considere o sistema da Figura E5.11.a de dois reatores de mistura perfeita

conectados por um tubo longo que apresenta um atraso na resposta de θ segundos.
F,CA0(t)
V1
T1
CA1(t) θ
V2
T2
CA2(t)
Figura E5.11.a
Supor:
- Volumes V1 e V2 e fluxo volumétrico F constantes;
- Massa específica constante;
- Operação isotérmica à temperatura constante T1 e T2;
- Cinética de primeira ordem com reações simultâneas:
A ⎯⎯ →B
1j k
A ⎯⎯ →C
2j k
128 Souza & Trica

Onde kij é a velocidade específica da reação i ocorrendo no reator j. Não há reação no

tubo longo. Escreva as equações do sistema e determine as respectivas funções de
transferência para perturbações em CA0.
E5.12. Considere o processo mostrado na Figura E5.12.a:
w = 250 lbm/min
Ti(t) [°F]
T1(t) [°F]
(t) [BTU/min]
T2(t) [°F]
T3(t) [°F]
Figura E5.12.a
O fluxo mássico de líquido através dos tanques, w, é constante e vale 250 lbm/min. A
massa específica do líquido pode ser tomada como constante como 50 lbm/ft³ e a
capacidade calorífica também e com valor de 1,3 BTU/lbm °F. O volume de cada tanque
é 10 ft³. Você pode desprezar as perdas de calor para o ambiente.
Desenhe o diagrama de blocos que mostra como mudanças na temperatura de entrada,
Ti(t) e na taxa de calor, (t), afetam a temperatura do terceiro tanque, T3(t). Dê os
valores numéricos de cada parâmetro em todas as funções de transferência.
Souza & Trica 129

Capítulo 6 – Comportamento Dinâmico de Processos
6. Comportamento Dinâmico de Processos

Neste capítulo, são apresentados comportamentos dinâmicos típicos de
sistemas encontrados nas indústrias de processamento químico e suas representações
através de funções de transferência. Sistemas de 1ª ordem são vistos no item 6.1 e de
2ª ordem, no item 6.2. Outros tipos de comportamento dinâmico são estudados no item
6.3, como processos integradores; efeitos do zero na função de transferência; sistemas
com interação e com atraso ou tempo morto e múltiplos processos em série.
6.1. Sistemas de 1° Ordem

6.1.1. Modelo e Características
Um sistema de 1ª ordem é descrito pela EDO linear de 1ª ordem:
dy ( t )
P + y ( t ) = K Pu  ( t ) (6.1)
dt
tal que y’(t) é a variável-desvio de saída e u’(t) é a variável-desvio de entrada.  P e K P

são constantes denominadas, respectivamente, de constante de tempo e ganho
estático.
Pela aplicação de Transformada de Laplace à equação (6.1), obtém-se a

representação de um sistema de 1ª ordem em função de transferência:
y ( s ) KP
= (6.2)
u ( s )  P s + 1
Pode-se dizer que a função de transferência é de 1ª ordem, pois o gau do

polinômio em s do seu denominador é 1 ou, equivalentemente, apresenta um único
pólo, s = -1/τP. A função não apresenta zeros finitos.
Os processos representados por funções de transferência de 1° ordem exibem

seguintes características:
• Capacidade para armazenamento de massa ou energia;
• Resistência ao fluxo de massa ou energia.
Souza & Trica 131

Exemplo 6.1. Sistema com capacidade para armazenamento de massa e resistência

ao seu fluxo.
Seja o tanque de nível de líquido com válvula linear na saída apresentado no

exemplo 5.1. A partir do balanço de massa total, sendo a massa específica do líquido
constante, obtém-se a seguinte EDO linear de 1ª ordem em variável desvio:
dh ( t )
AR + h ( t ) = RFin ( t ) (6.3)
dt
e a função de transferência correpondente:
h ( s ) R
= (6.4)
Fin ( s ) ( ARs + 1)
Comparando-se (6.3) com (6.1) e (6.4) com (6.2), identificam-se os parâmetros:
 P = AR (6.5)
KP = R (6.6)
Pode-se verificar que a constante de tempo tem dimensão de tempo [t]; já o ganho
tem dimensão [t] [L]-2, que é obtida pela razão entre a dimensão da variável de saída
(para h, [L]) e a dimensão da variável de entrada (para Fin, [t]-1 [L]3).
Exemplo 6.2. Sistema com capacidade para armazenamento de energia e resistência

ao seu fluxo.
Seja um termômetro de mercúrio, com bulbo de vidro, cuja seção transversal

está ilustrada na Figura 6.1.
Figura 6.1. Termômetro de mercúrio.
132 Souza & Trica

As seguintes considerações são feitas:
• Toda a resistência à transferência de calor é devida à película em torno do

bulbo, ou seja, despreza-se a resistência ao fluxo de calor condutivo devido à
parede de vidro;
• A capacidade de armazenamento de energia do mercúrio é muito maior que

a da parede de vidro,
• A parede nem se expande nem se contrai.
O balanço de energia para o mercúrio contido no termômetro é dado por:
dT ( t )
mcP = hf A T ( t ) − T ( t )  (6.7)
dt
tal que T(t) é a temperatura do mercúrio; T∞(t) é a temperatura do meio onde o

termômetro está imerso; A é a área superfícial de transferência de calor do bulbo; m
é a massa de mercúrio contida no bulbo; ρ é a massa específica do mercúrio; cP é a
capacidade calorífica do mercúrio e hf é o coeficiente de película de transferência de
calor.
No estado estacionário (EE):
= hf A (T,EE − TEE ) = 0
dTEE
mcP (6.8)
dt
Subtraindo (6.8) de (6.7) e reescrevendo em variáveis-desvio e no formato da

equação (6.1), obtém-se:
mcP dT  ( t )
+ T  ( t ) = T ( t ) (6.9)
hf A dt
que é um sistema de 1ª ordem com parâmetros dados por:
mcP
P = (6.10)
hf A
Souza & Trica 133

KP = 1 (6.11)
Pode-se verificar que a constante de tempo tem dimensão de tempo [t] e o

ganho, neste caso, é adimensional.
6.1.2. Resposta Dinâmica de Sistemas de 1ª Ordem à Perturbação Degrau
A resposta a degrau é comumente usada para análise do comportamento

dinâmico de um sistema, porque o degrau é considerado uma função de fácil
implementação na indústria para a identificação de processos. Nesse contexto, varia-se
a entrada do processo por um degrau, obtém-se a curva de resposta e analisa-se a
mesma com o objetivo de obter um modelo entrada-saída.
Seja um sistema de 1ª ordem dado por (6.1), ou equivalentemente por (6.2),

para um estímulo do tipo degrau de magnitude B/s em u’(t) em t = 0:
B KP
y ( s ) =
s  Ps + 1
BK P  P
y ( s ) =
( s + 0 )( s + 1  P )
  t 
y ( t ) = −1
 y ( s )  = BK P 1 − exp  −   (6.12)
   P 
Realizando a transformação das variáveis: t → t/τP e y’(t) → y’(t)/BKP, conforme

expressão (6.12), obtém-se uma resposta normalizada e padrão para sistemas de 1°
ordem, apresentada na Figura 6.2.
y ( t )  t 
= 1 − exp  −  (6.13)
BK P  P 
Observando a curva da Figura 6.2, constata-se uma resposta não oscilatória,

que vai assintoticamente para o valor final BKP. A taxa de mudança de y’(t) pode ser
calculada, sendo máxima em t = 0, como mostrado pela equação (6.14). Na Figura 6.2,
134 Souza & Trica
vê-se que se essa taxa de mudança inicial fosse mantida, o valor final seria alcançado
em 1 constante de tempo. Contudo, a taxa de mudança de y’(t) decai exponencialmente
e tende para zero quando o tempo aumenta.
d  y ( t )  −t  P
  =e =1 (6.14)
d ( t  P )  BK P  t = 0 t =0
t/τP y’(t)/BKP 1.0

y ( t )
0.0 0,00000
1,0 0,63212 BK P 0.8 d  y ( t ) 
 
2,0 0,86466
d ( t  P )  BK P 
3,0 0,95021 0.6
4,0 0,98168
5,0 0,99326 0.4
6,0 0,99752
7,0 0,99909 0.2
8,0 0,99966
9,0 0,99988 0.0
10,0 0,99995 0 1 2 3 4 5 6 7 8 9 10
t/τP
Figura 6.2. Resposta dinâmica normalizada de sistemas de 1ª ordem à perturbação
degrau.
Os dois exemplos apresentados de sistemas de 1ª ordem podem ser

empregados para ilustrar essa resposta dinâmica.
Para o caso do tanque, Exemplo 6.1, se a vazão de entrada aumentasse (ou seja,
sofresse um degrau positivo em t = 0), o nível começaria a aumentar imediatamente.
Em consequência, a vazão de saída (proporcional ao nível) também começaria a
aumentar. Quanto mais aumentasse o nível, maior seria a vazão de saída; logo, a taxa
de variação do nível diminuiria com o tempo. Quando o nível fosse tal que a vazão de
saída fosse igual à de entrada, o novo estado estacionário teria sido alcançado.
Para o caso do termômetro, Exemplo 6.2, se o instrumento – que estava em

uma temperatura estacionária – fosse subitamente imerso em um meio com
temperatura mais elevada (equivalendo a um degrau positivo, em t = 0, em T∞), a
temperatura do mercúrio começaria a aumentar imediatamente, pois calor seria
transferido do meio para o mercúrio devido ao gradiente de temperatura máximo
inicial. Ao longo do tempo, o gradiente entre a temperatura do mercúrio e a do meio
diminuiria. Quanto mais fosse reduzida essa diferença, menor seria a taxa de variação
Souza & Trica 135

da temperatura do termômetro com o tempo. Quando a temperatura do mercúrio fosse

a mesma do meio, indicada na escala graduada pela dilatação do mercúrio com a
temperatura, o novo estado estacionário teria sido alcançado.
Destacam-se a seguir as principais características da resposta de um sistema de

1ª ordem a um degrau:
• A resposta é auto-regulatória, ou seja, quando perturbada por um degrau, o

sistema sai do estado estacionário inicial e vai para outro estado estacionário
final;
• Para o estado estacionário final, o valor da variável de saída (em variável desvio)
para o limite quando o tempo tende para infinito é BKP. Portanto, o parâmetro
KP (ganho estático) demonstra a sensibilidade do sistema, sendo tão maior
quanto mais sensível for o sistema:
yEEf − yEEi BK P
= = KP (6.15)
xEEf − xEEi B
• Quanto menor for a constante de tempo τP, mais rápida será a resposta do
sistema como um todo, ou seja, ele estabiliza no valor final em,
aproximadamente, cinco vezes a constante de tempo (isto corresponde a 99%
da variação total sofrida);
• A resposta inicial é tão mais rápida quanto menor for τP. Traçando-se a tangente
à curva de y’(t) x t em t = 0, a inclinação desta reta será tão maior quanto menor
for τP.
dy ( t )   1  BK P
= BK P  −  −  e − t  P  = (6.16)
dt t =0   P   t =0 P
u(t) y(t)
τP2 τP2 < τP1
τP1
t t
Figura 6.3. Resposta dinâmica de sistemas de 1ª ordem à perturbação degrau.
136 Souza & Trica

6.1.3. Identificação de Sistemas de 1ª Ordem: Cálculo de τP
Através da expressão (6.12), definindo t = τP, obtém-se:
y ( t =  P ) = BK P 1 − exp ( −1)  = BK P 1 − 0,368
y ( t =  P ) = 0,632 BK P (6.17)
De forma que a constante de tempo do sistema será dada pelo tempo para o
qual o processo já respondeu à 63,2 % do valor final. Utilizando agora a expressão (6.16),
para definir uma reta tangente r(t) à resposta y’(t) em t = 0:
BK P
r (t ) = t (6.18)
P
Portanto, quando t = τP, obtém-se:
r ( t =  P ) = BK P (6.19)
Assim, a constante de tempo de um sistema de 1ª ordem pode ser identificada

pela curva da resposta ao degrau de duas maneiras equivalentes:
• Como o tempo para o qual y’(t) = 0,632BKP (63,2% da variação total);
• Traçando-se a tangente à curva de resposta em t = 0, sendo τP dado pelo tempo

para o qual a tangente corta a reta horizontal do valor final BKP.
6.1.4. Resposta Dinâmica de Sistema de 1ª Ordem à Perturbação Impulso
A resposta de um sistema de 1ª ordem a um impulso na sua entrada de

magnitude B em t = 0:
BK P BK P  P
 pulso ( s ) =
yim = (6.20)
 Ps + 1 s + 1  P
Aplicando transformada inversa de Laplace:
Souza & Trica 137

BK P  t 

yimpulso (t ) = exp  −  (6.21)
P  P 
Essa resposta é ilustrada na Figura 6.4. Devido à natureza do impulso, que é

uma função instantânea, percebe-se que o sistema de 1ª ordem tem desvio máximo da
condição de equilíbrio em t = 0, sendo esse equilíbrio restaurado em aproximadamente
5 constantes de tempo.
1
y ( t )
BK P
0
0 1 2 3 4 5
t/τP
Figura 6.4. Resposta dinâmica normalizada de sistemas de 1ª ordem à perturbação
impulso.
A resposta ao impulso B de um sistema pode ser obtida diretamente a partir da

resposta ao degrau B do mesmo sistema, conforme se demonstra na sequência.
Para uma função de transferência de um sistema qualquer G(s) = y’(s)/u’(s), a

resposta ao degrau de magnitude B é dada por:
B

ydegrau (s) =  G(s) (6.22)
s
Por sua vez, para uma entrada do tipo impulso de magnitude B, u’(s) = B, a
resposta do mesmo sistema ao impulso será dada por:

yimpulso (s) = B  G (s) (6.23)
Portanto:
138 Souza & Trica


yimpulso ( s ) = s  ydegrau
 (s) (6.24)
Assim, sempre que se dispõe da resposta ao degrau a resposta ao impulso pode

ser facilmente obtida, derivando-se, em relação a t, a resposta ao degrau, sem
necessidade de realizar o procedimento de expansão em frações parciais a partir da
expressão no domínio de Laplace.
Sabendo que: ℒ[dy’(t)/dt] = sℒ[y’(t)], então a resposta no domínio do tempo

de y’(t) para uma entrada u’(t) do tipo impulso resulta em:

dydegrau (t )

yimpulso (t ) = (6.25)
dt
Assim, sempre que se dispõe da resposta ao degrau a resposta ao impulso pode

ser facilmente obtida, derivando-se, em relação a t, a resposta ao degrau, sem
necessidade de realizar o procedimento de expansão em frações parciais a partir da
expressão no domínio de Laplace.
Dessa forma, para um sistema de 1ª ordem, a partir da equação (6.12), obtém-

se:
  1  BK P − t  P
 BK P (1 − e− t  P )  = BK P  −  −  e− t  P  =
d

yimpulso (t ) =   e (6.26)
dt   P   P
que é a mesma resposta obtida pela aplicação direta da transformada inversa de

Laplace.
6.2. Sistemas de 2° Ordem

6.2.1. Modelo e Características
Um sistema de 2ª ordem típico é descrito pela EDO linear de 2ª ordem:
d 2 y ( t ) dy ( t )
2 2
+ 2 + y ( t ) = Ku ( t ) (6.27)
dt dt
tal que K é o ganho estático, similar aos sistemas de 1ª ordem. Os parâmetros τ e ξ são
denominados, respectivamente, de período natural de oscilação e fator de
Souza & Trica 139

amortecimento. A dimensão de K é obtida pela razão entre a dimensão de y’ dividida

pela dimensão de u’. O parâmetro τ tem dimensão de tempo e o parâmetro ξ é
adimensional.
Aplicando-se Transformada de Laplace à equação (6.34), chega-se à função de

transferência típica de um sistema de 2ª ordem:
y ( s ) K
= 2 (6.28)
u ( s )  s + 2 s + 1
A função de transferência é de 2ª ordem porque apresenta grau do polinômio

em s do denominador igual à 2. Em outras palavras, apresenta dois polos, os quais serão
analisados adiante neste item. Do ponto de vista de zeros, não há zeros finitos na função
de transferência.
Alguns sistemas podem ser inerentemente de 2ª ordem. Por exemplo, sistemas

mecânicos para os quais se aplica a lei de Newton − como sistemas massa-mola (Wylie
& Barrett, 1995, Boyce & DiPrima, 2006) ou uma válvula pneumática (que será modelada
no Capítulo 8 deste livro). Para tais sistemas, o termo da aceleração corresponde à
derivada segunda da equação (6.34). Sistemas submetidos a controle feedback também
são muitas vezes representados por funções de transferência de 2ª ordem.
Dois sistemas de 1ª ordem em série também geram um sistema de 2ª ordem.

Sejam G1(s) e G2(s) dois sistemas de 1° ordem conectados em série, conforme a
representação em diagrama de blocos da Figura 6.5.
Figura 6.5. Sistema de 2ª ordem resultante de dois sistemas de 1ª ordem em série.
y ( s ) z  ( s ) y  ( s )
= = G1 ( s ) G2 ( s ) (6.29)
u ( s ) u ( s ) z ( s )
Pela propriedade multiplicativa das funções de transferência, sabe-se que

sempre que se têm duas funções de transferência de 1ª ordem em série, a função de
transferência global será de 2ª ordem:
140 Souza & Trica

K P1 K P2 K P1 K P2
G1 ( s ) G2 ( s ) = =
 P s + 1 P s + 1
1 2 ( 
P1 P2 ) s + ( P1 )
+  P2 s + 1
(6.30)
de modo que:
K = K P1 K P2 (6.31)
 = PP 1 2
(6.32)
=
( P1 +  P2 ) = ( P1 +  P2 )
(6.33)
2  P1 P2 2
Exemplo 6.3. Obter K, τ e ξ para o sistema de dois tanques de nível em série

apresentado no Exemplo 5.8.
Seja a função de transferência de h̕2(s)/F̕in(s) dada por (5.41), sua expressão

na forma de um sistema de 2ª ordem – equação (6.28) – é dada por:
h2 ( s ) R2 R2
= = (6.34)
Fin ( s ) ( A1R1s + 1)( A2 R2 s + 1) ( A1R1 )( A2 R2 ) s + ( A1R1 + A2 R2 ) s + 1
2
como:
 P = A1R1,  P = A2 R2
1 2
logo:
K = R2 (6.35)
 =  P  P = A1R1 A2 R2
1 2
(6.36)
=
( P1 +  P2 ) = (AR + A R )
1 1 2 2
(6.37)
2  P1 P2 2 A1R1 A2 R2
Souza & Trica 141

Para  P1 =  P2   P :
 =  P P =  P (6.38)
2 P
= =1 (6.39)
2 P
6.2.2. Resposta Dinâmica de Sistemas de 2ª Ordem à Perturbação Degrau
Para a função de transferência de um sistema de 2ª ordem dada por (6.28),

para um estímulo do tipo degrau de magnitude B/s em u’(t):
B K
y ( s ) =
s  s + 2 s + 1
2
BK  2
y ( s ) =
( s + 0 )  s + ( 2  2 ) s + 1  2 
(6.40)
Os dois polos da função de transferência de 2ª ordem são dados por:
  2 −1
p1,2 = − m (6.41)
 
Como visto no Capítulo 5, a natureza dos polos afeta o comportamento

dinâmico da resposta. Assim, em função do valor do parâmetro ξ, pode-se ter polos reais
ou complexos (uma vez que os polos dependem da raiz de ξ2 – 1), resultando em
respostas ao degrau, respectivamente, sem ou com oscilação. O valor do parâmetro τ
também influenciará no sinal da parte real dos polos.
A constante ξ é um parâmetro físico relacionado ao amortecimento do sistema.

Por exemplo, em sistemas físicos massa-mola (Wylie & Barrett, 1995), ξ = 0 corresponde
a um sistema sem amortecimento (movimento harmônico). Dessa forma, ξ é nos
sistemas de 2ª ordem típicos um parâmetro não-negativo. Também τ – que é uma
constante relacionada ao tempo de resposta – é sempre maior que zero.
142 Souza & Trica

Dessa forma, os dois polos podem ser:
• Distintos e reais negativos (ξ2 – 1 > 0 ∴ ξ > 1) (CASO 1);
• Iguais entre si e reais negativos, p1,2 = -1/τ (ξ2 – 1 = 0 ∴ ξ = 1) (CASO 2);
• Distintos e complexos conjugados com parte real negativa (ξ2 – 1 < 0 ∴ ξ < 1)
(CASO 3).
As respostas ao degrau para cada caso são analisadas na sequência.
CASO 1: Resposta superamortecida ou não-oscilatória: ξ > 1
A aplicação do método de Heaviside (Capítulo 5) à equação (6.40) para polos

distintos e reais negativos conduz a:
   t    t   
y ( t ) = BK 1 − e− t  cosh   2 − 1 + senh   2 − 1   (6.42)
      2 −1     

A resposta superamortecida apresenta as seguintes características:
• O sistema inicialmente demora a responder (comparado com sistemas de 1ª

ordem) e a sua resposta é lenta;
• A resposta se torna tão mais amortecida quanto maior o valor de ξ. Assim,

aumentando ξ, a partir de ξ = 1 têm-se respostas cada vez mais lentas.
Essas características podem ser visualizadas na Figura 6.6
y )
ξ=1
t
Figura 6.6. Resposta dinâmica de sistemas de 2ª ordem superamortecidos à
perturbação degrau em t = 0.
Souza & Trica 143

A função de transferência de dois processos de 1ª ordem em série é dada pela

equação (6.30):
KP
G (s) =
( P1 )(
s + 1  P2 s + 1 ) (6.43)
Demonstra-se agora que todo sistema descrito pela equação (6.43) será de 2ª
ordem com ξ ≥ 1 (ou equivalentemente, ξ2 – 1 ≥ 0). Neste caso, substituindo a expressão
para ξ dada pela equação (6.37):
( )
2
+  P2
( )
2
2 − 1  0   P1 +  P2 − 4 P1 P2  0
P1
−1 
4 P1 P2
 P 2 − 2 P  P +  P 2  0
1 1 2 2
 2 − 1  ( P −  P )
2
1 2
0 (6.44)
Esssa condição é verdadeira para processos de 1ª ordem em série, pois τP1 ≠

τP2. Para processos com dinâmica igual, isto é, τP1 = τP2 = τP, a condição também é válida.
Para obter a expressão de resposta da função de transferência (6.43) ao degrau,

basta substituir os parâmetros τ e ξ – equações (6.36) e (6.37), respectivamente – na
equação (6.42), obtendo-se:
 
y ( t ) = BK 1 −
1
  P1 −  P2
−t  −t 
 P1 e P1 −  P2 e P2 

( ) (6.45)
Diferentemente de um sistema de 1ª ordem, a taxa da mudança inicial em t =

0 é nula, o que pode ser varificado calculando a derivada da resposta em t = 0:
dy ( t )
dt
=−
BK
 P1 −  P2
−0 
(
−0 
−e P1 + e P2 = −
BK
 P1 −  P2
)
( −1 + 1) = 0 (6.46)
t =0
Isso também pode ser constatado, analisando-se as curvas de resposta da

Figura 6.6. Em t = 0, se uma tangente à curva de resposta fosse traçada, ela seria paralela
144 Souza & Trica

ao eixo t. Ou seja, inicialmente – quando comparado a um sistema de 1ª ordem – o

sistema de 2ª ordem demora um pouco a responder ao degrau, como ilustrado no
Exemplo 6.4.
Exemplo 6.4. Resposta dinâmica dos níveis dos tanques com válvula na saída
apresentados no Exemplo 5.8.
Dados:
A1 = 31, 25 ft 2 , R1 = 1 min/ft 2
A2 = 175 ft 2 , R2 = 0, 45 min/ft 2
K P1 = R1 = 1,0 min/ft 2
 P = A1R1 = 31, 25 min,  P = A2 R2 = 78,75 min

1 2
K = R2 = 0, 45 min/ft ,  =  P1 P2  49,06 min

2
=
( P1 +  P2 )  1,1
2  P1 P2
Utilizando esses parâmetros calculados nas expressões da resposta à

perturbação degrau para sistemas de 1ª ordem, equação (6.12), e de 2ª ordem
supermortecido, equação (6.45), é possível plotar o comportamento dinâmico dos
níveis dos tanques, apresentado na Figura 6.7. Analisando-se os perfis das curvas de
resposta, percebe-se que a resposta do 2º tanque é bem mais amortecida que a do 1º
tanque.
5
y'(t)
[ft] 4 h̕1 )
2
h̕ )
1
0
0 100 200 300 400 500
Figura 6.7. Resposta à perturbação degrau de magnitude 5 dos níveis dos tanques
com válvula na saída conectados em série.
Souza & Trica 145

CASO 2: Resposta criticamente amortecida: ξ = 1
Neste caso, a aplicação do método de Heaviside (Capítulo 5) à equação (6.40)

para dois polos reais e iguais negativos conduz a:
  t 
y ( t ) = BK 1 − 1 +  e − t   (6.47)
   
Sistemas de 2ª ordem criticamente amortecidos são os sistemas amortecidos

que atingem o valor final mais rapidamente sem apresentar oscilação (resposta
oscilatória para ξ < 1). Dois tanques em série com mesmas dimensões e resistências ao
fluxo exemplificam um sistema criticamente amortecido, pois τP1 = τP2.
CASO 3: Resposta subamortecida ou oscilatória: ξ < 1
Para 2 polos complexos conjugados, com parte real negativa, a aplicação do

método de Heaviside (Capítulo 5) à equação (6.40) produz a seguinte resposta
oscilatória:
 
1
y ( t ) = BK 1 − e − ξt 
sen (  t +  )  (6.48)
 (1 −  2 )1/ 2 
 
tal que:
1− 2
= (6.49)

 1− 2 
 = tan −1   (6.50)
  
 
Os parâmetros ω e ϕ são a frequência de oscilação e o ângulo de fase,

respectivamente.
O comportamento da resposta a um degrau em t = 0 de um sistema de 2ª

ordem subamortecido é oscilatório, com amplitude decrescente, conforme ilustrado na
Figura 6.8. Essa figura apresenta ainda alguns parâmetros que permitem a
caracterização da resposta oscilatória, assim como a obtenção dos próprios parâmetros
da função de transferência em um esquema de identificação de processos.
146 Souza & Trica
y'(t)
C
Figura 6.8. Parâmetros para identificação de um sistema de 2ª ordem

subamortecido a partir da resposta a degrau B em t = 0.
A resposta subamortecida é típica de processos submetidos a controle

feedback, por isso é importante estudar seus parâmetros descritos a seguir.
Overshoot ou sobrelevação: OS
É a medida do quanto a resposta excede o valor final. É expressa pela razão A/B
e está relacionada ao fator de amortecimento.
ymax ( t ) − yEEf  
A 
OS  = = exp  −  (6.51)
yEEf − yEEi BK  (1 −  2 )1/ 2 
 
A expressão relacionando o OS a ξ pode ser obtida analiticamente, levando em

conta na dedução que no 1º máximo (o do OS) a derivada da resposta subamortecida
ao degrau é nula. Percebe-se que, dispondo-se de OS, medido da curva de resposta, ξ
pode ser estimado por (6.51).
Razão de declínio: RD
Definida como a razão entre dois picos sucessivos e também dependente do
fator de amortecimento.
 
C 2 
RD = = exp  − = OS 2 (6.52)
A  (1 −  ) 
2 1/ 2
 
Souza & Trica 147

A expressão para a razão de declínio também pode ser obtida analiticamente a

partir da expressão de resposta ao degrau.
Percebe-se que, dispondo do parâmetro RD, medido da curva de resposta, ξ

pode ser estimado por (6.63).
Note que, OS e RD aumentam com a redução de ξ, isto é, o sistema apresentará

maiores picos e maior oscilação para menores valores de ξ. O maior valor possível de
ser alcançado por y’(t) é no seu 1º pico, dado por A + BK. O maior valor possível será
quando ξ → 0, quando A → BK conforme (6.51) e y̕max(t) → 2BK.
Tempo de ascensão: ta
É o tempo que a resposta leva para cruzar pela primeira vez o seu valor final,
antes do 1º pico. Está relacionado à τ e ξ pela seguinte expressão:
 −
ta = (6.53)

Essa equação também pode ser obtida a partir da equação (6.48), da resposta
ao degrau. Quanto menor for ξ, menor será o tempo de ascensão, mas, em
compensação, o valor do 1º pico será maior (sistema mais oscilatório).
Tempo de resposta (settling time): tR ou tS
É o tempo a partir do qual se pode considerar que a resposta se aproximou do

valor final, uma vez que ela exibe um comportamento oscilatório com amplitude
descrescente. Tipicamente, considera-se como aquele a partir do qual a amplitude da
oscilação não excede 5 % do seu valor final.
Período de oscilação: T
É a distância entre dois picos sucessivos. Alternativamente, pode ser medido

como o tempo decorrido entre dois cruzamentos sucessivos entre o valor final.
Uma vez dispondo-se do valor de T, a frequência angular ω pode ser calculada:
2
= (6.54)
Τ
Substituindo-se na equação (6.49), chega-se a:
148 Souza & Trica

2
Τ=
(1 −  ) 2 1/ 2 (6.55)
Caso se disponha de uma estimativa para ξ, a partir de OS ou RD, τ pode ser

obtido a partir da equação (6.55).
Período natural de oscilação: Tn
Um sistema de 2ª ordem com ξ = 0 é um sistema livre de qualquer

amortecimento. Sua função de transferência é dada por:
K
G (s) = (6.56)
 s +1
2
Os pólos são p1,2 = ± i/τ. Nesse caso, a resposta oscila com amplitude constante
e com uma frequencia e um período naturais dados por:
1
n = (6.57)

Τ n = 2 (6.58)
É devido a essa relação com Tn que τ recebe o nome de período natural de

oscilação. Quando há amortecimento, tem-se a equação (6.55), de modo que:
Τn Τn
= 1 −  2 Τ = (6.59)
Τ 1− 2
Pela equação (6.58), quanto maior τ, maior será Tn e, em consequência, pela

equação (6.59), para um dado nível de amortecimento expresso por ξ, maior será T e,
assim, mais lenta será a resposta.
Em síntese, T representa uma medida do período, ou velocidade da resposta,

de um sistema de 2ª ordem. Por sua vez, ξ está diretamente relacionado com o grau de
amortecimento da resposta.
Souza & Trica 149

Exemplo 6.5. Reator do tipo tanque agitado (CSTR) com controle feedback.
Um reator do tipo tanque agitado (CSTR) tem uma serpentina interna de

resfriamento para remover o calor liberado na reação. Um controlador proporcional
é usado para regular a vazão de refrigerante de modo a manter a temperatura do
reator constante. O controlador foi projetado de forma tal que a temperatura do
reator exibe resposta típica de 2ª ordem sub-amortecida quando o reator é
perturbado por mudanças na vazão mássica de alimentação. Quando a vazão mássica
para o reator foi aumentada, repentinamente, em t = 0 s, de 0,4 para 0,6 kg/s, a
temperatura do reator, inicialmente a 80 °C, apresentou a curva de resposta exibida
na Figura 6.9, em variável-desvio:
2.5
1.5
0.5
0
0 500 1000 1500 2000 2500 3000 3500 4000
Figura 6.9. Resposta da temperatura (em variável-desvio) do reator sob controle em

malha fechada.
Este exemplo ilustra como obter os parâmetros da função de transferência a

partir da curva de resposta, sendo este procedimento chamado de identificação.
T (s) K
G (s) = = 2 2 (6.60)
w ( s )  s + 2 s + 1
Cálculo do ganho estático
Considerando os valores iniciais e finais:
150 Souza & Trica

TEEf − TEEi 82 − 80 °C °C
K= = = 10 (6.61)
wEEf − wEEi 0,6 − 0, 4 kg/s kg/s
Cálculo do fator de amortecimento e do período natural de oscilção
Observa-se na Figura 6.9 que os dois primeiros picos alcançam,

respectivamente, 2,5 °C e 2,1 °C, ocorrendo nos tempos de 1.000 e 3.060 s. Com essas
informações, vai-se, na sequência, calcular ξ pelo OS. Também seria possível usar RD,
mas a altura do segundo pico é muito pequena e pode provocar imprecisão na
medida. Uma vez obtido ξ, τ será calculado pela equação do período.
2,5 − 2 0,5
OS = = = 0, 25 (6.62)
2−0 2
Da expressão do OS:
ln ( OS ) 1 −  2 = −
ln ( OS ) (1 −  2 ) =  2 2
2
(
1 =  2  2 + ln ( OS ) 
2
)
1
=  0, 4 (6.63)
 2 + ln ( OS ) 
2
Da expressão do período:
Τ 1− 2
=
2
Souza & Trica 151

=
( 3060 − 1000 ) 1 − 0,42
s  300 s (6.64)
2
Assim, chega-se finalmente à função de transferência:
T ( s ) 10 °C
G2 ( s ) = = (6.65)
w ( s ) 9x10 s + 240s + 1 kg/s
4 2
Exemplo 6.6.
Dada a função de transferência:
10
G (s) = (6.66)
s + 1,6 s + 4
2
Determine para degrau unitário:

a) Overshoot;
b) Tempo de ascensão;
c) Valor máximo de y’(t);
d) t1º pico e t2º pico.
a) Overshoot
10 2,5
G (s) = =
s + 1,6s + 4 0, 25s + 2x0, 4x0,5s + 1
2 2
K = 2,5 (6.67)
 = 0,5 (6.68)
 = 0,4 (6.69)
Logo, o OS:
152 Souza & Trica

  0, 4 
OS = exp  − = 0, 25 (6.70)
 1 − 0, 42 
1/ 2
 
b) Tempo de ascensção
Como o tempo de ascensão depende de ω e ϕ, esses parâmetros serão

calculados primeiro:
1− 2 1 − 0, 42
= = = 1,83 rad/s −1 (6.71)
 0,5 s
 1− 2   1 − 0, 42 
 = tan  −1 −1
 = tan   = 1,16 rad (6.72)
    0, 4 
   
 −
ta =  1,08 s (6.73)

c) Valor máximo de y’(t)
 ( t1º pico ) = A + BK = OS  BK + BK = ( OS + 1) BK
ymax (6.74)
 ( t1º pico ) = 1,25BK = 1,25x2,5 = 3,125

ymax (6.75)
d) t1º pico e t2º pico
 
 ( t1º pico ) = ( OS + 1) BK = BK 1 − ( 1º pico )
1 − ξt1º pico 
ymax e sen  t +  (6.76)
 (1 −  2 )1/ 2
 
sen (t1º pico +  )

OS + 1 = 1 − e
(1 −  ) 2 1/ 2
Souza & Trica 153

f ( t1º pico )  OS + sen (t1º pico +  ) = 0

e
(1 −  )
2 1/ 2 (6.77)
Note que não é possível tornar t explícito na equação acima e o cálculo de

t1º pico deve ser efetuado por métodos numéricos. Uma boa estimativa inicial para t1º
pico pode ser: ta + 0,25T . O cálculo de t2º pico é obtido após obtenção de t1º pico pela
expressão:
t2º pico = t1º pico +  (6.78)
Resolvendo numericamente (6.77), obtém-se:
t1º pico = 1,74 s (6.79)
De (6.78):
t2º pico = 5,17 s (6.80)
6.3. Outros sistemas importantes

6.3.1. Processos do Tipo Integradores ou Capacitivos
Seja um tanque de nível com uma bomba que mantém vazão constante na
saída, conforme Exemplo 5.2:
h ( s ) 1
G (s) = = , p1 = 0 (6.81)
Fin ( s ) As
Esta função de transferência, com pólo em s = 0, ilustra sistemas chamados de

“integradores” ou “capacitância pura” ou “capacitivo”, porque exibe apenas a
característica de armazenamento e não de resistência que os sistemas típicos de 1ª
ordem apresentam.
Para uma resposta ao degrau unitário B:
154 Souza & Trica

B
h ( t ) = t (6.82)
A
6.3.2. Sistemas de 1° Ordem em Série com Interação
Supondo uma conexão de tanques com válvula na saída em série, onde a saída
do primeiro tanque alimenta o segundo pelo fundo desse (e não pelo topo), conforme
apresentado na Figura 6.10.
Figura 6.10. Sistemas de 1ª ordem em série com e sem interação.
Sendo as válvulas lineares:
h1 ( t ) − h2 ( t ) h2 ( t )

F1( t ) = , F2 ( t ) = (6.83)
R1 R2
Admitindo massa específica do líquido constante e tanques cilíndricos com

respectivas áreas da seção transversal constante, o balanço de massa para o primeiro
tanque (sistema com interação) resulta em:
Souza & Trica 155

dh1 ( t ) h1 ( t ) − h2 ( t )

A1 = Fin ( t ) − (6.84)
dt R1
Para o segundo tanque:
dh2 ( t ) h1 ( t ) − h2 ( t ) h2 ( t )

A2 = − (6.85)
dt R1 R2
Aplicando transformada de Laplace:
 1 1
 A1s +  h1 ( s ) − h2 ( s ) = Fin ( s ) (6.86)
 R1  R1
1  1 1
− h1 ( s ) +  A2 s + +  h2 ( s ) = 0 (6.87)
R1  R2 R1 
Definindo τP1 = A1R1 e τP2 = A2R2 e multiplicando (6.84) e (6.85) por R1 e R1R2
respectivamente:
( A1R1s + 1) h1 ( s ) − h2 ( s ) = R1Fin ( s )
( P1 )
s + 1 h1 ( s ) − h2 ( s ) = R1Fin ( s ) (6.88.a)
− R2 h1 ( s ) + ( A2 R1R2 s + R1 + R2 ) h2 ( s ) = 0
(
− R2 h1 ( s ) + R1 P2 s + R1 + R2 h2 ( s ) = 0 ) (6.88.b)
Pode-se organizar o sistema 2x2 linear acima na forma matricial Ax = b:
 P1 s + 1 −1   h1 ( s )   R1Fin ( s ) 
  = 
 − R2 R1 P2 s + R1 + R2   h2 ( s )   0  (6.89)
A x b
156 Souza & Trica

A solução do sistema linear algébrico utilizando-se a regra de Cramer é dada

por:
Aj
xj = (6.90)
A
tal que Aj é a matriz A substituída na j-ésima coluna pelo vetor b. As soluções ficam
então:
R1 Fin ( s ) −1
0 R1 P2 s + R1 + R2 (F (s) R )( R s + R1 + R2 − 0 )
x1 = h1 ( s ) =
in 1 1 P2
= (6.91)
P s +1
1
−1 ( P1 )(
s + 1 R1 P2 s + R1 + R2 − R2 )
− R2 R1 P2 s + R1 + R2
h1 ( s )
= G1 ( s ) =
(
R1 R1 P2 s + R1 + R2 )
Fin ( s ) ( )(
R1   P1 s + 1  P2 s + 1 + R2 R1 − R2 R1 
  )
G1 ( s ) =
( R 1 P2 s + R1 + R2 )
 P  P s 2 + ( P +  P R2 R1 +  P ) s + 1 + R2 R1 − R2 R1
1 2 1 1 2
G1 ( s ) =
(
R1  P2 s + 1 + R2 )
(6.92)
 P  P s2
1 2
+ ( P1 +  P2 + A1R2 s + 1 )
 P s + 1 R1Fin ( s )
1
− R2 0 0 − ( Fin ( s ) R1 ) ( − R2 )
x2 = h2 ( s ) = = (6.93)
 P1 s + 1 −1 ( P1 )(
s + 1 R1 P2 s + R1 + R2 − R2 )
− R2 R1 P2 s + R1 + R2
h2 ( s ) R1R2
= G2 ( s ) =
Fin ( s ) ( )(
R1   P1 s + 1  P2 s + 1 + R2 R1 − R2 R1  )
Souza & Trica 157

R2
G2 ( s ) =
 P  P s + ( P +  P + A1R2 ) s + 1
2 (6.94)
1 2 1 2
Para comparação, são reescritas as funções G1SEM(s) e G2SEM(s) do caso sem

interação:
R1
G1SEM ( s ) = (6.95)
 P1 s + 1
R2
G2SEM ( s ) =
 P  P s + ( P +  P ) s + 1
2 (6.96)
1 2 1 2
A partir dos denominadores das funções de transferência do 2º tanque para os

casos com – equação (6.94) – e sem interação – equação (6.96), por comparação com a
função de transferência típica de 2ª ordem – equação (6.28):
Sem  +
 SEM = P1 P2 (6.97)
interação 2  P1 P2
Com  +  + A1R2
 COM = P1 P2 (6.98)
interação 2  P1 P2
O termo A1R2 presente na expressão do fator de amortecimento do 2º tanque

para o caso com interação, ξCOM, é chamado de fator de interação. Foi visto no item 6.2
que o 2º tanque no sistema sem interação exibe comportamento superamortecido (ξSEM
> 1). Assim, a soma desse fator de interação no numerador do coeficiente ξCOM faz com
que o sistema se comporte como um sistema de 2ª ordem ainda mais superamortecido,
pois ξCOM > ξSEM.
O 1º tanque apresenta um comportamento aproximadamente similar ao de um

sistema de 1ª ordem. Sua função de transferência é de 2ª ordem com um zero. Diz-se
nesse caso que o sistema apresenta dinâmica no numerador. Funções desse tipo são
estudadas a seguir.
158 Souza & Trica

6.3.3. Sistemas de 2ª Ordem com um Zero
Seja uma função de transferência genérica superamortecida de 2ª ordem com

um único zero (finito):
K ( a s + 1)
G (s) =
( P1 )(
s + 1  P2 s + 1 ) (6.99)
A resposta a um degrau de magnitude B na entrada, em t = 0 é dada por:
BK ( a s + 1)
y ( s ) =
( )(
s  P1 s + 1  P2 s + 1 )
  a −P  − t  P   a −  P2  −t  P 
y ( t ) = BK 1 +  1
e 1 +  e 2  (6.100)

   P1 −  P2  P −P  
  2 1 
A presença de um zero não afeta o valor inicial e final de y’(t), quando

comparado com o caso sem dinâmica no numerador (ou seja, numerador dado por um
ganho), mas afeta a resposta transiente:
  a −  P1 −  a +  P2
y ( 0 ) = BK 1 +

= 
(
 − P −P )  = 0

1 2
BK 1 (6.101)
  P1 −  P2    P1 −  P2 
  a −P    a −  P2  
y ( t →  ) = BK 1 +  1
0+   0  = BK (6.102)

   P1 −  P2  P −P  
  2 1  
A Figura 6.11 mostra as curvas de resposta a degrau, em t = 0, de sistemas com

a função de transferência (6.99). Pode-se observar a existência de três padrões de
comportamento, dependendo do valor de τa:
• Overshoot: τa > τP1;
• Semelhança com resposta típica de 1ª ordem: 0 < τa ≤ τP1;
• Resposta inversa: τa < 0 (zero positivo).
Souza & Trica 159

τa >>
y ( t ) P1
BK P
0 τ ≤
0
τ 0
Figura 6.11. Resposta dinâmica normalizada de sistemas de 2ª ordem

superamortecidos com um zero a degrau na entrada em t = 0.
Na Figura 6.11, percebe-se que para esse caso de overshoot há apenas um pico,
sem oscilação, distinguindo a resposta da típica de um sistema de 2ª ordem
subamortecido. Já para a curva da resposta inversa, inicialmente a saída diminui e
depois aumenta.
Não se deve confundir resposta inversa com a resposta de um sistema com

ganho negativo (para um degrau positivo, a saída diminui e vice-versa). O padrão de
comportamento da resposta inversa é tal que o sistema inicialmente vai na direção
oposta àquela na qual ele finalmente se estabelece. Os efeitos de resposta inversa são
iniciais, contudo, apesar desse caráter transiente, não devem ser desprezados, porque
afetam os sistemas de controle.
A resposta inversa pode ser esperada sempre que dois efeitos físicos atuam na
variável de processo de forma competitiva, isto é, em direções opostas e escalas de
tempo diferentes, como exemplificado no diagrama de blocos da Figura 6.12 para dois
processos de 1ª ordem em paralelo e descrito na sequência:
Figura 6.12. Representação em diagrama de blocos de processos em paralelo.
160 Souza & Trica

y ( s ) K P1 K P2
= G1 ( s ) + G2 ( s ) = + (6.103)
u ( s )  P1 s + 1  P2 s + 1
( ) (
y ( s ) K P1  P2 s + 1 + K P2  P1 s + 1
=
)
u ( s ) (
 P1 s + 1  P2 s + 1)( )
 K P1 P2 + K P2 P1 
 s +1
y ( s )  K P1 + K P2  K P1 P2 + K P2 P1 (6.104)
=  a =
u ( s ) ( )(
 P1 s + 1  P2 s + 1 ) K P1 + K P2
Para ocorrer resposta inversa: τa < 0. No entanto, τP1 e τP2 são maiores que zero
por definição e, portanto, KP1 e KP2 devem ter necessariamente sinais opostos,
mostrando competição entre os efeitos dos fenômenos, um ocorrendo mais
rapidamente que o outro.
São apresentados na Tabela 6.1 exemplos de processos químicos que

apresentam resposta inversa.
Tabela 6.1. Exemplos de processos químicos que apresentam resposta inversa.

Variável Efeitos
Processo
u’(s) y’(s) Inicial Final
Refervedor de Pressão de Nível do Aumento do nível pelo Diminuição do nível
torre de vapor do refervedor, espirro de líquido dos devido maior taxa de
destilação aquecedor, hR pratos acima, devido vaporização.
PV (e.g. aumento momentâneo
PV↑) da vazão de vapor pelo
refervedor
Reator tubular Vazão de Tempera- Diminuição da Aumento da
com reação carga, w tura de temperatura de saída temperatura de saída
exotérmica (e.g. w↑) saída, Tout pelo arraste de calor por devido maior taxa de
causa do aumento da reação e liberação de
vazão da carga calor da mesma.
6.3.4. Sistemas com Tempo Morto
Seja o seguinte processo apresentado na Figura 6.13 de um tanque de

aquecimento continuamente misturado, seguido de longa tubulação com isolamento
térmico. O escoamento na tubulação é do tipo empistonado (plug flow), ou seja,
qualquer elemento de fluido se desloca com a mesma velocidade em um fluxo
Souza & Trica 161

considerado turbulento. Pequenos desvios nessas hipóteses não invalidam o

desenvolvimento a seguir.
Figura 6.13. Tanque de aquecimento continuamente misturado seguido de longa

tubulação termicamente isolada.
Supondo que Tin̕ (t) varie como um degrau de magnitude B, são obtidas as
seguintes respostas conforme Figura 6.14. Como na tubulação não há reações químicas,
nem perdas de calor para o ambiente ou quaisquer outros efeitos térmicos, o perfil da
resposta da temperatura na sua saída é o mesmo da resposta do tanque, porém
atrasado por θ unidades de tempo.
T )
T )
θ
Figura 6.14. Resposta dinâmica da temperatura de saída da tubulação após tanque
de aquecimento contiuamente misturado.
O parâmetro θ é chamado de tempo morto (ou atraso de transporte) e é o

tempo decorrido entre o momento para o qual ocorreu a perturbação na entrada e o
162 Souza & Trica

momento para o qual é observada a variação na saída. O tempo morto para essa longa
tubulação, com suposição de plug flow, pode ser estimado como:
L  D2 4
= (6.105)
Fin
Além desse caso de atraso de transporte ou escoamento, devido a longas

tubulações, o tempo morto está presente em vários processos e sistemas existentes na
indústria química, dos quais os principais são:
• Múltiplos processos em série;
• Atraso no elemento de medida.

A transformada de Laplace de funções com atraso ou tempo morto já foi
apresentado no Capítulo 4. Um processo genérico Gθ(s) que apresenta tempo morto,
pode ser representado por:
G ( s ) = G ( s ) e− s (6.106)
y ( s ) = u ( s ) G ( s ) = u ( s ) G ( s ) e− s (6.107)
 0, t 
y ( t ) =  (6.108)
 y ( t −  ) , t 
6.3.5. Sistemas de Ordem Mais Elevada
Supondo N processos de 1ª ordem em série, conforme representados no

diagrama de blocos da Figura 6.15. Pela propriedade multiplicativa das funções de
transferência, tem-se que:
Figura 6.15. Representação em diagrama de blocos de N processos conectados em

série.
Souza & Trica 163

y ( s )
N K i
G ( s) =
K
= i =1
= (6.109)
u ( s )
i N N
i =1
 (
i =1
Pi s +1 )  (
i =1
Pi )
s +1
A medida que N aumenta, a resposta se torna cada vez mais amortecida,

conforme Figura 6.16, podendo ser aproximada por um sistema de 1ª ordem com tempo
morto (em inglês, abrevia-se FOPDT, first order plus dead time) para um valor de 𝑁
elevado:
Ke− s
N
i =1
Gi ( s )  G ( s ) =
 s +1
(6.110)
y ( t )
BK P
Figura 6.16. Resposta dinâmica normalizada de N processos de 1ª ordem conectados

em série à perturbação degrau.
Essa aproximação FOPDT é bastante comum para representar processos

químicos, pois eles são tipicamente compostos por múltiplos estágios (e.g. colunas de
destilação) ou equipamentos em série.
Por exemplo, em experimentos de identificação na indústria se procede como

ilutrado na Figura 6.17:
164 Souza & Trica

Figura 6.17. Identificação de um processo através de aplicação degrau em sua

entrada com sua malha de controle aberta.
Como se vê na Figura 6.17, a malha de controle feedback é aberta e se aplica

um degrau na entrada da válvula de controle, registrando-se a saída do elemento de
medida. A função de transferência identificada é então o produto das funções de
transferência da válvula, do processo e do elemento de medida. Essa função pode
apresentar ordem elevada, exibindo curva de resposta ao degrau sigmoidal, e ser
aproximada por uma função FOPDT. Nesse caso, a obtenção dos parâmetros K, τ e θ da
função FOPDT se dá, então, através da aplicação dos seguintes passos:
1º Passo: Dá-se um degrau B na entrada do processo e registra-se a saída
yEEf − yEEi
K= (6.111)
xEEf − xEEi
2º Passo: τ e θ são obtidos graficamente, como mostrado na Figura 6.18. Ou seja,

traça-se uma reta tangente à curva sigmoidal no seu ponto de inflexão e
prolonga-se a mesma até interceptar a reta do valor inicial e a reta do
valor fina. O valor de tempo para o qual a reta tangente cruza a reta do
valor inicial equivale ao próprio tempo morto. Já o valor de tempo para o
qual a reta tangente cruza a reta do valor inicial equivale à soma do
tempo morto mais a constante de tempo.
Para fins de ilustração, a Figura 6.19 exibe a comparação da resposta dinâmica

ao degrau entre sistemas de um sistema de ordem elevada (1ª ordem em série com N
igual a 5) e o FOPDT.
Souza & Trica 165

y ( t )
BK P
θ τ θ
Figura 6.18. Identificação dos parâmetros da função de transferência de um sistema
de 1ª ordem com tempo morto, FOPDT.
y ( t )
BK P
Figura 6.19. Resposta dinâmica de um sistema de 05 sistemas de 1ª ordem em série

e sua aproximação como 1ª ordem com tempo morto.
Muitas vezes o tempo morto é aproximado, no domínio de Laplace, por razões

entre polinômios como na aproximação de padé de 1ª ordem:
1 − ( 2 ) s
e− s = (6.112)
1 + ( 2 ) s
Neste caso, y’(t) do FOPDT usando Padé de 1ª ordem exibe uma resposta
inversa irrealista (possui zero positivo):
166 Souza & Trica

y ( t ) K ( − ( 2 ) s + 1)
 (6.113)
u ( t ) ( ( 2 ) s + 1) ( s + 1)
6.4. Exercícios
E6.1. Um aquecedor do tipo tanque agitado com retenção volumétrica constante é

usado para pré-aquecer uma mistura reagente, contendo um catalisador sólido em
suspensão, com fluxo mássico constante de 1.000 kg/h. O volume no tanque é de 2 m³
e a densidade e o calor específico da mistura em suspensão são, respectivamente, 900
kg/m³ e 1 kcal/kg °C. O processo inicialmente está operando com temperaturas de
entrada e saída de 100 e 130 °C, respectivamente. Sejam as seguintes perguntas sobre
a operação do processo:
E6.1.a) Qual é a entrada de calor proveniente do aquecedor no estado estacionário

inicial?
E6.1.b) Se a entrada de calor é aumentada em 30 %, quanto tempo vai levar para o

processo alcança a temperatura de saída do novo estado estacionário (EE) (99 % do valor
final) e qual será esta nova temperatura?
E6.1.c) Se a temperatura de entrada é repentinamente aumentada de 100 para 120 °C,

quanto tempo vai levar antes que a temperatura de saída mude de 130 para 135 °C
(supondo as condições originais de EE, ou seja, não houve mudança na entrada de
calor)?
E6.1.d) Admita que a temperatura de entrada seja aumentada buscamente de 100 para
130 °C, ao mesmo tempo que é aumentado 10 % em relação ao seu valor estacionário
inicial. Quanto é depois de um tempo suficientemente grande?
E6.2. Um tanque agitado com aquecimento está operando com uma vazão mássica de
180 lbm/min de um líquido com capacidade calorífica específica e massa específica
iguais à 0,32 BTU/lbm °F e 62,4 lbm/ft³, respectivamente. O volume do tanque é
constante e vale 2,4 ft³.
Suponha que uma entrada de calor de 2.000 BTU/min e uma temperatura de entrada
de 80 °F produziram um estado estacionário.
E6.2.a) Calcule a temperatura de saída estacionária TEE;
Souza & Trica 167

O aquecimento do líquido ocorre devido a uma serpentina, dentro da qual vapor

condensa. Chame Q̇(t) a taxa de adição de calor ao líquido no tanque. Q̇(t) é função de
uma lei de controle, onde o controlador ajusta a posição da válvula de controle na linha
de vapor.
Subitamente, por falta de ar para instrumentação, a válvula que controla o fluxo de

vapor para a serpentina ficou totalmente fechada e o calor cedido foi à zero: Q̇(t), t ≥ 0.
E6.2.b) Escreva uma expressão para T(t). Qual a nova temperatura do tanque depois de
um tempo longo?
E6.2.c) Quanto tempo vai levar para T’(t) alcançar 63,21 % do seu valor final?
E6.3. Um tanque agitado com retenção volumétrica e aquecedor elétrico é usado para
pré-aquecer uma mistura reagente com fluxo volumétrico constante de 1,5 m³/h. O
volume no tanque é de 2,5 m³ e a massa específica e o calor específico da mistura são,
respectivamente, 800 kg/m³ e 1,2 kcal/kg °C. O processo inicialmente está operando
com temperaturas de entrada e saída de 90 °C e 120 °C, respectivamente.
E6.3.a) Admita que Q̇(t) é mantido constante, mas que Tin̕ (t) varia conforme a Figura
E6.3.a abaixo:
T'in(t)
20
0 2 t [h]
Figura E6.3.a
Escreva expressões para T(t) e calcule T(t) para t ≤ e t ≥ 2. Quanto é T(t) depois de um
tempo suficientemente grande?
E6.3.b) Se Q̇(t) é mantido constante, mas a temperatura de entrada começa a aumentar

linearmente, a partir de t = 0, a uma taxa de 10 °C/h, calcule uma expressão para a
temperatura de saída em função do tempo;
168 Souza & Trica

E6.3.c) Para as perturbações dos itens E6.3.a e E6.3.b, plote as curvas de T’(t) e Tin̕ (t) no
mesmo gráfico (um gráfico para cada perturbação).
E6.4. Um aquecedor do tipo tanque agitado com retenção volumétrica constante é

usado para pré-aquecer uma mistura reagente com vazão mássica constante de 2.400
kg/h. O volume no tanque é de 1,6 m³ e a massa específica e o calor específico da mistura
em suspensão são, respectivamente, 800 kg/m³ e 1 kcal/kg °C. O processo inicialmente
está operando com temperaturas de entrada e de saída de 80 e 120 °C,
respectivamente. Sejam as seguintes perguntas sobre a operação do processo:
Se a temperatura de entrada cai subitamente para 64 °C e permanece neste valor,

pergunta-se:
E6.4.a) De que percentual deverá aumentar a taxa de calor cedida à mistura reagente
de modo que a temperatura de saída volte aos 120 °C?
E6.4.b) Admitindo que a modificação no calor cedido é imediata, quanto tempo levará
para a temperatura de saída retornar aos 120 °C?
E6.5. Retome o Exercício E5.2:
E6.5.a) Após deduzida a função de transferência no item E5.2.b, desenvolva as equações

que definem a constante de tempo e o ganho estático;
E6.5.b) Esboce a resposta qualitativa de Tm à mudança degrau em T para vários valores

do coeficiente de filme hf. Usando argumentos físicos, explique o comportamento
observado;
E6.5.c) Um termômetro com constante de tempo de 1 min está em equilíbrio com o um

banho a 100 °F. Repentinamente, este termômetro é colocado em um outro banho a
110 °F e deixado lá por 1 minuto. Depois do qual ele é imediatamente retornado ao
banho a 100 °F. Cacule a leitura do termômetro em t = 0,5 min e t = 2,0 min;
E6.5.d) Um termômetro tendo constante de tempo de 0,2 minutos é colocado em um

banho e, após atingido o equilíbrio térmico com o banho, a temperatura deste cresce
linearmente com o tempo, a uma velocidade de 1 °F/min. Qual é a diferença entre as
temperaturas indicadas e a do banho:
(i) a 0,1 min;

(ii) 1,0 min após o início da variação da temperaturas?
(iii) Qual é o desvio entre a temperatura indicada e a do banho e quando ocorre?

Souza & Trica 169
(iv) Plotar a função perturbação e a resposta em um memso gráfico. Após

transcorrido um tempo suficientemente longo, de quantos minutos a resposta do
sistema está em atraso em relação à entrada?
E6.6. O comportamento dinâmico de um reator de tanque agitado pode ser

representado pela função de transferência:
C ( s ) 0,3
= (E6.6.1)
Cf ( s ) 4s + 1
onde C’ é a concentração (mol/L) na saída do reator em variáveis-desvio. Cf̕ é a

concentração (mol/L) na alimentação. Obtenha a resposta C’(t) para a perturbação Cf̕ (t)
mostrada na Figura E6.6.a a seguir:
Cf [mol/L]
12
10
0 4 t [min]
Figura E6.6.a
E6.7. Um sistema apresenta função de transferência de 1° ordem:
y ( s ) KP
G (s) = = (E6.7.1)
f ( s )  Ps + 1
de modo a se identificar o sistema, aplicou-se degrau unitário em f(t) (ou seja, f’(t) = 1)
e observou-se a saída y’(t) exibida na Figura E6.7.a. A figura apresenta também a reta
tangente à curva em t = 0.
E6.7.a) Quais os parâmetros KP e τP? Como você os obteve?
170 Souza & Trica

E6.7.b) Admita agora que o mesmo sistema é submetido à perturbação exibida na Figura
E6.7.b:
(i) Escreva a expressão matemática que descreve y’(t) resultante;
(ii) Plote y’(t) na Figura E6.7.b.

2.0 9
y'(t) f'(t) 8
1.6 7
6
1.2 5
0.8 4
3
0.4 2
1
0.0 0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0
t t
Figura E6.7.a Figura E6.7.b
E6.8. Um tanque cilíndrico com resistência linear – vide Figura E6.8.a– está operando no
estado estacionário com uma vazão de 1 ft³/min e um nível de líquido de 1 ft.
q0 ( t ) [cfm]
h (t ) A
R q1 ( t ) [cfm]
Figura E6.8.a
E6.8.a) Sabe-se que se a vazão de entrada fosse duplicada, o nível de líquido aumentaria
0,632 ft em 2 minutos. Escreva a função de transferência entre a vazão de entrada e o
nível de líquido;
E6.8.b) Suponha agora que a vazão q̕0(t) varia como mostrado na Figura E6.8.b.
Determine q̕0(t) e q̕0(s). Note que é a vazão em variáveis-desvio;
Souza & Trica 171

q0 ( t ) [cfm]
h (t ) A
R q1 ( t ) [cfm]
Figura E6.8.b
E6.8.c) Supondo que q̕0(t) varia conforme o item E6.8.b, escreva expressões para h’(t)
nos intervalos:
(i) 0 ≤ t < 1
(ii) t ≥ 1
(iii) t → ∞
E6.9. Seja o tanque:
F0
h A
F1
Figura E6.9.a
onde:
F1 ( t ) = 3h ( t ) , A = 10 ft 2 (E6.9.1)
Sendo A a área da seção transversal. Se no EE inicial o tanque está cheio pela metade
para uma vazão volumétrica de entrada de 6 ft³/min, calcular qual o maior valor de
degrau em F0 que provoca o transbordamento do tanque.
172 Souza & Trica

E6.10. Seja o tanque abaixo, com área da seção de 2 ft², inicialmente em EE com nível
de 3 ft e vazões de entrada e saída de 10 ft³/min. A vazão de entrada é subitamente
aumentada para 11 ft³/min por 2 minutos, quando é retornada ao seu valor inicial.
Determine expressões para h(t) e faça um gráfico de h(t) x t.
F0
h F1
Figura E6.10.a
E6.11. Dois sistemas de armazenamento de líquido são mostrados na Figura E6.11.a.

Cada tanque tem 4 ft de diâmetro. Para o sistema I, a válvula atua como uma resistência
linear com a relação:
h
F1 = , R = 0,90 min ft 2 (E6.11.1)
R
Onde F1 é dado em ft³/min e h em ft. Para o sistema II, variações no nível de líquido h
não afetam o fluxo de saída F1. Suponha que cada sistema esteja inicialmente no estado
estacionário hEE = 6 ft e F0,EE = 6,67 ft3/min e que, no tempo t = 0, o fluxo de entrada
repentinamente muda de 6,67 ft³/min para 9,36 ft³/min.
Se cada tanque tem capacidade máxima de 8 ft, qual transborda primeiro? Em quanto
tempo?
F0 F0
h h F1
F1
Sistema I Sistema II
Figura E6.11.a
Souza & Trica 173

E6.12. Seja um tanque de nível, cilíndrico, com diâmetro de 5 ft e capacidade máxima

de 10 ft, apresentado na Figura E6.12.a:
F1 ( t )
h (t )
F2 ( t )
Figura E6.12.a
onde as vazões são medidas em gal/h e F2(t) = 8.000 [h(t)]0,7.

Suponha que este tanque está operando com uma vazão estacionária inicial de 20.000
gal/h. A vazão de alimentação é então aumentada, em t = 0, para + 10 % acima desse
valor inicial, por 1 h. Em seguida, a vazão é reduzida para 10 % abaixo do valor inicial,
por 1 h. Finalmente, a vazão é retornada ao valor inicial de 20.000 gal/h.
E6.12.a) Determine a resposta h(t) aproximada do tanque, para:
(i) 0 ≤ t < 1;
(ii) 1 ≤ t < 2;
(iii) t ≥ ;
(iv) t →  ;
E6.12.b) Se as perturbações tivessem sido 1 % (ao invés de 10 %), a resposta calculada

em E6.12.a seria mais, menos ou igualmente acurada quando comparada com a
resposta do sistema verdadeiro? Por quê?
E6.13. Seja o tanque:

Fi
h A
F0
Figura E6.13.a
174 Souza & Trica
onde:
F0 = 4h1 2 , A = 10 ft 2 (E6.13.1)
O tanque acima encontra-se inicialmente em EE com um fluxo volumétrico de entrada

de 10 ft³/min. No tempo t = 0, o fluxo volumétrico de entrada é bruscamente aumentado
para 12 ft³/min, durante 3 minutos (pela adição de 6 ft³ de água no tanque, de maneira
uniforme durante 3 minutos).
Calcular h(t) para t = 1,5 min, t = 3 min e t = 4 min.
Se a capacidade máxima do tanque é de 10 ft, quando (se é que isto ocorre) se dá o

transbordamento do tanque, para esta perturbação? Considerar ρ constante neste
problema.
E6.14. Retome o Exercício E5.3:
E6.14.a) Após obter a função de transferência do sistema em E5.3.c, identifique e calcule

KP e τP;
̕ (t) varia conforme descrito no Exercício E4.5. Calcule CA̕ (t)
E6.14.b) Suponha que CA0
para:
(i) 0 ≤ t < 1;
(ii) 1 ≤ t < 2;
(iii) t ≥
E6.15. Um sistema de tanques está para ser instalado numa unidade de plantas piloto.
A proposta inicial é a de dois tanques em série sem interação. Cada tanque tem 5 ft de
altura e 3 ft de diâmetro. A vazão de projeto é Fin,EE = 100 gal/min. Foi sugerido que um
projeto melhor seria substituir os dois tanques por um único tanque com 4 ft de
diâmetro e com o mesmo volume total (i.e. V = V1 + V2).
E6.15.a) Qual dos dois projetos (o original ou o modificado) é capaz de suportar as

maiores perturbações em Fin? Justifique sua resposta;
E6.15.b) Que sistema provê o melhor amortecimento de perturbações degraus em Fin?
Justifique sua resposta.
Em sua análise, você pode supor que:
Souza & Trica 175

(i) As válvulas nas saídas de cada tanque atuam como resistências lineares;
(ii) As válvulas são ajustadas de modo que cada tanque está cheio pela metade na
condições de projeto nominal Fin,EE = 100 gal/min.
DADO: 1 gal = 0,13368 ft³
E6.16. Um degrau de magnitude 3 é introduzido na função de transferência:
y ( s ) 10
= 2 (E6.16.1)
x ( s ) 2s + 0,3s + 0,5
Determine qual o valor máximo que y’(t) alcança e o tempo para o qual este máximo
ocorre.
E6.17. No processo de mistura em dois tanques mostrado na Figura E6.17.a, C0 varia de

0 lbm de sal/ft³ para 1 lbm de sal/ft³ de acordo com uma função degrau. Em que tempo
a concentração de sal no tanque 2 alcança 0,6 lbm de sal/ft³? O volume de cada tanque
é 6 ft³.
F = 3 ft 3 /min
C0
F
C1
Tanque 1
F
C2
Tanque 2
Figura E6.17.a
E6.18. O processo de aquecimento com dois tanques mostrado na Figura E6.18.a abaixo
consiste de dois tanques idênticos, bem agitados e em série. Um fluxo de calor pode
entrar no tanque 2. No tempo t = 0, a taxa de calor para o tanque 2 repentinamente
aumenta de acordo com uma função degrau para 1.000 BTU/min e a temperatura de
entrada da água Ti cai de 60 °F para 52 °F de acordo com uma função degrau. Essas
176 Souza & Trica
mudanças no fluxo de calor e na temperatura de entrada da água ocorrem

simultaneamente.
Determine expressões para as respostas de T1(t) e T2(t) e indique seus valores finais.
Inicialmente Ti = T1 = T2 = 60 °F e Q̇ = 0 BTU/min. Os seguintes dados se aplicam: w =

250 lbm/min, V1 = V2 = 5 ft3, ρ = 50 lbm/ft3, cP = 1 BTU/lbm °F.
Figura E6.18.a
E6.19. Um engenheiro consultor foi convidado a projetar um sistema de controle de

nível de líquido para um processo composto por dois tanques interligados na forma
apresentada na Figura E6.19.a:
F1 ( t )
h1 ( t ) A1 h2 ( t ) A2
R 1 F2 ( t ) R 2 F3 ( t )
Tanque 1 Tanque 2
Figura E6.19.a
Na sua visita à unidade acima, o engenheiro procedeu um teste no qual um degrau de

magnitude 1 foi aplicado em F1(t). Os resultados desse teste foram:
Souza & Trica 177

- Devido a esse degrau, o tanque 1 sofreu variação total de 1,8 m e o tanque 2

sofreu uma variação total de 0,8 m;
- Em 6 minutos, o tanque 2 havia aumentado de 0,7 m.
Na hora de realizar seus cálculos, o engenheiro verificou que não dispunha do registro
exato das áreas dos tanques; recordava-se no entanto que A2 = 1,25A1 e calculou as
mesmas a partir dos dados que dispunha.
Como ele procedeu esses cálculos? (Em outras palavras, calcule A1 e A2).
E6.20. Seja o sistema descrito abaixo:
Fi ( t )
h1
F1 =
R1
h1 ( t ) R1 F (t )
F2 = cte
1
F2 ( t )
h2 ( t )
Figura E6.20.a
E6.20.a) Admita que se conseguiu um estado estacionário e que se tenha h1,EE e h2,EE.
Quanto deve ser F2,EE para que este estado tenha sido alcançado?
E6.20.b) Obtenha h2(t) para um degrau em Fi(t) da forma:
B
Fi( s ) = , B0 (E6.20.1)
s
Calcule h2(t) para tempos grandes e compare com o resultado do teorema do valor final.
E6.20.c) Obtenha h2(t) para um impulso em Fi(t) da forma:
Fi( s ) = B, B  0 (E6.20.2)
Calcule h2(t) para tempos grandes e compare com o resultado do teorema do valor final.
178 Souza & Trica
E6.21. Seja o sistema apresentado na Figura E6.21.a, tem-se que:
• Os tanques são cilíndricos e o raio do Tanque 1 é o dobro do raio do Tanque 2;
• Aplicando um degrau unitário em Fi(t), os valores de h̕1(t) e h̕2(t) (variáveis-

desvio) são iguais;
• A resposta transiente é superamortecida, levando-se 3 min para que a variação

de nível do Tanque 2 alcance 90 % da variação (ou seja, 90 % do valor final),
para um degrau unitário.
Fi ( t )
h1 ( t ) R1 F (t )
1
h2 ( t ) R2 F2 ( t )
Figura E6.21.a
Quais as constantes de tempo dos Tanques 1 e 2?
E6.22. Seja um sistema de segunda ordem:
y ( s ) KP
= 2 2 (E6.22.1)
f  ( s )  P s + 2 P P s + 1
A resposta y’(t) deste sistema a um degrau de magnitude 2 em f(t) (ou seja, f’(t) = 2) é
mostrada na Figura E6.22.a. A partir da figura, estime KP, τP e ξP.
Souza & Trica 179

14
y'(t)
12
10
0
0 5 10 15 20 25 30 35 40 45 t 50
Figura E6.22.a
E6.23. Suponha que a resposta y’(t) de um processo controlado a um degrau de

intensidade 0,5 na sua entrada f’(t) é exibida na Figura E6.23.a:
E6.23.a) Escreva a função de transferência y’(s)/f’(s);
E6.23.b) Escreva a expressão da resposta no tempo deste processo a um impulso

unitário;
E6.23.c) Esboce qualitativamente a resposta ao impulso calculada no item E6.23.b.
14
y'(t)
12
10
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
t
Figura E6.23.a
E6.24. Seja o gráfico a seguir de temperatura de um forno, extraído de um manual de

equipamentos científicos. Estime o valor de ξP para a curva correspondente ao PID bem
180 Souza & Trica

regulado (blen réglé) e calcule ξP para o PID mal regulado (mal réglé). Observe que em
ambos os casos a temperatura inicial é de 20 °C e a final de 120 °C. O PID mal regulado
alcança um máximo de 150 °C.
Figura E6.24.a
E6.25. Uma mudança degrau de 15 a 31 psi na pressão (entrada) resulta na resposta

medida (saída) de um elemento indicador de pressão mostrada na Figura E6.25.a. Veja
que o gráfico não está em variáveis-desvio.
E6.25.a) Supondo dinâmica de segunda ordem, calcule os parâmetros necessários e

escreve a função de transferência na forma:
R ( s ) KP
= 2 2 (E6.25.1)
P ( s )  P s + 2 P P s + 1
onde:
R’(s) é a saída em variáveis-desvio;
P’(s) é a entrada em variáveis-desvio;
E6.25.b) Calcule o tempo de ascensão;
E6.25.d) Calcule o tempo de resposta (settling time);
Souza & Trica 181

R [mm]
12.7
11.2
2,3 s
t [s]
Figura E6.25.a
E6.26. Seja a seguinte função de transferência:
y ( s ) 4e−2 s
= (E6.26.1)
f  ( s ) 3s 2 + 2, 4s + 2
Faça o gráfico da resposta de y’(t) em função do tempo para o degrau f’(t) = 3. No

gráfico, indique os valores correspondentes ao: tempo morto, tempo de ascensão,
primeiro máximo de y’(t) e o tempo para o qual ele ocorre, segundo máximo de y’(t) e
o tempo para o qual ele ocorre, período e valor final de y’(t).
182 Souza & Trica

Capítulo 7 – Análise de Resposta Frequencial de Sistemas Lineares
7. Análise de Resposta Frequencial de Sistemas

Lineares
A análise de resposta frequencial diz respeito à investigação de como os
sistemas respondem quando sua entrada se comporta de forma oscilatória (descrita por
um seno, por exemplo). Variando a frequência desse sinal de entrada, verifica-se como
a amplitude e o ângulo de fase do sinal de saída se comportam.
Essa análise pode ser procedida experimentalmente, como apresentado no

item 7.1, ou matematicamente, através de manipulações com a função de transferência,
envolvendo números complexos, como fundamentado no item 7.2 e no Apêndice 7.1 e
Apêndice 7.2. Seus resultados são tipicamente apresentados em forma gráfica, através
dos chamados Diagramas de Bodé – em homenagem ao engenheiro W. H. Bodé (1905-
1982) – e Diagrama de Nyquist – em homenagem ao engenheiro H. Nyquist (1889-1976).
As características desses digramas são estudadas nos itens 7.3 e 7.4, respectivamente.
O estudo da resposta frequencial permite a análise dinâmica e a identificação

de sistemas. Além disso, possibilita que conclusões sejam obtidas sobre a estabilidade
desses sistemas, sendo assim empregada no projeto de controladores feedback. Como
exposto no Capítulo 9, de estudo de estabilidade, a investigação de estabilidade
empregando métodos baseados em polinômios em s exige a aproximação do tempo
morto (descrito no domínio de Laplace por uma exponencial) por uma razão entre
polinômios em s. Já a investigação da estabilidade no domínio da frequência elimina a
necessidade de qualquer aproximação.
7.1. Métodos Experimentais para Análise Frequencial
No método experimental, é necesário implementar uma variação senoidal na

entrada e registrar o comportamento da saída.
A Figura 7.1 exibe o comportamento típico da resposta um sistema linear a uma

entrada senoidal u’(t), aplicada em t = 0:
u ( t ) = Asen (t ) (7.1)
ou seja, um seno com amplitude A e frequência angular de oscilação ω, tal que ω = 2π/Τ
e Τ é o período de oscilação.
Verifica-se na Figura 7.1 que a resposta y’(t), depois de transcorrido um tempo
suficientemente longo após a aplicação do seno na entrada, é também senoidal, com
Souza & Trica 183
frequência ω, porém apresenta amplitude B e está atrasada em relação à entrada por

um intervalo de tempo Δt, tal que um dado pico na entrada só é sentido após um
intervalo de tempo Δt na saída. Essa defasagem pode ser expressa por um ângulo ϕ,
relacionado a Δt por ϕ = 2π|Δt|/Τ. Assim:
lim y ( t ) = Bsen (t +  ) (7.2)

t →
Δt T
A B
y'(t)
u'(t)
t
Figura 7.1. Resposta da saída de um sistema para uma entrada u’(t) = Asen(ωt).
Na análise de resposta frequencial, tipicamente varia-se a frequência da

entrada, de ω → 0 a ω → ∞, e analisam-se os efeitos na “razão de amplitudes” (RA) −
razão entre as amplitudes da saída e da entrada, tal que RA = B/A, − e “ângulo de fase”
(o ângulo ϕ) − quantidade, em graus ou radianos, pela qual o sinal de saída se atrasa em
relação ao sinal de entrada (chamado de ângulo lag). Para processos físicos reais, o
ângulo de fase é basicamente lag, ϕ < 0. Para alguns sistemas teóricos idealizados, pode
ocorrer um ângulo de avanço ou lead, ϕ > 0.
Tipicamente, os experimentos para o caso com controle feedback, são feitos

em “malha aberta” (controlador GC(s) desconectado do processo GP(s), conforme
exibido na Figura 7.2).
Dessa forma, abre-se a malha e aplica-se o sinal senoidal com uma dada
amplitude e frequência ao atuador, tipicamente uma válvula nos processos químicos –
representada na Figura 7.2 por Gf(s). Espera-se um tempo suficiente para o sinal medido
da variável de processo estabilizar com uma amplitude constante e registra-se, através
de um elemento de medida, representado por Gm(s), essa amplitude e o ângulo de fase.
184 Souza & Trica

A função de transferência entre o sinal de saída e o de entrada é dada pela propriedade

multiplicativa das funções de transferência por Gf GPGm, ou seja, o produto das funções
de transferência da válvula, Gf(s), do processo, GP(s), e do elemento de medida, Gm(s).
Figura 7.2. Obtenção de uma saída senoidal para um processo em malha aberta.
7.2. Métodos Matemáticos para Análise Frequencial
Seja a entrada senoidal com amplitude A e frequência ω descrita no domínio

de Laplace:
A
u ( s ) = (7.3)
s + 2
2
Analisando-se inicialmente para um sistema de 1ª ordem, a resposta no

domínio de Laplace a essa entrada é dada por:
A KP K P A  P
y ( s ) = = (7.4)
s +  ( P s + 1) ( s + 1  P )( s + i )( s − i )
2 2
Realizando expansão em frações parciais e voltando ao domínio do tempo, pela

aplicação de transofrmada inversa de Laplace, obtém-se:
K P A P  t  KP A
y ( t ) = exp −  + sen (t +  ) (7.5)
1 + ( P ) 
2

 P  1 + ( P )
 2 1/ 2

   
tal que ϕ = tan-1(-τPω).
Souza & Trica 185

No limite quando t → ∞, tem-se a resposta “estacionária”, ou seja, uma

resposta com um padrão oscilatório sustentado, com amplitude constante B, frequencia
de oscilação ω e ângulo de fase ϕ < 0.
KP A
 f ( t ) = Bsen (t +  ) ,
yEE B=
1 + ( P )2 
1/ 2 (7.6)
 
Dessa forma, a “razão de amplitudes” (RA), neste caso, é dada por:
B KP
RA  =
A 1 + (  )2 1/ 2 (7.7)
 P 
Já o “ângulo de fase” (ϕ) para este sistema é descrito por:
 = tan −1 ( − P ) (7.8)
O procedimento via expansão em frações parciais para calcular a resposta de

um sistema de ordem mais elevada a uma entrada senoidal pode ser trabalhoso. Uma
maneira alternativa, mais simples, é obtida a partir da substituição de s = ωi (tal que i é
o número imaginário puro) na função de transferência G(s). A fundamentação para tais
procedimentos é apresentada nos apêndices deste capítulo. Assim, no Apêndice 7.1, faz-
se uma breve revisão sobre números completos. Por sua vez, no Apêndice 7.2, as
seguintes relações são obtidas com o módulo e o argumento do número complexo
G(ωi):
1/ 2
RA = G (i ) =  Re G (i )  + Im G (i )  
2 2
(7.9)
 
 Im G (i) 
 = arg G (i) = tan −1   (7.10)
 Re G(i) 
tal que os operadores ‖ ‖ e arg[ ] representam, respectivamente, a norma (ou módulo)

e o argumento de um número complexo. Im[G(ωi)] e Re[G(ωi)] são, respectivamente,
a parte imaginária e a real de G(ωi).
186 Souza & Trica

Exemplo 7.1. Seja a função de transferência:
KP
G (s) =
 Ps + 1
a) Substitua s = ωi, obtendo G(ωi);
b) Calcule ‖G(ωi)‖ e compare com RA de um sistema de 1ª ordem;
c) Calcule arg[G(ωi)] e compare com ϕ de um sistema de 1ª ordem.
a) Obtenção do número complexo na forma retangular:
KP 1 − ( Pi )
G ( i ) =  (7.11)
 P (i ) + 1 1 − ( Pi )
K P 1 − ( Pi ) 
G ( i ) =
1 − ( P ) i 2
2
K P 1 − ( Pi )  KP K P P
G ( i ) = = − i
1 + ( P ) 1 + ( P ) 1 + ( P )
2 2 2
KP K P P
G (i ) = a + bi, a= , b= (7.12)
1 + ( P ) 1 + ( P )
2 2
b) Obtenção do modulo e RA:
K P2 ( P )
2
K P2
G (i ) = Re G (i )  + Im G (i )  =
2 2
+
2
2 2 (7.13)
1 + ( P )2  1 + ( P )2 
   
K P2 1 + ( P ) 
2
 = K P2
G (i ) =
2
1 + ( P )2 
2
1 + ( P )2 
   
Souza & Trica 187

KP
G (i ) = = RA
1/ 2
1 + ( P )2  (7.14)
 
c) Obtenção do argumento e ângulo de fase:
 K P P 
 Im G (i )    2 
−1  1 + ( P ) 
arg G (i )  = tan  −
−1
 = tan − (7.15)
 Re G (i )    KP 
 1+   2 
 (P ) 
 K  
arg G (i )  = tan −1  − P P  = tan −1  − P  =  (7.16)
 KP 
7.3. Diagramas de Bodé

7.3.1. Introdução
Os diagramas de Bodé permitem a análise de sistemas e a sua identificação. Um

diagrama de Bodé é como a impressão digital de um sistema, uma vez que dois sistemas
diferentes exibem necessariamente diagramas diferentes. Cada diagrama consiste em
dois gráficos, log RA vs. log ω (em escala log-log) e ϕ vs. log ω (em escala semi-log),
dispostos de modo que a curva de RA é exibida acima e a de ϕ, abaixo. É comum a
utilização de assíntotas para descrever o comportamento dos sistemas a baixa e alta
frequências.
O MATLAB, no seu toolbox de controle, plota os diagramas de Bodé pelo

comando “Bode”. Neste caso, em vez de RA, a escala empregada é decibéis (dB)
(usualmente empregada em comunicação eletrônica e acústica e raramente no campo
de controle de processo). A conversão é dada por (RA)dB = 20·log(RA).
As características de diagramas de Bodé para sistemas de diferentes ordens são

descritas a seguir.
7.3.2. Sistemas de 1ª Ordem
Para um sistema de 1ª ordem:
188 Souza & Trica

KP RA 1
RA =  =
2 1/ 2 K P 1 + (  )2 1/ 2
1 + ( P ) 
   P 
 RA  1
 = − log 1 + ( P ) 
2
log  (7.17)
 KP  2
Para analisar o comportamento do diagrama de Bode desse sistema

independentemente de valores específicos de KP e τP, são plotadas as curvas de RA/KP
vs. τPω (em escala log-log) e de e ϕ vs. τPω (em escala semi-log).
É possível verificar comportamentos que podem ser descritos por assíntotas na

curva de RA, como segue.
Assíntota de Baixa Frequencia (ABF) (ω → 0):
 RA  1 RA
lim log 
 →0
 = − log (1) = 0  →1 (7.18)
 P
K 2 K P
ou seja, a ABF é uma reta horizontal, passando pelo ponto:
RA = K P ;  P = 1 (7.19)
Assíntota de Alta Frequencia (AAF) (ω → ∞):
 RA  1
 = − log ( P ) = − log ( P )
2
lim log  (7.20)
 →
 KP  2
ou seja, a AAF é uma reta de inclinação (-1), também passando por:
RA = K P ;  P = 1 (7.21)
A frequência para a qual as duas assíntotas se cruzam é chamada de frequência

de quebra (corner frequency) (ωC), tal que:
1
 PC = 1, C = (7.22)
P
Souza & Trica 189

O desvio máximo entre a curva verdadeira e as assíntotas ocorre em ωC, pois

para τPωC = 1, RA/KP = 1/√2 e não RA/KP = 1, como dado pelas assíntotas.
A Figura 7.3 mostra o Diagrama de Bode para um sistema de 1ª ordem.

Percebe-se que o ângulo de fase está no intervalo 0 ≤ ϕ ≤ -π/2 rad, indo assintoticamente
para -π/2 rad (-90o) quando ω → ∞.
101
RA 100 ABF
KP
10-1
10-2
10-3
10-4 AAF
10-5
10-6
10-7
10-6 10-4 10-2 100 102 104 τ ω 106
P
0
ϕ
- π/4
- π/2 -6
10 10-4 10-2 100 102 104 τPω 106
Figura 7.3. Diagrama de Bodé para sistemas de 1ª ordem.
Para fins de identificação por métodos gráficos, dado um Diagrama de Bodé

experimental, na escala RA vs. ω (em escala log-log) e de e ϕ vs. ω (em escala semi-log),
verifca-se inicialmente se o sistema é efetivamente de 1ª ordem. Para tanto, as ABF e
AAF devem exibir inclinações, respectivamente, iguais a zero e (-1). A curva de fase deve
sofrer uma defasagem de -90o, quando a frequência for de zero à infinito. A frequência
190 Souza & Trica

de quebra (corner frequency, ωC) é obtida na interseção das assíntotas. A partir da ωC,
pela equação (7.22), a constante de tempo é estimada. O valor absoluto de KP pode ser
obtido pela magnitude de RA na ABF.
Sistemas de 1ª ordem são considerados filtros do tipo passa-baixa (passam

sinais de baixa freqüência ou período elevado). Isto pode ser explicado pelos
comportamentos assintóticos a baixa e alta freqüência. Dessa forma, um sinal com baixa
frequência passa integralmente − pois RA/KP → 1 quando ω → 0. Já um sinal com alta
frequência é filtrado, uma vez que sua amplitude tende a zero − RA/KP → 0 quando
ω → ∞. Portanto, quando um sinal apresenta ruído (oscilação com alta frequência), ele
pode ser filtrado pelo uso de filtros analógicos ou digitais de 1ª ordem. Esta é também
a razão pela qual em muitas plantas químicas (principalmente as antigas), são colocados
tanques de mistura antes de reatores. Como tais tanques promovem a homogeinização
da carga, eles amortecem suas flutuações antes de alimentar o reator. Da mesma forma,
unidades de compressão de gás possuem vasos de acúmulo antes de compressores
centrífugos, com objetivo de amortecer eventuais flutuações da vazão de alimentação.
Como visto no Capítulo 2, tanques de mistura de líquidos e vasos de acúmulo de gás são
tipicamente sistemas de 1ª ordem, tendo o seu comportamento tamponador o efeito
de um filtro “passa baixa”.
Seja a função de transferência de um sistema de 2ª ordem:
K
G (s) = (7.23)
 s + 2 s + 1
2 2
Sabendo que ‖G(ωi)‖ = RA e que arg[G(ωi)] = ϕ, as respectivas expressões de

RA e ϕ, após operações algébricas, são dadas por:
K
RA =
( )
1/ 2
 1 −  2 2
+ ( 2 ) 
(7.24)
( )
2
 
 2 
 = tan −1  − 2 (7.25)
 1 − ( ) 
Souza & Trica 191

Analisando-se RA/K vs. ω em escala log-log, é possível verificar dois

comportamentos assintóticos:
 RA  1 
( ) + ( 2 ) 
2
 = − log  1 − ( )
2 2
log  (7.26)
 K  2  
Assíntota de Baixa Frequencia (ABF) (ω → 0):
 RA  1 RA
lim log   = − log (1) = 0  →1 (7.27)
 →0
 K  2 K
Assíntota de Alta Frequencia (AAF) (ω → ∞):
 →
 RA 
lim log 
 K 

2 
( 
)
= − log  ( )  = −2log ( )
1 2 2
(7.28)
Similarmente ao sistema de 1a ordem, a ABF é uma reta horizontal, passando

por (RA = K; τω = 1). A AAF agora exibe inclinação (-2) e passa por (RA = K; τω = 1). No
ponto onde as duas assíntotas se encontram, tem-se a frequência de quebra para
sistemas de 2ª ordem:
1
C = 1, C = (7.29)

Para sistemas subamortecidos, na faixa 0 < ξ < √2/2, RA/K pode exceder de
forma significativa o valor de 1, no fenômeno chamado de ressonância. A ressonância
pode ser observada em muitos sistemas físicos, de instrumentos musicais a motores de
automóveis. Em processos químicos industriais, raramente acontece em malha aberta,
podendo ocorrer em malhas fechadas com controle feedback.
Como na frequência de ressonância tem-se o ponto de máximo de RA/K, seu

valor pode ser obtido derivando-se a equação (7.24) em relação a τω e igualando-se a
expressão resultante a zero:
d ( RA K )
= 0  r = (1 − 2 2 )
1/ 2
(7.30)
d ( )
Substituindo-se ωr na equação (7.24), obtém-se o valor máximo:

192 Souza & Trica
1
RA K =
2 (1 −  2 )
max 1/ 2 (7.31)
Todos esses comportamentos podem ser analisados no Diagrama de Bodé

exibido na Figura 7.4.
101
RA 0 ABF
10
KP
10-1 ξ=4
10-2 ξ=2
10-3 ξ=1
10-4 ξ = 1/2√2
10-5
AAF
10-6
10-4 10-3 10-2 10-1 100 101 102 103 τω 104
0
ϕ ξ=4
ξ=2
ξ=1
- π/2
ξ = 1/2√2
- π -4
10 10-3 10-2 10-1 100 101 102 103τω 104
Figura 7.4. Diagrama de Bodé sistemas de 2ª ordem.
Constata-se da Figura 7.4 que ξ é um parâmetro das curvas de RA/K e ϕ; isto é,

há curvas de diferentes amplitudes e fases para cada valor de ξ. Percebe-se que o ângulo
de fase está no intervalo 0 < ϕ ≤ −π rad, indo assintoticamente para −π rad (-180o)
quando ω → ∞.
Souza & Trica 193
Para fins de identificação, dado um Diagrama de Bodé, na escala RA vs. ω (em

escala log-log) e de e ϕ vs. ω (em escala semi-log), o procedimento é análogo ao adotado
para sistemas de 1ª ordem. Primeiramente verifca-se se o sistema é, neste caso, de 2ª
ordem. Para tanto, as ABF e AAF devem possuir inclinações, respectivamente, iguais a
zero e, neste caso, (-2). Já a curva de fase deve sofrer uma defasagem de -180o, quando
a frequência for de zero a infinito. Na interseção das assíntotas, obtém-se a frequência
de quebra. A partir da ωC, pela equação (7.29), o período natual de oscilação é estimado.
O valor absoluto de K pode ser obtido pela magnitude de RA na ABF. O valor do fator
de amortecimento pode ser obtido, conhecidos os demais parâmetros, a partir de um
valor conhecido de RA e ω, por exemplo, na condição de ressonância quando houver.
Verifica-se do diagrama que sistemas de 2ª ordem também exibem

características de filtro “passa baixa”, pois para frequência próxima a zero RA/K → 1
quando ω → 0 e, para frequência elevada, RA/K → 0.
7.3.4. Outros Sistemas Importantes
Sistemas com Tempo Morto Puro
Seja a função de transferência da função de tempo morto puro, dada por

−θs
G(s) = e . Substituindo s = ωi o resultado fica:
G (i ) = e−i (7.32)
que é um número complexo, escrito na forma polar, tal que:
G ( i ) = 1 (7.33)
arg G (i )  = − (7.34)
A Figura 7.5 exibe apenas a curva do ângulo de fase do Diagrama de Bodé, já

que a curva de RA é constante em 1. Constata-se que a fase decresce indefinidamente
quando a frequência tende para infinito.
194 Souza & Trica

0
ϕ
- 30 -4
10 10-3 10-2 10-1 100 101
θω
Figura 7.5. Diagrama de Bodé ϕ (em graus) vs. θω para um sistema
com tempo morto.
Sistemas em Série
Para N sistemas em série:
G ( s ) = G1 ( s ) G2 ( s )GN ( s ) (7.35)
Substituindo s = ωi e escrevendo-se na forma polar:
G ( s ) = ( RA1 ) e−1i ( RA2 ) e−2i ( RAN ) e−N i
N N N
G (s) = ( RA )e
k =1
k
k =1
−k i
= ( RA ) e
k =1
k
− (1 +2 + ...+N ) i
(7.36)
Simplificando:
RA = ( RA )
k =1
k (7.37)
Souza & Trica 195

= 
k =1
k (7.38)
G ( s ) = ( RA) e− i (7.39)
Como os diagramas de Bodé usam escala logarítimica:
log ( RA ) =  log ( RA )
k =1
k (7.40)
Exemplo 7.2.
KP
G1 ( s ) = , G2 ( s ) = G1e − s
 Ps + 1
( RA)2 = ( RA)1 (7.41)
2 = 1 −  (7.42)
Note que, apesar de ϕ1 possuir um valor assintótico igual a -90° quando ω →

∞, ϕ1 → -∞ quando ω → ∞. Pode-se concluir que todo processo que apresenta um
tempo morto em sua dinâmica sempre terá este comportamento de que seu ângulo
de fase não possui um valor assintótico.
7.4. Diagramas de Nyquist
Os diagramas de Nyquist são uma maneira alternativa de representar as

características de resposta frequencial de um sistema dinâmico. Neles, conforme
ilustrado na Figura 7.6, o número complexo G(ωi) é diretamente plotado no plano
complexo, à medida que ω vai de zero à infinito.
196 Souza & Trica

Im[G(ωi)]
ϕ
Re[G(ωi)]
p
Figura 7.6. Diagrama de Nyquist ilustrativo, mostrando um ponto p,

para uma dada frequência ω1.
A distância do ponto p (obtido para uma dada freqüência ω1) à origem é o

próprio módulo do número complexo G(ω1i) e, portanto, é igual à razão de amplitudes
em ω1, como demonstrado no Apêndice 7.2 e já usado anteriormente neste capítulo.
Conforme ilustrado na Figura 7.6, o ângulo formado entre o eixo Re[G(ωi)] e a reta que
conecta o ponto p à origem é o argumento de G(ω1i) e, portanto, o ângulo de fase
correspondente, também como demonstrado no Apêndice 7.2.
Os diagramas de Nyquist contêm as mesmas informações que o par de

diagramas de Bodé possui para um mesmo sistema em análise. Nos diagramas de Bodé,
ω é explicitamente plotado na abscissa e as escalas log-log e semi-log facilitam as
multiplicações das funções de transferência. Nos diagramas de Nyquist, ω fica implícito.
O diagrama de Nyquist é mais compacto e útil para para projetar controladores
multimalhas. Para controladores de um único loop, Bodé é mais usado. A seguir são
apresentados os diagramas de Nyquist para os principais sistemas dinâmicos estudados
neste capítulo.
Conforme mostrado na Figura 7.7, toda a curva está contida dentro do círculo
correspondente a KP e no quadrante correspondente ao ângulo , entre 0 e - 90o. Inicia-
se com RA = KP e  = 0, para ω = 0, e termina com RA → 0 e  = -90º, quando ω → ∞.
Souza & Trica 197

Im[G(ωi)]
ω→∞ ω=0
-KP KP Re[G(ωi)]
Figura 7.7. Diagrama de Nyquist para um sistema de 1ª ordem.
Conforme mostrado na Figura 7.8, a curva pode sair do círculo correspondente

a KP quando houver ressonância. Toda a curva está contida nos quadrantes
correspondentes ao ângulo , entre 0 e - 180o. Inicia-se com RA = KP e  = 0, para ω =
0, e termina com RA → 0 e  = −180º, quando ω → ∞.
Im[G(ωi)]
ω→∞ ω=0
-KP KP Re[G(ωi)]
ξ < √2/2
ξ > √2/2
Figura 7.8. Diagrama de Nyquist para um sistema de 2ª ordem.
7.4.3. Sistemas com Tempo Morto Puro
198 Souza & Trica

Com RA = 1 para qualquer ω, a curva dará infinitas voltas sobre o círculo

unitário, quando ω for de zero à infinito, conforme mostrado na Figura 7.9.
Im[G(ωi)]
-1 1 Re[G(ωi)]
Figura 7.9. Diagrama de Nyquist para um sistema com tempo morto puro.
7.4.4. Sistemas de 1ª Ordem com Tempo Morto

A presença do tempo morto fará com que a curva dê inifinitas voltas, confinada
no círculo igual a KP à medida que a frequência aumenta, mas o valor de RA, que começa
em KP, para ω = 0, irá diminuindo para zero à medida que ω → ∞, conforme mostrado
na Figura 7.10.
Im[G(ωi)]
ω=0
-KP KP Re[G(ωi)]
ω→∞
Figura 7.10. Diagrama de Nyquist para um sistema de 1ª ordem com tempo morto.
Souza & Trica 199
7.4.5. Comportamentos Gerais
• Sem tempo morto e denominador de 4ª ordem ou menor, Nyquist termina na

origem sem circunscrever a mesma. O caminho de terminação depende da
ordem do numerador e do denominador, mas ϕ é menor (em valor absoluto)
do que -360°;
• Se há tempo morto, a origem será circunscrita.
7.5. Exercícios
E7.1. Suponha que tenhamos uma bateria de 3 CSTRs em série conforme apresentado
na Figura E7.1.a, e que queiramos manter a composição de um dado componente na
saída do último reator tão constante quanto possível, apesar de variações na
composição de alimentação.
Nós tentamos compensar as perturbações ajustando a temperatura (ou seja, a

constante de velocidade k1) no primeiro tanque, MAS VAMOS SUPOR QUE ESTA
MUDANÇA DE TEMPERATURA NÃO TENHA EFEITO NAS CONDIÇÕES DOS TANQUES
REMANESCENTES.
Considere k1 como a variável (ou seja, não precisa explicitá-lo como função de T) e que
k1,EE = k2,EE = k3,EE = k = 0,33 h-1. Suponha que: C0,EE = 0,1 mol/L, V = 20 L, q = 100 L/h
e que a taxa de consumo para o componente é dado por: -riV = -kiCiV.
XIC
XT
Figura E7.1.a
200 Souza & Trica

E7.1.a) Escreva as equações de balanço de massa para o componente controlado;
E7.1.b) Determine as funções de transferência em malha aberta: GP(s) = C3̕ (s)/k̕1(s) e

Gd(s) = C3̕ (s)/C0̕ (s);
E7.1.c) Considere GP(s) = 1, Gf(s) = -1 e GC(s) = KC. Calcule a frequência de corte para
o sistema em malha aberta.
E7.2. Sejam os seguintes sistemas de segunda ordem que apresentam amortecimento

(τP e KP constantes): (i) ξ = 1,2 (ii) ξ = 1,0 (iii) ξ = 0,9 (iv) ξ = 0,8, para qual(is) deles se
observa o fenômeno de ressonância? Justifique sua resposta matematicamente.
E7.3. Seja o seguinte sistema:
Fi
h
Fo
Figura E7.3.a
Suponha que a bomba de deslocamento positivo da alimentação produz um fluxo que é

dado aproximadamente pela expressão:
Fi = Fi,EE + Bsen (t )
onde as flutuações são causadas pelo movimento do pistão na bomba.
De modo a suavizar as flutuações, nós introduzimos a corrente em um tanque aberto. O

líquido escoa do fundo do tanque por um tubo com fluxo laminar e vai para outra
unidade do processo. A suposição Fo = Kh é válida, onde K é uma constante.
E7.3.a) Escreva h’(s)/F̕i(s), suponha A (a área da seção transversal do tanque) e ρ (a

massa específica do líquido) constantes;
E7.3.b) Escreva Fo̕ (s)/F̕i(s);
Souza & Trica 201

E7.3.c) Calcule A, em função de K e B, de modo que a amplitude das oscilações na saída

em F̕o seja apenas 10 % (0,1) da amplitude das oscilações na entrada em Fi̕ .
E7.4. A Tabela E7.4.a mostra a razão de amplitudes e o ângulo de fase de um sistema

desconhecido a várias frequências:
Tabela E7.4.a. Razão de amplitudes e ângulo de fases do sistema.
Frequência
RA ϕ (graus)
(rad/min)
0,01 10,0 -0,011
0,05 10,0 -0,055
0,10 10,0 -0,110
1,00 9,95 -1,100
3,00 9,58 -3,291
5,00 8,94 -5,464
8,00 8,57 -6,540
9,00 7,43 -9,733
10,0 7,07 -10,785
12,0 6,40 -12,876
15,0 5,55 -15,983
20,0 4,47 -21,107
30,0 3,16 -31,249
40,0 2,43 -41,326
50,0 1,96 -51,373
60,0 1,64 -61,406
70,0 1,41 -71,429
80,0 1,24 -81,446
90,0 1,10 -83,660
100,0 -84,289
200,0 -87,138
300,0 -88,091
400,0 -88,568
500,0 -88,854
1.000,0 -89,427
Plote os diagramas e responda:
E7.4.a) Este sistema é de 1ª ordem ou 2ª ordem? Por quê?
E7.4.b) Este sistema apresenta tempo morto? Por quê?
E7.4.c) Se você afirmou que o processo é:
- de 1ª ordem, identifique KP e τP;
- de 2° ordem, identifique K, τ e ξ;
- Se há tempo morto, identifique-o.
202 Souza & Trica

Apêndice 7.1. Revisão Sobre Números Complexos

Seja o número complexo ψ = a + bi representado graficamente, conforme
Figura A7.1:
Im
ψ = a + bi
ϕ
0
0 Re
Figura A7.1. Representação gráfica de um número complexo.
Este mesmo número pode ser representado pelo seu módulo e pelo seu
argumento:
= Re ( ) +  Im ( )   = ( a 2 + b2 )

2 2 1/ 2

2
(A7.1.1)
 Im ( ) 
  arg ( ) = tan −1   (A7.1.2)
 Re ( ) 
Logo:
 =  cos ( ) + i  sen ( ) (A7.1.3)
Substituindo-se as identidades de Euler:
ei + e−i
cos ( ) = (A7.1.4)
2
ei − e −i
sen ( ) = (A7.1.5)
2i
Souza & Trica 203

em ψ, o resultado fica:
ei + e −i ei − e −i

= +i 
2 2i
 =  ei (A7.1.6)
A expressão obtida em (A7.1.6) é a forma polar de representar um número

complexo. Qualquer número complexo pode ser representado na forma polar. Se ζ for
o complexo conjugado de ψ, isto é, ζ = a − bi, então:
 = (A7.1.7)
arg ( ) = − arg ( ) (A7.1.8)
204 Souza & Trica

Apêndice 7.2. Obtenção de RA e ϕ para um sistema qualquer

Seja a função de transferência de um sistema qualquer dada por:
y ( s ) Q ( s )
G (s) = = (A7.2.1)
u ( s ) P ( s )
tal que Q(s) é de ordem m, P(s) é de ordem n e n < m, ou seja, a função de transferência
é estritamento própria. Se u’(t) = Asen(ωt), então:
A
y ( s ) = G (s)
s + 2
2
A
y ( s ) = G (s) (A7.2.2)
( s + i )( s − i )
Fatorando em frações parciais:
 C C2 Cn  a b
y ( s ) =  1 + ++ + − (A7.2.3)
 s − p1 s − p2 s − pn  ( s + i ) ( s − i )
Se os pólos de G(s) são negativos ou têm parte real negativa (sistema estável),
todos estes termos, no domínio do tempo vão a zero para o limite quando o tempo
tende para infinito. Portanto:
 ( t ) = ae −it + beit
lim yEE,f (A7.2.4)
t →
Os coeficientes a e b podem ser obtidos pelo método de Heaviside:
G ( −i ) A
a= (A7.2.5)
−2i
G (i ) A
b= (A7.2.6)
2i
Logo, para a expressão assintótica y̕EE,f(t):
Souza & Trica 205

G ( −i ) A G (i ) A
 f (t ) =
yEE e − it + eit (A7.2.7)
−2i 2i
Utilizando a notação em forma polar:
G (i ) e−i A G (i ) ei A

 f (t ) = −
yEE e−it + eit
2i 2i
 ei ( t +  ) − e − i ( t +  ) 
 f ( t ) = A G (i ) 
yEE  (A7.2.8)
 2i 
Pela identidade de Euler, y̕EE,f(t) de um sistema de comportamento qualquer

resulta em:
 f ( t ) = A G (i ) sen (t +  )

yEE (A7.2.9)
Como a expressão (A7.2.9) foi provada para qualquer sistema estável,

representado pela função de transferência G(s) dada pela equação (A7.2.1), então:
G (i ) = RA (A7.2.10)
arg G (i )  =  (A7.2.11)
206 Souza & Trica

Capítulo 8 – Controle feedback ou por realimentação negativa
8. Controle feedback ou por realimentação negativa
Este capítulo traz no item 8.1 um exemplo de aplicação do controle feedback

para ilustrar os diversos elementos que são necessários numa malha típica.
Como o estudo do comportamento dinâmico do processo sob controle será

feito no domínio de Laplace, no item 8.2 é apresentado o diagrama de blocos de um
sistema de controle por realimentação típico e a chamada resposta em malha fechada
é deduzida. Nos itens seguintes, 8.3 à 8.5, são introduzidos os três modos de controle
por realimentação empregados em malhas na indústria de processos.
Dessa forma, no item 8.3 é apresentada a lei de controle proporcional, na qual

a ação de controle é calculada a partir do erro da variável que se deseja controlar:
diferença entre o valor medido e seu respectivo valor desejado (set-point). A lei de
controle integral é mostrada no item 8.5, a qual calcula ações a partir do somatório dos
erros medidos ao longo do tempo. Por fim, a lei de controle derivativa é discutida no
item 8.5, na qual as ações de controle são baseadas na taxa de variação do erro.
Modificações da lei de controle proporcional, integral e derivativo (PID),

usualmente aplicadas na indústria, são apresentadas no item 8.6. Também se apresenta
a lei de controle PID digital no item 8.7, pois atualmente a maioria dos sistemas de
instrumentação e controle possui arquitetura digital.
Finalmente, o item 8.8 apresenta uma breve revisão da instrumentação

industrial, incluindo sensores, transmissores e válvulas de controle pneumáticas.
8.1. Um Exemplo: Controle feedback de um Tanque Aquecido por

Serpentina à Vapor
Tipicamente, neste livro, está-se interessado no controle de processos

químicos e/ou bioquímicos. Por processos entendem-se aqui sistemas físico-químicos
frequentemente encontrados nas engenharias química, de bioprocessos, de alimentos
e manufatura de uma forma geral, tais como reatores químicos e bioquímicos,
trocadores de calor, equipamentos para separação e transferência de massa etc.
Para que um dado controle seja realizado, é necessário que o controlador

receba informações do processo que quer controlar e atue sobre ele. São necessários,
portanto, elementos que façam a interface entre o controlador e processo.
Para ilustrar essa discussão iniciar vai-se supor um processo simples − no caso,
um tanque pré-aquecedor − submetido a controle feedback. A Figura 8.1 apresenta um
Souza & Trica 207

diagrama de instrumentação e tubulação (P&ID ou “Piping & Instrument Diagram) − ou

simplesmente diagrama de controle de processos para este exemplo. Esse tipo de
diagrama exibe não apenas equipamentos e tubulações, mas também a instrumentação
existente na planta.
Figura 8.1. Diagrama P&I de um aquecedor a vapor.
No tanque, um líquido é alimentado continuamente a uma temperatura de

entrada, Ti, e vazão mássica, w. No interior do tanque, o líquido é aquecido até uma
temperatura T, através de troca indireta de calor com vapor que passa pelo interior de
uma serpentina. Admite-se mistura perfeita do líquido no e que não há perdas de calor
para o ambiente. A corrente de saída, com vazão mássica também dada por w, está à
mesma temperatura T do tanque.
Sendo o objetivo de controle manter a temperatura de saída T em um valor

desejado (set-point), esta variável de processo precisa ser medida para que o controle
feedback seja implementado, já que, neste tipo de controle, a variável que se deseja
controlar deve ser necessariamente medida.
Para a medição da temperatura do líquido no tanque, pode-se empregar um

termopar, que proverá uma leitura, de baixa magnitude em mV, a qual precisa ser
amplificada para ser transmitida ao controlador. Para tanto, usa-se um dispositivo
chamado de transmissor, que será responsável por transmitir um sinal numa magnitude
que seja adequada para o controlador. Para outros tipos de variáveis (pressão,
composição etc.), outros sensores são necessários. Por isso, esse conjunto sensor +
transmissor é chamado aqui de maneira geral de elemento de medida.
Na Figura 8.1, tem-se um transmissor de temperatura representado por um
tagname ou tag, que é um código alfanumérico, dentro de um balão. As primeiras letras
208 Souza & Trica
do tag dão a identificação funcional e os números subsequentes, a localização do laço

(ou, em inglês, loop). Esses números foram omitidos na Figura 8.1, uma vez que ela
apresenta apenas um laço de controle. A primeira letra do tag TIT indica a variável (no
caso, T, para temperatura) e as letras seguintes, funções (I, de indicador e T, de
transmissor) O balão em forma de círculo indica um instrumento dedicado àquela
variável. O quadrado com um círculo dentro é usado para instrumentos cujo sinal é
transmitido e indicado remotamente na sala de controle. Para maiores detalhes, a seção
5.1 da norma ISA (2009) e suas demais seções (ISA, Instrument Society of America)
devem ser consultadas.
No caso de controladores contínuos analógicos, trabalha-se tipicamente com

sinais de transmissão nas faixas de 4-20 mȦ ou 12-24 V, para controladores eletrônicos.
Tais sinais em diagramas P&I são representados por linhas tracejadas. Antigos
controladores pneumáticos empregavam sinais de ar comprimido na faixa típica de 3 a
15 psig (libra força por polegada quadrada manométrica). Os sinais pneumáticos nos
diagramas P&I são representados por linhas com hachuras.
Sobre os cabos de transmissão, no caso de sinal eletrônico, a transmissão é

essencialmente instantânea, sendo que esse sinal pode ser transmitido a longas
distâncias (∼1.600 m ou 1 mi). Já a transmissão do sinal pneumático requer vários
segundos e está limitada a curtas distâncias (< 400 m).
O controlador está representado na Figura 8.1 pelo tag TIC, que indica um
controlador e indicador de temperatura. O sinal recebido do transmissor pelo
controlador é comparado com o set-point na mesma escala (tipicamente, 4 a 20 mȦ) e
um erro é obtido. É essa realimentação de informação que dá a denominação (de
feedback) ao controlador. Não se deve confundir com reciclo de material e/ou energia.
O laço de realimentação aqui é de informação acerca da variável que se quer controlar.
O feedback é dito negativo justamente pelo erro que se obtém fazendo o set-point
menos o valor da variável medida.
A partir do valor do erro, o controlador decide que atitude tomar. O sinal de

saída do controlador, tipicamente eletrônico, de 4 a 20 mȦ, é função da sua lei de
controle baseada no erro. Se o erro for nulo, o sinal de saída do controlador fica
constante, mantendo a válvula aberta na condição de operação nominal. Se houver erro
positivo (temperatura medida menor que a do set-point) ou negativo (temperatura
medida maior que a do set-point), o controlador modificará o sinal de saída, atuando
sobre a válvula de modo que ela permita, respectivamente, uma maior ou menor
passagem de vapor pela serpentina.
Souza & Trica 209

A válvula de controle exemplifica um elemento atuador. Aqui a válvula constitui

um exemplo do chamado, de maneira geral, elemento final de controle, que é aquele
elemento através do qual o controlador atua sobre o processo. Outros exemplos
poderiam ser uma corrente elétrica passando por uma resistência de aquecimento, um
conversor de frequência para regular a velocidade de rotação de bombas e
compressores, etc.
É bastante comum no controle de processos industriais que sejam adotadas

válvulas pneumáticas, ou seja, operadas a ar comprimido para regular a passagem de
fluidos. Isso ocorre porque essas válvulas são consideradas robustas para tais
ambientes. Dessa forma, se o controlador for eletrônico, o sinal eletrônico deverá ser
convertido em pneumático antes de atuar sobre a válvula. Para tanto, são empregados
transdutores de corrente-pneumático (I/P) que fazem a conversão do sinal eletrônico
para um sinal de pressão de ar comprimido.
8.2. Diagrama de Blocos e Resposta da Malha Fechada
Os diversos elementos de uma malha de controle – o processo, o elemento de

medida, o controlador e o elemento final de controle – são representados no diagrama
de blocos da Figura 8.2. O diagrama (a) representa uma situação em malha fechada, na
qual o controlador está em automático, conectado ao processo, comparando o set-point
com a variável controlada e determinando a ação corretiva. Por sua vez, no diagrama
(b), tem-se a malha aberta, que se refere à condição na qual, através de uma chave de
transferência, o controlador foi desconectado do processo e colocado em modo manual.
Pode-se colocar em manual, por exemplo, para realizar um teste de identificação no
sistema, alterando a abertura da válvula e verificando o comportamento da variável de
processo.
(a) Malha fechada
210 Souza & Trica

(b) Malha aberta

Figura 8.2. Diagrama de blocos de uma malha de controle feedback.
A Figura 8.2 admite que se quer controlar uma variável de processo y’ (muitas
vezes, abreviada como PV), que está submetido a distúrbio ou carga d’, manipulando
uma variável de entrada, chamada de variável manipulada u’ (muitas vezes abreviada
como MV). Para tanto, a variável de processo é medida e transmitida ao controlador.
Essa variável medida é aqui representada por y̕m. O controlador obtém o erro ε’ entre o
set-point ajustado para sinal eletrônico, y̕ SP, e a variável medida, y̕m. Em função de sua
lei de controle, calcula o seu sinal de saída, c’, que atua sobre o elemento final de
controle, definindo assim a variável manipulada u’. Todas as variáveis estão aqui
representadas em forma de variável-desvio.
Cada elemento da malha tem uma representação correspondente como

mdoelo linear dinâmico de função de transferência em s, como segue:
GP, função de transferência do processo que relaciona a variável controlada y’

à varíavel manipulada u’;
Gd, função de transferência do processo que relaciona a variável controlada y’

ao distúrbio d’;
Gm, função de transferência do elemento de medida, relacionando a variável

medida y̕m à variável controlada y’;
Km, ganho estático do elemento de medida, também usado para converter o

set-point da variável original y̕SP para a mesma escala da variável medida, y̕SP;
GC, função de transferência do controlador, relacionando a saída do

controlador c’ com o erro ε’;
Gf, função de transferência do elemento final de controle, relacionando à

variável manipulada u’ com a saída do controlador c’.
Souza & Trica 211

De uma maneira geral, quer-se saber como o processo sob controle responde
a variações no set-point e na variável de distúrbio ou carga. Para tanto, é necessário
desenvolver uma expressão para a chamada resposta em malha fechada:
Desenvolvendo a expressão para cada elemento:
• Processo: y = GPu + Gd d  (8.1)
• Elemento de
ym = Gm y (8.2)
medida:
  = K m ySP
 − ym (8.3.a)
• Controlador:
c = GC  (8.3.b)
• Elemento final 
u = Gf c (8.4)
de controle:
Substituindo sucessivamente em (8.4) as expressões (8.3.a), (8.3.b) e (8.2)

obtidas respectivamente para c’, ε’ e y̕m:
u = Gf GC 
u = Gf GC K m ySP
 − Gf GC ym
u = Gf GC K m ySP
 − Gf GCGm y (8.5)
Substituindo agora em (8.1) a expressão (8.5) obtida para u’:
y = GPGf GC K m ySP
 − GPGf GCGm y + Gd d 
(1 + GPGf GCGm ) y = GPGf GC Km ySP + Gd d 
212 Souza & Trica

GPGf GC K m Gd
y =  +
ySP d (8.6)
1 + GPGf GCGm 1 + GPGf GCGm
A equação (8.6) é a equação para a resposta em malha fechada. Se as funções

de transferência em malha fechada forem definidas como:
GSP, Função de transferência do set-point e;
GCarga, Função de transferência da carga (distúrbio),
a equação (8.6) pode ser reescrita como segue:
y = GSP ySP
 + GCarga d  (8.7)
Pode-se verificar que as seguintes regras podem ser usadas para descrever
ambas as funções de transferência em malha fechada:
Numerador: Produto das funções de transferência no caminho direto entre a

entrada e a saída.
Denominador: 1 + Produto de todas as funções de transferência do laço.
Como o denominador das funções de transferência em malha fechada é dado

por 1 + GPGfGCGm, todas as funções envolvidas no laço afetam a resposta em malha
fechada. Adicionalmente, a análise da estabilidade da malha fechada, estudada no
Capítulo 9, é feita pela investigação das raízes obtidas igualando-se à zero o
denominador das funções de transferência em malha fechada; em outras palavras
analisando-se os polos das funções de transferência em malha fechada. A equação
empregada para essa análise é chamada de Equação Característica:
1 + GPGf GCGm = 0 (8.8)
Além disso, é possível definir dois problemas típicos em controle de processos:
Problema Servo: em que não há variações na variável-distúrbio, mas o set-point pode

variar:
d  = 0,set-point variável
B G
 = , y = B  SP
Se ySP
s s
Souza & Trica 213

Problema Regulador: em que não há variações no set-point, mas a carga pode variar:
 = 0,
ySP distúrbio variável
B GCarga
Se d  = , y = B 
s s
O problema regulador é mais comum no controle de processos químicos

contínuos, em que se quer regular em torno de um set-point. Para controle perfeito, GSP
deveria ser igual a um e GCarga igual a zero. No entanto, controle perfeito não é possível
na atuação feedback, pois essencialmente erro não-nulo é necessário para que o
feedback atue.
8.3. Controle Proporcional (P)
A lei do controlador proporcional contínuo (analógico), implementado

eletronicamente ou de modo pneumático, é dada por:
c ( t ) = KC ( t ) + ce (8.9)
Onde:
c(t) é o sinal de saída do controlador;
KC é o ganho do controlador;
ε(t) é o erro enviado ao controlador: ε(t) = y̕ SP(t) – ym(t);
ce é o bias do controlador. Saída para erro nulo, ε(t) = 0. Tipicamente no meio

da escala: 12 mȦ ou 9 psig.
Reescrevendo-se (8.9) em variável-desvio:
c ( t ) − ce = KC ( t ) − KC ( 0 ) (8.10)
 ( 0 ) = 0  c ( t ) = KC  ( t ) (8.11)
A Figura 8.3 exibe o comportamento da saída do controlador P, para um ganho

positivo. Verifica-se que este controlador não apresenta dinâmica, respondendo
instantaneamente ao erro não nulo com uma saída proporcional ao mesmo.
214 Souza & Trica

c(t)
KC > 0
ce
ε(t)
Figura 8.3. Saída do controlador proporcional (P).
Aplicando-se Transformada de Laplace à equação (8.11):
Domínio de Laplace
c(s ) = K C (s ) (8.12)
Da equação (8.12), obtém-se a função de transferência do controlador:
c ( s )
GC  = KC (8.13)
 ( s )
tal que a saída c’(s) é resultado proporcional de uma entrada ε’(s).
8.3.1. Efeito do Controle Proporcional na Malha Fechada de Processos de 1° Ordem
Vai-se estudar agora como a ação proporcional afeta a resposta de um processo

submetido a controle feedback. Admite-se processo de 1ª ordem, para se começar
didaticamente pelo exemplo mais simples.
Para fins também de simplificação, já que o objetivo nesta etapa é ver o efeito
inerente ao controlador (e não dos elementos de interface), se considera que os
elementos de medida e final têm dinâmica desprezível. A princípio estas considerações
são razoáveis se a dinâmica do processo (GP) for muito mais lenta que o atuador da
válvula (Gf) e a aquisição de dados (Gm) – isto é, τP >> τf , τm.
Dessa forma, considera-se que
Souza & Trica 215

GC = K C (8.14)
Gf  K f , Gm  K m (8.15)
KP
GP = (8.16)
 s +1
Kd
Gd = (8.17)
 s +1
A resposta em malha fechada é dada por:
GP K C K f K m Gd
y ( s ) =  (s) +
ySP d ( s ) (8.18)
1 + GP K C K f K m 1 + GP K C K f K m
Analisando-se na sequência o comportamento que se obtém para controle P e

problemas servo e regulador:
Problema Servo: d’(s) = 0
GP K C K f K m
y ( s ) =  (s)
ySP
1 + GP K C K f K m
KP KC Kf Km
y ( s ) =  (s)
ySP (8.19)
1 +  s + KP KC Kf Km
Definindo os parâmetros da malha fechada:
KP KC Kf Km
K P = (8.20)
1 + KP KC Kf Km

 = (8.21)
1 + KP KC Kf Km
a equação (8.19) pode ser reescrita como:
216 Souza & Trica

K P
y ( s ) =  (s)
ySP (8.22)
 s + 1
Para que se tenha estabilidade da malha fechada, vai-se ver que o produto dos
ganhos estáticos de todos os elementos da malha de controle feedback deve ser
positivo, ou seja, KPKCKfKm > 0.
Com essas informações, analisando-se a equação (8.22), percebe-se que:
• A função de transferência em malha fechada é ainda de 1ª ordem;
• Em malha fechada, a resposta é mais rápida, pois τ̕P < τP.
Cálculo do offset:
Vai-se analisar como se comporta a malha fechada quando o set-point é
submetido a um degrau qualquer. Assim, supondo que:
B
 (s) =
ySP (8.23)
s
K P B
y ( s ) =
( s + 1) s (8.24)
Definindo o offset, admitindo variáveis-desvio, como:
offset  B − lim y ( t ) = B − lim sy ( s ) (8.25)

t → s →0
offset  B − BK P = B 1 − K P( ) (8.26)
onde se empregou o Teorema do Valor Final. Logo:
1 + KP KC Kf Km − KP KC Kf Km
1 − K P = (8.27)
1 + KP KC Kf Km
Souza & Trica 217

1
1 − K P = (8.28)
1 + KP KC Kf Km
B
offset = (8.29)
1 + KP KC Kf Km
A Figura 8.4 exibe a resposta controlada, com controle P, para um degrau de

magnitude B no seu set-point. A resposta se comporta como um sistema de 1ª ordem,.
O valor final apresenta um desvio permanente (o offset) em relação ao set-point.
No limite quando KC → ∞ (ou KP̕ → 1), o offset seria nulo. Na prática, ganhos
de controlador muito elevados devem ser evitados, pois as dinâmicas Gm e Gf não são
efetivamente desprezíveis e a malha fechada se tornaria instável.
y'(t) offset
B
t
Figura 8.4. Resposta de um sistema de 1ª ordem, sob controle P, a um degrau de
magnitude B no seu set-point.
Problema Regulador: y̕SP(s) = 0
K d
y ( s ) = d ( s ) (8.30)
 s + 1
Kd
K d = (8.31)
1 + KP KC Kf Km
218 Souza & Trica


 d =   = (8.32)
1 + KP KC Kf Km
Novamente a resposta se mantém de 1ª ordem. Verifica-se que Kd̕ < Kd,

ocorrendo redução da sensibilidade do processo em relação ao distúrbio.
Cálculo do offset:
Também há offset para o caso regulador, porém menor em comparação com o

caso sem controle devido à redução da sensibilidade do processo controlado em relação
ao distúrbio. Ganhos de controlador muito elevados tendem a diminuir o offset para o
problema regulador. Similarmente ao caso servo, ganhos do controlador muito elevados
devem ser evitados.
offset = 0 − lim sy ( s ) = − BK d (8.33)

s →0
A Figura 8.5 exibe a resposta do sistema de 1ª ordem para um degrau de

magnitude B na carga, para os casos sem controle e sob controle P. Com controle, a
resposta permanece de 1ª ordem, mas fica mais rápida e exibe menor desvio
permanente (o offset) em relação ao set-point.
BKd
y'(t)
offset
Sem
controle
BKd̕
Com
controle offset
t
Figura 8.5. Resposta de um sistema de 1ª ordem, sem controle e sob controle P, a
um degrau de magnitude B na carga.
8.3.2. Efeito do Controle Proporcional na Malha Fechada de Outros Processos
Souza & Trica 219

Deseja-se analisar se as conclusões feitas para os processos de 1ª ordem são

válidas para problemas mais complexos, neste caso, um processo de 2ª ordem.
Problema Servo
GP K C K f K m
y ( s ) =  (s)
ySP (8.34)
1 + GP K C K f K m
KP KC Kf Km
y ( s ) =  (s)
ySP (8.35)
1 +  s + 2 s + K P K C K f K m
2 2
y ( s ) K P K C K f K m (1 + K P K C K f K m )
= GSP ( s ) = 2 2 (8.36)
 (s)
ySP  s + 2 s + (1 + K P K C K f K m )  (1 + K P K C K f K m )
Definindo os parâmetros da malha fechada:
KP KC Kf Km
K P = (8.37)
1 + KP KC Kf Km
2 
 2 =   = (8.38)
1 + KP KC Kf Km 1 + KP KC Kf Km

 = (8.39)
1 + KP KC Kf Km
Com esses parâmetros, a equação (8.36) pode ser reescrita como:
K P
y ( s ) =  (s)
ySP
( )
2 (8.40)
  s 2 + 2  s + 1
Constata-se que τ̕P < τP e ξ̕ < ξ. O emprego da ação proporcional torna a

resposta mais rápida e menos amortecida que a malha aberta. Assim, um processo
superamortecido sem controle pode vir a oscilar em malha fechada com o aumento de
KC.
220 Souza & Trica

Verifica-se que os mesmos comentários e conclusões feitos para processos de

1° ordem são válidos também para processos de 2° ordem – ou quaisquer outros
processos mais complexos. Ou seja, o controle P tende a acelerar o processo,
desensibilizá-lo frente a distúrbios, mas deixa offset. O aumento de KC reduz o offset,
mas pode instabilizar o sistema, como se verá no Capítulo 9 para sistemas de ordem
elevada (terceira, inclusive, em diante e/ou com tempo morto.
Exemplo 8.1. Controle proporcional de nível em tanques em série. Suposição: Gf ≈ Kf

e Gm ≈ Km.
Figura 8.6. Tanques de nível em série com controle de h2 manipulando F0.
h1 h2
F1 = , F2 = (8.41)
R1 R2
h2 ( s ) R2
GP = = (8.42)
F0 ( s ) ( A1R1s + 1)( A2 R2 s + 1)
h2 ( s ) R2
Gd = = (8.43)
Fd ( s ) ( A1R1s + 1)( A2 R2 s + 1)
P = PP = 1 2
( A1R1 )( A2 R2 ) (8.44)
=
(
1  P1 +  P2
=
1 ) ( A1R1 + A2 R2 )
(8.45)
2  P1 P2 2 ( A1R1 )( A2 R2 )
Souza & Trica 221

A Figura 8.7 sumariza os comportamentos obtidos sob controle:
• Resposta sem controle: com ξ > 1, não há oscilação em malha aberta;
• Resposta com controle: aumentando KC, pode haver oscilação.
Sem
h̕2(t) controle
KC = 10
KC = 1,0
KC = 0,5
h̕2(t)
t
Figura 8.7. Resposta ao degrau de h̕2(t) sem controle e com controle, para diferentes
sintonias.
• Resposta sem controle: com   1 , não há oscilação em malha aberta;

• Resposta com controle: aumentando K C , pode haver oscilação.
OBS: A ação proporcional pode ser reversa ou direta:
• Ação reversa - recebe este nome porque quando a variável medida aumenta,
a saída do controlador diminui, ou seja, vai em direção reversa. Esta forma
de ação é representada com KC > 0:
c ( t ) = ce + K C  K m ySP ( t ) − ym ( t )  = ce + K C  K m ySP ( t ) − ym ( t ) 
(8.46)
K C  0; se ym  então c ( t ) 
• Ação direta - recebe este nome porque quando a variável medida aumenta,
a saída do controlador também aumenta, ou seja, vai na mesma direção. Esta
forma de ação é representada reescrevendo-se a lei para (−KC) > 0 ou, equi-
222 Souza & Trica

valentemente, mudando a maneira como o erro é calculado para [ym(t) –

KmySP(t)]. Observa-se que ao se convencionar aqui escrever (−KC) > 0, evita-
se usar valores intrinsecamente negativos de ganho. Tem-se então:
c ( t ) = ce − K C  K m ySP ( t ) − ym ( t )  = ce + K C  ym ( t ) − K m ySP ( t ) 
(8.47)
K C  0; se ym  então c ( t ) 
A escolha da ação deve levar em conta todos os elementos da malha,

especificamente deve-se investigar o sinal dos ganhos do processo e do elemento final
de controle, que podem ser positivos ou negativos. O sinal do elemento de medida é
tipicamente positivo, pois o valor medido deve aumentar quando a variável de
processo também aumente. A seguinte regra prática pode então ser proposta:
REGRA PRÁTICA PARA A ESCOLHA DA AÇÃO DO CONTROLADOR: o produto de todos

os ganhos dos elementos do laço deve ser positivo, ou seja: KPKCKfKm > 0.
O Exemplo 8.2 analisa uma situação em que essa regra é aplicada.
Exemplo 8.2. Controle proporcional em um processo integrador. Bomba retirando

líquido de um tanque, seguida de válvula de controle pneumática, conforme exibido
na Figura 8.8.
A = cte, T = cte,  = cte (8.48)
Fent = Fent ( t ) , Fsai = Fsai ( t ) (8.49)
Figura 8.8. Bomba retirando líquido de um tanque.
Souza & Trica 223

a) Obtenha GP e Gd;
b) Se Gm = Km, Gf = Kf e GC = KC, obtenha GSP e GCarga;
c) Supondo degrau de magnitude B no set-point, verifique se há offset;
d) Supondo set-point mantido e degrau de magnitude D em Fent, verifique se há offset;
e) Com base nos resultados obtidos, discuta se o controle P é efetivo para controle de
nível de tanques: processo com resistência (válvula na saída) e integrador (bomba
na saída).
a) Obtenção de GP e Gd:
Balanço de massa:
d (  Ah )
=  Fent ( t ) −  Fsai ( t ) (8.50)
dt
dh
A  ( t ) −  Fsai ( t )
=  Fent
dt
Ash ( s ) = Fent
 ( s ) − Fsai ( s ) (8.51)
1 1
h ( s ) =  (s) −
Fent Fsai ( s )
As As
1 1
GP ( s ) = − , Gd ( s ) = (8.52)
As As
GP e Gd possuem um único pólo em s = 0, isto é, são funções de transferência

do tipo integradoras (capacitância pura), de modo que a resposta a degrau na entrada
será na forma de uma rampa, como exibido na Figura 8.11:
224 Souza & Trica

h'(t)
tg θ = 1/A
t
Figura 8.9. Resposta de h’(t) para um degrau em Fent(t), exemplo de processo
integrador.
b) Obtenção de GSP e GCarga:
c ( t ) = ce + KC ( t ) (8.53)
c ( t ) = ce + K C  K m hSP ( t ) − hm ( t )  (8.54)
A ação reversa ou direta deve ser escolhida analisando-se os sinais dos

ganhos de todos os elementos da malha. No caso de KP, neste exemplo do tanque em
que a válvula está na saída, o nível reduz quando se aumenta a vazão de saída. Logo,
KP < 0. Como Km é tipicamente positivo, precisa-se analisar o ganho da válvula de
controle. A observação a seguir permite com que essa investigação seja feita.
OBS2: Válvula pneumática “falha fechada” (FC, fail close) ou “ar para abrir” (AO, air
to open) versus “falha aberta” (FO, fail open) “ar para fechar” (AO, air to
close)
Sendo a válvula FC, se falta ar de instrumento para abri-la (falha), então ela
fecha. Sendo a válvula FO, se falta ar de instrumento para fechá-la (falha), então ela
abre. Essa forma de atuação depende basicamente do projeto da válvula, conforme
ilustrado na Figura 8.10. Percebe-se da figura que se a haste se desloca para cima,
devido à falta do ar comprimido sobre uma membrana sensível, o elemento tampão
(ou plug ou obturador) vai fechar (válvula FC) ou abrir a válvula (válvula FO).
Souza & Trica 225

Figura 8.10. Atuação da ação de controle em válvulas do tipo fail close ou falha
fechada (FC) e fail open ou falha aberta (FO).
A escolha do tipo de válvula depende dos requisitos de segurança do

processo. Ou seja, em caso de falha, deve-se escolher a condição mais segura (válvula
aberta ou fechada).
Admitindo que, para um tanque valvulado, em caso de falha, geralmente é

mais seguro isolar-se o tanque fechando válvulas de entrada e saída, vai-se admitir
válvula do tipo FC. Bombas sempre serão FC devido à interrupção da alimentação
elétrica ou pneumática. Portanto, Kf > 0 para o exemplo em estudo.
Dessa forma, como neste exemplo, KP < 0, Kf > 0 e Km > 0, para KPKCKfKm >
0 deve-se necessariamente adotar ação direta (-KC) > 0. Dessa forma, sempre que o
nível aumentar para um valor superior ao do set-point, a sua medição também
aumentará (pois Km > 0), a saída do controlador aumentará (devido à ação direta) e a
válvula aumentará sua abertura (ar para abrir), aumentando a vazão de saída e
corrigindo o desvio do nível em relação a seu set-point.
Assim, desprezando-se os efeitos dinâmicos do elemento de medida e do

elemento final de controle, tem-se:
GSP ( s ) =
( −1 As )( − K C ) K f K m  As
(8.55)
1 + ( −1 As )( − K C ) K f K m As
KC Kf Km
GSP ( s ) = (8.56)
As + K C K f K m
226 Souza & Trica

GCarga ( s ) =
(1 As ) 
As
(8.57)
1 + (1 As )( − K C ) K f K m As
1
GCarga ( s ) = (8.58)
As + K C K f K m
c) offset problema servo:
h ( s ) = GSP ( s ) hSP
 (s) (8.59)
KC Kf Km B KC K B
h ( s ) =  =  (8.60)
As + K C K f K m s As + K C K s
1 B
h ( s ) = 
A (8.61)
s +1 s
KC K
offset = B − lim sh ( s ) = B − B = 0 (Exceção processos integradores!) (8.62)

s →0
d) offset problema regulador:
h ( s ) = GCarga ( s ) d  ( s ) (8.63)
1
KC K D
h ( s ) =  (8.64)
A
s +1 s
KC K
D D
offset = D − lim sh ( s ) = 0 − =− (8.65)
s →0 KC K KC K
Souza & Trica 227

e) Discussão:
Esse processo é uma exceção porque não exibiu, com controle P, offset para
o problema servo. Contudo, apresenta offset para o problema regulador. Como se
trata de um controle menos exigente, em que se quer garantir apenas a presença de
um nível mínimo no tanque – evitar cavitação da bomba – o controle proporcional
pode ser aplicado projetando o mesmo para obter-se offsets aceitáveis. Supondo que
no estado estacionário:
Fent,e = Fsai,e = 150 gpm, he = 6 ft, ce = 12 mA
Se ocorrer uma variação em Fent(t), sendo aumentada para 170 gpm, no novo
estado estacionário, para ser ter nível constante Fsai(t → ∞) = 170 gpm. Para o novo
estado estacionário, c(t) deverá ter valor maior que ce. Supondo que para c(t → ∞) =
14 mȦ tem-se Fsai = 170 gpm, o nível não terá o mesmo valor do estado estacionário
inicial, como seria desejado para manter o set-point, pois:
c ( t →  ) = ce + ( − KC )  ( t →  ) (8.66)
10 = 9 + ( − KC )  ( t →  ) (8.67)
−1
 (t →  ) = (8.68)
KC
Um erro não nulo é, portanto, necessário para que o sinal enviado à válvula
seja maior que ce , com o objetivo de manter Fsai = 170 gpm. Como consequência,
existe offset não nulo. Em outras palavras, a equação (8.67) só é satisfeita com erro
não nulo. Esse offset pode ser minimizado pelo aumento de KC, conforme mostra a
equação (8.68), mas com risco de instabilizar o sistema devido às dinâmicas não-
desprezíveis do elemento atuador e medidor para altos valores de KC, como já
afirmado anteriormente.
228 Souza & Trica

A presença de offset é inerente ao modo P. Para erro nulo, um termo

adicional é necessário no lado direito da equação (8.67) para que se obtenha uma
igualdade. Ou seja, um modo adicional de controle é necessário. A seguir, se estudará
o modo integral com o fim de se eliminar offsets.
8.4. Controle Proporcional e Integral (PI)
A lei do controlador proporcional e integral contínuo (analógico),

implementado eletronicamente ou de modo pneumático, é dada por:
t
KC
c ( t ) = K C ( t ) +   ( ) d + c (8.69)
I
e
0
tal que:
τI, é um parêmtro com dimensão de tempo, chamado de tempo integral ou

tempo de reajuste ou reset time. É um parâmetro de sintonia do controlador e
usualmente está na faixa 0,1 min ≤ τI ≤ 50 min.
Para ilustrar as características de um PI, a Figura 8.11 exibe a sua resposta a um

degrau ε(t) = E.
c(t) Controle PI
ce + 3KCE
ce + 2KCE
Controle P
ce + KCE
ce
τI 2τI t
Figura 8.11. Gráfico de c(t) para degrau no erro, ε(t) = E, e controlador PI.
Souza & Trica 229

Percebe-se que no tempo em que o degrau é aplicado, t = 0, a resposta do

controlador salta do valor estacionário ce para KCE, que corresponde à saída do
controlador P. Para um período de tempo igual a τI o modo PI repete a ação da mudança
P inicial na sua saída, por isso, o nome tempo de reajuste ou reset time. Percebe-se que
a reta é tão mais inclinada quanto maior KC e menor τI. Logo, quanto menor for τI, maior
será a ação I (integral). Dessa forma, pode-se depreender que a atuação de um PI será
tipicamente mais rigorosa que a de um P e que um PI atua enquanto houver erro.
Outra característica do controle PI pode ser vista na Figura 8.12, que exibe uma
curva de erro. Perceba que o erro final pode ser nulo, mas que o termo integral
(somatório da área sob a curva) é não nulo. Com isso, o controle PI pode alcançar estado
estacionário final com offset nulo. Na equação (8.67) do Exemplo 8.2, a igualdade
poderia ser satisfeita no EE final com erro nulo e o termo integral igual a 1.
ε(t)
+
t
−
Figura 8.12. Exemplo de variação de ε(t) de um processo com controle PI.
Variáveis Desvio:
t
KC
 ( 0 ) = 0  c ( t ) = K C  ( t ) +    ( ) d (8.70)
I 0
Domínio de Laplace:
t  1
  f ( t ) dt  =  f ( t )  (8.71)
0  s
230 Souza & Trica

c ( s )  1    Is + 1 
GC  = K C 1 +  = KC   (8.72)
 ( s )   Is    Is 
8.4.1. Efeito do Controle PI na Malha Fechada de Processos de 1° Ordem
Como realizado para o controle P, vai-se desprezar as dinâmicas dos elementos

de medida e elemento final de controle (Gf ≈ Kf, Gm ≈ Km) na análise dos problemas
servo e regulador. Considerando um processo de 1ª ordem.
KP Kd
GP = , Gd = (8.73)
 Ps + 1  ds + 1
Problema Servo:
K P K C K f K m ( I s + 1)
GSP ( s ) = (8.74)
 I P s +  I s (1 + K P K C K f K m ) + K P K C K f K m
2
A função de transferência em malha fechada teve sua ordem aumentada (para

2° ordem). Deve ser notada também a presença de um zero finito não-positivo.
Reescrevendo GSP:
 Is + 1
GSP ( s ) = (8.75)
  s + 2  s + 1
2 2
 I P
 = (8.76)
KP KC Kf Km
1 I P
 = (1 + K P K C K f K m ) (8.77)
2 KP KC Kf Km
A diminuição de τI torna a resposta mais rápida (dentre aquelas com ação

integral) e mais oscilatória, pois diminui tanto τ’ quanto ξ’, conforme as equações (8.76)
e (8.77). Com o aumento de KC, ξ’ também diminui, tornando a resposta mais rápida. O
aumento de KC, de acordo com a equação (8.77) indica que ξ’ aumenta. Esse efeito é
considerado anômalo (Seborg et al., 2011) e só ocorre devido às simplificações
Souza & Trica 231
consideradas. Na prática, ξ’ diminui com o aumento de KC, tornando a resposta mais

oscilatória, devido às dinâmicas não-desprezíveis do elemento atuador (final) e medidor.
A presença das dinâmicas destes elementos na função de transferência em malha
fechada torna esse sistema de ordem superior, acima de 2° ordem.
Cálculo do offset:
Supondo degrau de magnitude B no set-point:
B
 (s) =
ySP (8.78)
s
 Is + 1 B
y ( s ) =  (8.79)
  s + 2  s + 1 s
2 2

t → s →0
offset  B − B
( I  0 + 1) = B − B = 0 . Não há offset (8.81)
 2  02 + 2    0 + 1
Problema Regulador:
K d I
s
KP KC Kf Km (8.82)
GCarga ( s ) = 2 2
  s + 2  s + 1
Cálculo do offset:
D
d ( s ) = (8.83)
s
K d I
s
KP KC Kf Km D (8.84)
y ( s ) = 2 2 
  s + 2  s + 1 s

t → s →0
232 Souza & Trica

K d I
0
KP KC Kf Km (8.86)
offset  0 − D 2 2 = 0 − 0 = 0 . Não há offset
   0 + 2    0 + 1
Resumindo, pode-se dizer que a presença de ação integral torna – em

comparação ao controle P – a resposta em malha fechada mais lenta (pois aumenta a
ordem), mas elimina o offset. Para tornar a resposta mais rápida com controle PI, deve-
se diminuir τI, mas isso, em contrapartida, resulta em um comportamento oscilatório.
8.5. Controle Proporcional, Integral e Derivativo (PID)
A lei ideal do controlador proporcional, integral derivativo contínuo

(analógico), implementado eletronicamente ou de modo pneumático, é dada por:
d ( t )
t

KC
c ( t ) = K C ( t ) +  ( ) d + K C D + ce (8.87)
I dt
0
tal que τD, tempo derivativo, é um parâmetro de sintonia do controlador, expresso em

unidades de tempo.
A Figura 8.15, que ilustra um perfil transiente de erro, é aqui empregada para
explicar os benefícios do uso da ação derivativa. Nela, percebe-se que nos tempos
indicados tA e tB o valor do erro é igual. Logo, um controlador P nesses dois tempos
produziria a mesma saída c(t). Já um controlador PI, produziria uma saída maior em tB
que em tA, dado o aumento do termo integral em tB. Ocorre que em tA, o erro está
aumentando e em tB, diminuindo. Assim, o controlador não deveria agir igualmente
nesses dois tempos, como o faz o P, muito menos tomar uma atitude mais enérgica em
tB, como exerce o PI. A ação do controlador deveria ser mais forte em tA (derivada do
erro positiva) e mais fraca em tB (derivada do erro negativa).
Dessa forma, devido ao termo dε(t)/dt, o PID antecipa como o erro será no
futuro imediato e aplica uma ação de controle que inclui um termo proporcional à taxa
de mudança atual do erro.
A expressão em (8.87) é genérica para qualquer controlador: P, PI ou PID. Por

exemplo, o controlador proporcional pode ser obtido levando o parâmetro de tempo
integral ao infinito (ou usando o maior valor possível) e de tempo derivativo a zero. O
controlador PI teria somente o tempo derivativo nulo.
Souza & Trica 233

ε(t)
tA tB t
Figura 8.13. Curva de erro, mostrando a tendência do erro em tempos específicos.
Variáveis Desvio:
KC
t
d  ( t )
 ( 0 ) = 0  c ( t ) = K C  ( t ) +    ( ) d + K  (8.88)
I
C D
0 dt
Domínio de Laplace:
 df ( t ) 
  = s  f ( t )  (8.89)
 dt 
c ( s )  1     s2 +  Is + 1 
GC  = K C 1 + +  D s  = KC  I D  (8.90)
 ( s )   Is    Is 
A ação derivativa pode ser interpretada como uma lei de controle baseada nos
valores futuros do erro, utilizando a taxa de variação do erro atual. A ação proporcional
é baseada no valor presente do erro e a ação integral nos valores passados e atual do
erro.
A adição da ação derivativa na lei de controle em teoria possui vários

benefícios, o principal é a redução do nível de oscilação devido ao caráter antecipatório.
Outra possibilidade seria a redução da ordem da resposta em malha fechada do
problema servo de um processo. Seja o seguinte sistema de 2° ordem em malha fechada
apresentado na Figura 8.14 e nas equações a seguir.
234 Souza & Trica
Figura 8.14. Malha de controle PID para um processo de 2° ordem.
KP
GP = (8.91)
 P s + 2 P s + 1
2 2
   s2 +  Is + 1 
GC = K C  I D  (8.92)
  Is 
  I D s 2 +  I s + 1  1 
GPGCGf Gm = K C K P K f K m   2 2  (8.93)
  Is   P s + 2 P s + 1 
Se o modelo do processo for exatamente conhecido e o controlador for

ajustado com os seguintes parâmetros de sintonia baseados nos parâmetros da malha:
1
KC = (8.94)
KP Kf Km
 I = 2 P (8.95)
 P2 
 I D =  P 2   D = = P (8.96)
2 P 2
Então:
1 1
GPGCGf Gm = = (8.97)
 I s 2 P s
Souza & Trica 235

1
GPGCGf Gm 2 P s
GSP = = (8.98)
1 + GPGCGf Gm 1 + 1
2 P s
1
GSP = (8.99)
2 P s + 1
A adição do termo derivativo na lei de controle foi capaz de reduzir a função de

transferência GSP de 2° ordem para 1° ordem com a sintonia proposta. A ação
proporcional pura manteria a função de transferência em 2° ordem e a ação integral
aumentaria a ordem, de 2° para 3° ordem. Vale ressaltar que a ação derivativa não é
capaz de eliminar o offset, assim como é possível com a ação integral. Como a derivada
é nula para erro constante, a ação derivativa não tem efeito sobre o offset.
A equação (8.90), com os modos P, I e D somados, corresponde a uma versão

em paralelo da lei ideal do PID, como ilustrado na Figura 8.15. Na prática a ação
derivativa implementada desta maneira é fisicamente irrealizável. Para um degrau no
set-point (acarretando degrau E no erro), a ação derivativa gerará um termo no domínio
de Laplace igual a KCτDE. Esse termo resultará em um impulso de magnitude KCτDE no
domínio do tempo. Ou seja, devido à ação derivativa, o controlador reagirá à mudança
degrau no erro com uma resposta impulsional, o que causaria danos à válvula de
controle, mudando abruptamente (derivative kick ou chute derivativo) de sua posição
inicial para totalmente aberta ou totalmente fechada (se ar-para-abrir ou ar-para-
fechar).
Figura 8.15. Resposta de um PID em paralelo a um degrau no erro.
236 Souza & Trica

Outro problema com o uso do PID ocorre na presença de ruído de medida na

variável medida. Se τD for muito grande, o ruído de medida tende a ser amplificado e a
resposta pode se tornar oscilatória. A ação derivativa é pouco aplicada na indústria,
sendo verificadas aplicações no controle de temperatura de líquidos em vasos e reatores
porque nestas condições a medição e processo apresentam ruído muito baixo.
O fato de dispor de três parâmetros de sintonia se torna um problema adicional

para o uso do PID, uma vez que no ambiente industrial ainda é prevalente o
desconhecimento de métodos de sintonia. Assim, essa questão “cultural” se constitui
também em um empecilho para o uso do PID.
Algumas modificações da lei de controle PID ideal, equação (8.87), para tratar
esses e outros problemas, são apresentadas no item 8.6.
8.6. Modificações e Diferentes Expressões de Controladores PID
A seguir são apresentadas algumas terminologias e modificações da lei de

controle PID aplicadas na indústria.
8.6.1. Controlador PID Paralelo
A expressão em (8.87) pode ser expressa em termos de ganhos para cada ação:
proporcional, integral e derivativa:
d ( t )
t

c ( t ) = K C ( t ) + K I  ( ) d + K D
0
dt
+ ce (8.100)
tal que:
KC é o ganho da ação proporcional;
KI é ganho da ação integral;
KD é o ganho da ação derivativa.
Os parâmetros KI e KD estão relacionados com KC, τI e τD da seguinte forma:
KC
I = (8.101)
KI
Souza & Trica 237

KD
D = (8.102)
KC
KC é o mesmo em ambas as expressões. A expressão em paralelo é mais

genérica e flexível para realização de ajustes, porém não possui tanto significado físico
quanto a expressão convencional, esta última sendo preferida nas aplicações industriais.
Entretanto, ambas são facilmente convertidas entre si através da relação entre os
parâmetros.
8.6.2. Anti windup ou Reset windup
Windup é o termo utilizado para o acúmulo de um valor alto do termo integral

quando o erro é mantido por um longo período. Este fenômeno ocorre basicamente
devido às limitações físicas dos elementos finais de controle, sendo um clássico exemplo
a abertura de uma válvula que possui limites entre 0 e 100 %. Assim, quando uma válvula
satura, abrindo totalmente, o fluxo através dela atinge valor máximo e o controlador
não tem mais efeito sobre a variável controlada, de modo que o erro enviado ao
controlador permanece constante e o termo integral aumenta continuamente (windup).
Algumas causas possíveis para isso são: grandes variações de set-point ou grandes
distúrbios no processo. Quando essas causas cessam e o erro muda de sinal, o valor
acumulado no termo integral permanece elevado por um longo período de tempo até
sentir a mudança de direção do erro, acarretando na manutenção da válvula totalmente
aberta por mais um longo período de tempo.
Anti windup ou Reset windup são as soluções aplicadas na lógica de controle

para que se evite o aumento contínuo do termo integral quando ocorre saturação do
processo. Alguns exemplos são:
• Congelar o valor do termo integral até que a variável saturada retorne a região
de controlabilidade;
• Estipular limites de máximo e mínimo para o valor do termo integral;
• Recálculo do termo integral garantindo limites factíveis para a variável

saturada.
8.6.3. Inicialização Suave (“Bumpless Initialization”)
As lógicas de controle implementadas em campo geralmente possuem a

ferramenta de inicialização suave ou “Bumpless initialization”, a qual recalcula o valor
238 Souza & Trica

acumulado do erro integral evitando descontinuidades do valor de saída do controlador

quando modificados um de seus parâmetros. Uma implementação simples que evita tais
descontinuidades é dada por:

KC
I=  ( ) d (8.103)
0 I
tal que I é o valor acumulado para o termo integral. Conforme expressão acima, quando
modificados os parâmetros KC e/ou τI, a contribuição de seus novos valores será
pequena comparado com o valor de I, pois KC e τI só estarão multiplicando o próximo
valor de erro registrado após a mudança. Os parâmetros de controle fora da integral
resultariam na multiplicação de I por KC/τI e acarretaria na mudança abrupta do sinal
enviado pelo controlador.
8.6.4. Ponderação do Set-point (“Proportional and Derivative Mode Set-point

Weighting”)
O fenômeno de derivative kick inerente da ação derivativa ideal pode ser

evitado modificando a expressão da ação:
dym ( t )
t

KC
c ( t ) = K C ( t ) +  ( ) d − K C D + ce (8.104)
I dt
0
Desta forma, mudanças do tipo degrau no set-point não acarretam resposta do

tipo impulso da ação derivativa, o que protege o elemento final de controle. Vale
ressaltar que esta modificação ainda não é muito vantajosa, pois, dependendo do tipo
de variável sendo controlada, ym pode apresentar bastante ruído, inerente do elemento
medidor ou do próprio processo (i.e., escoamento turbulento). A ação derivativa
poderia amplificar o ruído, transmitindo o sinal amplificado ao elemento final de
controle desgastando-o. É possível implementar um filtro do tipo passa-baixa – função
de transferência de 1° ordem: 1/(τF·s+1) – para filtrar os ruídos de alta frequência da
medição.
O fenômeno de kick também ocorre para a ação proporcional quando se realiza

mudança degrau no set-point. A resposta não é do tipo impulso, mas é uma mudança
descontínua no valor de saída da ação proporcional. Modificando a lei do PID
similarmente ao feito na equação (8.104), mas agora para incluir o termo proporcional
diretamente na variável medida, tem-se que:
Souza & Trica 239
dym ( t )
t
  ( ) d − K 
KC
c ( t ) = − K C ym ( t ) + + ce (8.105)
I
C D
dt
0
Desta forma, mudanças do tipo degrau no set-point não acarretam qualquer

mudança abrupta do sinal enviado pelo controlador. Note que o erro deve continuar
sendo utilizado pela ação integral para que seja garantido offset nulo.
A generalização destas duas modificações pode ser expressa pelo seguinte

conjunto de equações:
d D ( t )
t

KC
c ( t ) = K C C ( t ) +  ( ) d + K C D + ce (8.106.a)
I dt
0
 ( t ) = ySP ( t ) − ym ( t ) (8.106.b)
 C ( t ) =  ySP ( t ) − ym ( t ) (8.106.c)
 D ( t ) =  ySP ( t ) − ym ( t ) (8.106.d)
tal que β e γ são pesos com valores geralmente entre zero e um. Note que o caso de
eliminação do derivative kick é quando γ = 0 e do proportional kick quando β = 0. Outras
formas de evitar o fenômeno de kick é realizando modificações graduais e contínuas no
set-point, por exemplo por uma função de transferência de 1° ordem ou uma função do
tipo rampa.
8.6.5. Versão em Série de Controladores PID
Podem ser encontradas na indústria aplicações em série das ações

proporcional, integral e derivativa. A forma mais comum são os controladores PI e PD
em série, tendo um filtro passa-baixa implementada na ação PD:
c ( s )   s + 1   D s + 1 
= KC  I   (8.107)
 ( s )   I s   D s + 1 
tal que α tipicamente possui valores entre 0,05 e 0,2.
240 Souza & Trica

8.7. Lei de Controle PID Digital
Atualmente a grande maioria dos sistemas de instrumentação e controle é

digital, isto é, são utilizados elementos medidores analógicos/digitais que medem as
variáveis de processo de forma analógica e transmitem os dados de forma digital,
facilitando o processamento e registro dos dados.
As lógicas de controle implementadas neste cenário são, portanto, digitais e

descritas no tempo discreto (em tempos de amostragem). Assim, faz-se necessário
desenvolvimento de leis de controle discretas (ou digitais), convenientes para aplicação
em computadores ou controladores lógicos programáveis (CLPs ou PLCs, do inglês,
Programmable Logical Controllers).
Seja Δt o tempo de amostragem ou tempo de aquisição da arquitetura digital

(com valores típicos da ordem de 1 a 100 ms) e ε(k) o erro calculado no k-ésimo instante
de amostragem, o modelo contínuo de ym(t) e as ações proporcional, integral e
derivativa no domínio do tempo podem ser aproximadas com o recurso das diferenças
finitas:
t = t ( k ) − t ( k − 1) (8.108)
t k

0
 ( ) d   ( j ) t
j =1
(8.109)
d ( t )  ( k ) −  ( k − 1)
 (8.110)
dt t
Quanto menor for Δt, isto é, no limite quando Δt tende à zero, o desvio da
aproximação por diferenças finitas em relação ao modelo contínuo no domínio do
tempo vai se tornando nulo. Substituindo as aproximações discretas na lei contínua do
PID, equação (8.87), obtém-se as leis de controle PID digital ou discreta do tipo posição
– equação (8.111) – e do tipo velocidade – equação (8.113):
 t
k
D 
c ( k ) = K C    ( k ) +

 I 
j =1
 ( j ) +
t
  ( k ) −   ( k − 1)  


(8.111)
Souza & Trica 241

k −1
t D
c ( k − 1) = K C   ( k − 1)  +
I 
j =1
 ( j ) +   ( k − 1) −   ( k − 2 )
t 
(8.112)
c ( k )  c ( k ) − c ( k − 1) =
 t   (8.113)
K C    ( k ) −   ( k − 1) +   ( k ) + D   ( k ) − 2  ( k − 1) +   ( k − 2 )  
 I t 
8.8. Instrumentação em Sistemas de Controle
O elemento de medida e o elemento final de controle fazem a interface entre

o processo e o controlador e vice-versa. O sucesso de um sistema de controle vai
também depender do projeto e seleção adequados desses elementos.
As suposições comumente feitas para simplificar o projeto de controle – de

comportamento linear dos instrumentos e elementos finais de controle e dinâmica
desprezível da instrumentação e sinal de transmissão – dependem do projeto e
especificação adequados desses instrumentos.
Assim, estudam-se, a seguir, os sinais de transmissão padronizados para

sistemas de controle; os transdutores (conjunto sensor-transmissor), destacando os
sensores tipicamente utilizados nas indústrias químicas e a nomenclatura utilizada para
transmissores e as válvulas pneumáticas como elementos finais de controle.
8.8.1. Sinais de Instrumentação Padronizados
Os instrumentos de um sistema de controle em campo, isto é, os componentes

que fazem parte do hardware, geralmente são analógicos do tipo eletrônicos e
pneumáticos. Quando pneumáticos, a planta de processamento conta com uma
unidade de ar de instrumento, a qual utiliza ar da atmosfera e o comprime para
distribuição nos diferentes instrumentos e elementos finais de controle.
Os sinais eletrônicos usualmente são utilizados para transmissão da informação

desde o instrumento sensor – o qual quantifica a variável de processo – até o elemento
final de controle, passando pelo bloco controlador. Antigamente (ou em plantas de
processamento já obsoletas) os sinais pneumáticos desempenhavam a função dos sinais
eletrônicos. A transmissão da informação através de sinais eletrônicos é mais confiável,
menos ruidosa e mais rápida, de forma que seu uso é preferido. Os sinais pneumáticos
242 Souza & Trica

ainda são utilizados para realizar comando sobre os elementos finais de controle,
geralmente nos diafragmas de válvulas de controle.
Por padronização, os sinais eletrônicos são utilizados como corrente contínua

e se situam entre 4 e 20 mȦ, quando a informação é transmitida em forma de corrente
elétrica e entre 1 e 5 V, quando na forma de tensão elétrica. Os sinais pneumáticos com
ar comprimido se situam entre 3 e 15 psig. A conversão entre sinais elétricos e
pneumáticos é efetuada através de transdutores específicos para tal fim.
8.8.2. Transdutores
Transdutores são dispositivos que convertem informação física ou química:

pressão, temperatura, composição ou concentração, pH, etc., quantificada através de
um sensor e a transmite em uma dada forma física alternativa, elétrica ou pressão
(pneumática) através de um transmissor, conforme apresentado na Figura 8.16.
Usualmente na prática utiliza-se a palavra transmissor para representar o transdutor,
isto é, o bloco sensor-transmissor.
Figura 8.16. Um transdutor típico.
Sensores
Algumas variáveis de processo são medidas de forma relativamente fácil: vazão

volumétrica de fluidos, pressão, temperatura e nível, por existirem tecnologias de
instrumentação bem robustas, desenvolvidas e amplamente utilizadas nas indústrias de
processamento químico. Por outro lado, há variáveis inerentemente difíceis de medir
(quantificar): composição química, vazão de sólido, etc.
A falta de elementos sensores apropriados para muitas variáveis de processo é

uma limitação fundamental à aplicação de controle de processos, visto que a informação
do comportamento da variável não consegue ser passada para o controlador.
Para cada variável e cada sensor, diferentes princípios físicos podem estar
envolvidos. A seguir são apresentados alguns sensores importantes na indústria de
processos químicos. A apresentação objetiva apenas ilustrar algumas aplicações típicas.
Souza & Trica 243
Um estudo mais aprofundado foge ao escopo deste livro e pode ser feito consultando
referências como o Handbook de Lipták (2003).
Sensores de Temperatura
O termopar é, possivelmente, o mais usado de todos os tipos de sensores de

temperatura, especialmente quando se trata de altas temperaturas, sendo a faixa mais
comum de 200 a 1.000 °C. Esse sensor se baseia no princípio descoberto por Seebeck de
que qualquer diferença de temperatura entre as junções de dois metais diferentes gera
uma diferença de potencial, isto é, uma força eletromotriz, entre essas junções.
Estando uma das extremidades em contato com a fonte de calor e a outra no

meio ambiente, haverá uma diferença de temperatura entre as junções e,
consequentemente, uma diferença de potencial, isto é, uma voltagem em mV. Essa
pequena tensão formada pela diferença de temperatura é indicada diretamente em um
voltímetro convenientemente calibrado em escala de temperatura (este tipo é chamado
pirômetro) ou ampliada eletronicamente e depois transmitida para um bloco de
controle.
Para proteger o termopar contra danos e mantê-lo em contato indireto com a

fonte de calor (por exemplo, um fluido sendo processado ou em escoamento), o mesmo
é instalado em “poços” (ou termopoços) de pequena espessura para fácil passagem do
calor. Há poços de diversos materiais sendo utilizadas na indústria química, a depender
da compatibilidade do tipo de fluido em contato e também do serviço, a baixas ou altas
temperaturas. A Figura 8.17 exibe uma fotografia de um termopar (a) e de um
termopoço (b).
(a) (b)
Figura 8.17. Fotografias de (a) um termopar; (b) um termopoço (de LADES/EQ/UFRJ).
244 Souza & Trica

Balanços de energia dinâmicos podem ser empregados para descrever o

comportamento de termopares em termopoços, levando em conta a capacidade de
armazenamento de energia da parede do termopar e do próprio termopar e também as
resistências à transferência de calor (parede do termopar, película de fluido, etc.)
(Stephanopoulos, 1984). Alternativamente, esse comportamento dinâmico também
pode ser descrito a partir de procedimentos de identificação, a partir de dados
experimentais. Tipicamente funções de transferência de 1ª ordem ou de 2ª ordem
superamortecidas descrevem o comportamento desses elementos.
Sensores de Pressão ou Atuados por Pressão
O dpcell ou transmissor de pressão diferencial ou célula de pressão diferencial,

Figura 8.18, é um dispositivo com diafragma que converte a diferença de pressão em
um sinal padrão pneumático ou elétrico. Diferenças de pressão causam pequenos
deslocamentos do diafragma sensível. A posição do diafragma é detectada pelas placas
do capacitor em ambos os lados do diafragma. A capacitância diferencial entre o
diafragma e os pratos capacitores é convertida em voltagem de corrente contínua.
Um sinal de pressão é transferido através de um diafragma isolante e líquido

de enchimento para o diafragma sensível (de metal). Do outro lado do diafragma
sensível, pode-se ter uma pressão de referência ou outra tomada de impulso. Quando o
outro lado do diafragma está aberto para atmosfera, se mede a pressão manométrica.
(a) (b)
Figura 8.18. Transdutor de pressão diferencial de capacitância variável (dpcell) série
LD400 da SMAR©. (a) Instalado no campo. (b) Esquema geral.
Souza & Trica 245

Sensores de Vazão Volumétrica por Diferencial de Pressão
A quantificação da vazão volumétrica de fluidos escoando em tubulações

usualmente é realizada através da medição do diferencial de pressão, ΔP,
imediatamente a montante e jusante de um estreitamente ou restrição qualquer. Com
o ΔP, utiliza-se uma relação do tipo (8.114) entre o ΔP, a área da restrição A e a vazão
volumétrica F:
F = KA ΔP (8.114)
A Figura 8.19 mostra uma placa de orifício que pode ser colocada na tubulação,
para provocar a queda de pressão e permitir o cálculo da vazão.
Figura 8.19. Fotografia de uma placa de orifício (de LADES/EQ/UFRJ).
Sensores de Composição ou Concentração
A quantificação on-line (ou em linha) – isto é, através de sensores de forma

automatizada em campo – da composição ou concentração de uma corrente em uma
planta de processo ainda é um desafio para os engenheiros. Usualmente, obtêm-se tais
informações off-line, através da tomada de amostras das correntes, as quais são
enviadas ao laboratório de controle de qualidade da indústria para análise.
Todo esse processo é oneroso, pois gasta-se com técnicos químicos, reagentes,
materiais de laboratório, etc. Além disso, devido à demora da coleta de amostras e da
análise química, entre outros fatores, a frequência de análises é baixa e se adquire
informação em quantidade insuficiente para ajustes rápidos em variáveis de processo,
podendo-se levar ao desenquadramento de correntes e produtos por distúrbios.
246 Souza & Trica

A medição da composição de uma corrente de processo em linha ainda é mais

desafiante e mais onerosa que a medição off-line. Em vez dos ensaios químicos
realizados nos laboratórios, a medição em linha usualmente se baseia nos princípios
físicos como por exemplo: 1) relacionar a fração mássica ou molar de um componente
de uma corrente líquida ao pH ou à condutividade. 2) a concentração de um
componente de uma corrente gasosa às suas absorções em infravermelho (IV) ou
ultravioleta (UV) etc.
Alguns exemplos de sensores para medição de composição e respectivos

princípios utilizados nas indústrias de processamento são apresentados na Tabela 8.1.
Tabela 8.1. Princípios usualmente utilizados para quantificação da composição ou

concentração de correntes em linha nas indústrias de processamento químico.
Princípio utilizado Descrição
Frequência de vibração de moléculas específicas,
Espectroscopia IV e analisador de radição UV examinadas pela absorção de radiação
eletromagnética.
Possibilita a medição de muitos componentes de
uma corrente ao mesmo tempo.
Semelhante à cromatografia automatizada
realizada em laboratórios. A amostra passa por
uma coluna microporosa, de forma que os
diferentes componentes escoam com diferentes
tempos de residência devido as interações físico-
químicas com o material da coluna. Os
componentes saem da coluna mais concentrados
Cromatografia gasosa
em determinados períodos de tempo e são
quantificados através de espectroscopia ou outro
mecanismo.
A diferença entre a cromatografia de laboratório
e em linha (em campo) usualmente reside no
sistema de preparo da amostra.
A aquisição de dados possui atraso no tempo,
devido ao tempo de resposta do escoamento ao
longo da coluna cromatográfica.
Comumente utilizado em colunas de destilação,
como controle da temperatura do prato ótimo.
Através das relações de equilíbrio líquido-vapor e
equações de balanço da coluna, na condição
Medição indireta através de uma variável de
operacional de projeto desejada, sabe-se qual o
processo
valor da temperatura do prato ótimo que resulta
no perfil de composição desejado. Assim, mede-
se a temperatura desse prato e projeta-se uma
malha de controle para essa variável de processo.
Souza & Trica 247

Tabela 8.1. Princípios usualmente utilizados para quantificação da composição ou

concentração de correntes em linha nas indústrias de processamento químico.
(Continuação)
Princípio utilizado Descrição
Uso de modelos empíricos ou fenomenológicos
desenvolvidos e validados pelos engenheiros de
processo em computadores para calcular com
frequência de aquisição rápida variáveis de difícil
Inferência, sensores virtuais (soft sensors) medição através de variáveis de fácil medição:
pressão, temperatura, vazão, etc.
Exemplo: Cálculo da composição da corrente de
topo de uma coluna de destilação com frequência
maior que uma cromatografia gasosa.
As redes neuronais artificiais (RNAs) (De Souza Jr., 1993), já citadas como
modelos empíricos no Capítulo 2, têm sido amplamente empregadas nas indústrias de
processamento químico como sensores virtuais. Neste caso, as redes utilizam dados de
variáveis de processo medidas em linha (tipicamente temperaturas, pressões e vazões),
cujos valores são passados para os elementos processadores (neurônios) ponderados
por pesos, e é realizada uma transformação não-linear para obtenção do resultado, isto
é, os valores preditos das variáveis de processo de interesse. Apresenta-se na Figura
8.20 um exemplo de RN com três camadas: entrada, oculta e saída para cálculo da
composição dos gases de exaustão de uma caldeira, tendo como entrada dados de
processo de fácil medida.
Figura 8.20. Exemplo de rede neuronal para inferência da composição dos gases de
exaustão de uma caldeira consumindo óleo combustível (Valdman, 2010).
248 Souza & Trica

Os chamados biossensores são também empregados para a medição de

composição. Biossensores são sistemas analíticos que combinam um componente
biológico a um transdutor, conforme Figura 8.21. Variações dos parâmetros físico-
químicos são geradas diante da interação entre o componente biológico e o substrato.
Tais variações geram íons, elétrons, calor, luz, fluorescência ou gases, que são
convertidos em sinal elétrico quantificável e processável pelo uso de um transdutor
adequado (Valdman et al., 2007).
Figura 8.21. Exemplificação de um sensor biológico ou biossensor (Lowe, 1984 apud

Valdman et al., 2007).
Transmissores
Um transmissor usualmente converte a saída do sensor para um nível de sinal

apropriado para entrada de um controlador, tal como um sinal elétrico entre 4 e 20 mȦ.
Transmissores são geralmente projetados para serem de ação direta e lineares, ou seja,
o sinal de saída aumenta de forma proporcional quando a variável medida aumenta.
Apresenta-se na Tabela 8.2 a terminologia utilizada em sistemas de automação e
controle para transdutores.
Tabela 8.2. Terminologia utilizada para transdutores.

Terminologia Descrição
Limites máximo e mínimo da variável de processo
Alcance (Range) para o qual o transdutor foi calibrado. Por
exemplo, 150 °C e 50 °C.
Intervalo entre os limites máximo e mínimo do
Faixa (Span)
alcance. Por exemplo, 150 °C - 50 °C = 100 °C.
Valor da variável de processo que corresponde à
Zero saída mínima do transdutor. Por exemplo, 50 °C
corresponde à 4 mA.
Razão da variação no sinal de saída (leitura) para
uma variação no sinal de entrada, após atingir
Sensibilidade
estado estacionário. Por exemplo:
(150 - 50) °C / (20 - 4) mA = 100/16 °C/mA.
Souza & Trica 249

A Figura 8.22 apresenta uma fotografia em que aparece um transmissor de

temperatura interligado ao cabo eletrônico do termopar, pelo qual é transmitida a
diferença de potencial.
Figura 8.22. Transmissor de temperatura série TT300 da SMAR© instalado em

campo.
8.8.3. Válvulas Pneumáticas
As válvulas pneumáticas representam a grande maioria dos elementos finais de

controle utilizados nas plantas de processamento químico. Um esquemático típico de
válvulas pneumáticas é apresentado na Figura 8.23.
Ar de instrumentação é utilizado para comandar uma válvula, atuando sobre o

seu diafragma. O sinal eletrônico transmitido ao longo da malha de controle é
convertido para sinal pneumático através de um transdutor corrente/pressão, I/P. A
pressão aplicada pelo ar sobre a área do diafragma abaixa ou eleva a haste conectada
ao diafragma, a qual possui o plug ou obturador em sua extremidade, restringindo ou
aumentando o fluxo do fluido escoando pelo corpo da válvula.
A vazão volumétrica do fluido F (igual a “u”, a variável manipulada) escoando

pela válvula vai depender da posição do obturador, dada pela seguinte relação
(expressão não é válida para líquidos vaporizando/vapores condensando devido à
redução da pressão):
ΔP
F = u = KV f ( x ) (8.115)

250 Souza & Trica

Figura 8.23. Desenho esquemático típico de uma válvula pneumática

(Seborg et al., 2011).
tal que:
ΔP é a diferença de pressão a montante e a jusante da válvula;
KV é a constante da válvula em unidades de área;
ρ é a massa específica do fluido escoando;
x é a posição do obturador, expressa em fração entre 0 e 1.
A função f(x) é o que determina a característica inerente da válvula e será

descrita em mais detalhes a seguir.
A característica inerente de uma válvula determina como se comporta a vazão

volumétrica em função da abertura do obturador. As válvulas existentes no mercado
possuem as mais variadas características, sendo as mais comuns: linear, raiz quadrada,
igual percentagem, parabólica, hiperbólica e abertura rápida. Tais comportamentos são
obtidos com diferentes formatos geométricos do obturador. As relações de f(x) para
cada característica são dadas por:
Linear f ( x) = x (8.116)
Raiz quadrada f ( x) = x (8.117)
Souza & Trica 251

Igual
f ( x ) = e ( x −1) = R x −1 (8.118)
percentagem
Parabólica f ( x ) = x2 (8.119)
1
Hiperbólica f ( x) = (8.120)
 − ( − 1) x
tal que R é um parâmetro de projeto usualmente na faixa de 20 a 50 (Seborg et al.,

2011).
Válvulas do tipo “abertura rápida” não possuem uma equação característica

definida. A expressão a seguir pode ser utilizada para modelar f(x) para esse tipo de
válvula, utilizando como valor padrão α = 10.
x
f ( x) =
1 + ( 2 − 1) x 2
(8.121)
Tipicamente ao se projetar o sistema de controle, deseja-se um

comportamento linear. Contudo, o que se quer é garantir as características instaladas
da válvula. Como o ΔP varia com a vazão, uma válvula com característica inerente não-
linear normalmente oferece condições mais lineares após a instalação que uma válvula
linear (Seborg et al., 2011). Desse modo, é mais comum a escolha de uma válvula igual
percentagem, por exemplo.
Dinâmica de Válvulas Pneumáticas
A posição da haste de uma válvula pneumática, x, segue uma dinâmica inerente

de 2ª ordem, devido à presença da mola para amortecer movimentos bruscos da haste
e evitar golpes do obturador sobre o corpo da válvula.
Aplicando o balanço das forças aplicadas ao conjunto haste-mola, tem-se a

força devido ao sinal de ar comprimento atuando na área do diafragma, a força elástica
(lei de Hooke) e uma força de atrito se opondo ao deslocamento. Dessa forma, a
seguinte equação pode ser escrita:
252 Souza & Trica

d 2 x (t ) dx ( t )
m 2
= c ( t ) A − kH x ( t ) −  (8.122)
dt dt
eal que:
m é a massa do conjunto haste + mola + obturador;
A é a área do diafragma;
kH é a constante de Hooke da mola da haste;
μ é o coeficiente de fricção entre a haste e as paredes da válvula;
c(t) é o sinal enviado pelo controlador, no caso o sinal de pressão do ar

comprimido.
Colocando-se a equação (8.122) em variável-desvio e aplicando-se a

Transformada de Laplace, chega-se à seguinte função de transferência:
x ( s ) A kH
Ga ( s )  = (8.123)
c ( s ) ( m kH ) s + (  kH ) s + 1
2
Algumas hipóteses podem ser aplicadas para a equação (8.123), as quais são
fidedignas com o comportamento dinâmica verificado em campo de válvulas de
controle:
• m << kH , usualmente isto é verdadeiro. Desta forma Ga pode ser aproximada

por uma função de transferência de primeira ordem;
• μ/kH << τP, muitas vezes (com exceção de válvulas muito grandes, por exemplo
24’’ a 30’’, com constante de tempo por exemplo de 30 a 40 s) a resposta da
válvula é tão rápida em relação ao processo que sua dinâmica pode ser
desprezada. Nesses casos, a função de transferência da válvula será dada pelo
produto KaKx.
A função de transferência da válvula pneumática como elemento final de

controle, Gf, é dada, portanto, pela multiplicação de duas funções de transferência: Ga
e Kx (tipicamente um ganho), conforme Figura 8.24:
Souza & Trica 253

Figura 8.24. Função de transferência da válvula considerando o efeito da ação do

controlador c’(s) na abertura da válvula x’(s) (parte do atuador da válvula) e desta
na vazão - variável manipulada u’(s) (parte do corpo da válvula).
Se a válvula não tiver característica inerente do tipo linear, a relação entre a

vazão e a abertura da válvula será não-linear e será necessário efetuar a linearização do
sistema dinâmico resultante. O ganho Kx será obtido pela seguinte expressão:
dF ( x )
Kx = (8.124)
dx xEE
em que F(x) é dado pela equação (8.115).
8.9. Exercícios
E8.1. Seja o tanque com A = 10 ft², onde o nível h(t) é controlado, manipulando-se
F1(t). Suponha Gm = 1 e controlador proporcional (P) com ação reversa. A válvula é ar-
para-fechar: Gf = - Kf, onde Kf > 0.
Fi ( t )
h (t ) F1 ( t )
Figura E8.1.a
E8.1.a) Suponha que um degrau unitário é dado no set-point, enquanto a carga é

mantida constante. Mostre que não há offset, neste caso, mesmo sendo o controlador
P;
E8.1.b) Suponha que um degrau unitário é dado na carga, enquanto o set-point é
mantido constante. Mostre que, neste caso, há offset.
254 Souza & Trica

E8.2. Seja um processo tal que:
y ( s ) 5
GP ( s ) = =
u ( s ) ( 3s + 1)( 2s + 1)
Com Gf e Gm desprezíveis. Calcule o ganho do controlador P que produz uma resposta

com razão de declínio igual a 1/4.
E8.3. Seja um sistema de segunda ordem:
y ( s ) 5
GP ( s ) = =
u ( s ) ( s + 1)( 2s + 1)
controlado por um controlador P, tal que GC = 1,6; com dinâmicas da válvula e do

elemento de medida desprezíveis. Se um degrau de 0,1 é dado no set-point, determine:
E8.3.a) O valor máximo da variável controlada e o tempo para o qual ele ocorre;
E8.3.b) O offset;
E8.3.c) O período de oscilação;
E8.3.d) Desenhe um esboço da resposta de y’(t) como função do tempo.
E8.4. Um processo é composto por dois sistemas de primeira ordem em série:
u’(s) 0, 2 0,5 y’(s)

3s + 1 6s + 1
Figura E8.4.a
Suponha o caso em que o processo acima está sendo controlado por um controlador P,
com dinâmicas desprezíveis do elemento de medida e da válvula.
E8.4.a) Calcule o valor do ganho que produz uma resposta criticamente amortecida;
Para os itens E8.4.b e E8.4.c, considere que o controlador foi ajustado com o ganho
obtidos em E8.4.a e que o processo foi perturbado por um degrau de magnitude 1,2 no
set-point.
Souza & Trica 255

E8.4.b) Escreva y’(t) para a perturbação acima;
E8.4.c) Calcule o offset.
E8.5. Seja o sistema de nível de líquido mostrado na Figura E8.5.a. Suponha que as
resistências são lineares e dadas por R1 = R2 = 1 ft/cfm.
Suponha que se pretende controlar, usando instrumentação pneumática, o nível de

líquido do segundo tanque manipulando q(t). As dinâmicas da válvula de controle e do
elemento de medida podem ser desprezadas.
E8.5.a) Desenhe na Figura E8.5.a o fluxograma de controle, indicando os elementos da

malha;
E8.5.b) Calcule o valor do ganho que produz uma resposta em malha fechada com razão
de declínio 1/4.
q ( t ) ,  cfm 
h1 ( t ) A1 = 2 ft 2 R1 = 1 ft/cfm
Tanque 1
h2 ( t ) A2 = 1 ft 2 R2 = 1 ft/cfm
Tanque 2
Figura E8.5.a
E8.6. Considere o sistema de controle de nível de líquido mostrado na Figura E8.6.a:
Fi ( t )
ÁGUA
LT
h1 ( t ) h2 ( t )
R1 R2
F1 ( t ) F2 ( t )
256 Souza & Trica

Figura E8.6.a
As seguintes informações são conhecidas:
- As áreas das seções transversais dos tanques são 2 m² e 2,5 m², para os tanques
1 e 2, respectivamente;
- Quando o sistema em malha aberta é perturbado por um degrau de magnitude

1 m³/min em Fi, o tanque 1 sofre uma variação total de 1,8 m e o tanque 2 sofre
uma variação total de 0,8 m;
- O controlador é P e tem ação reversa;
- A válvula de controle é tal que tem uma função de transferência dada por:
Fi ( s ) m3 /min
Gf ( s ) = = 0,1
c ( s ) psig
- O elemento de medida é tal que Gm = 20 psig/m.
E8.6.a) Identifique GP(s) e Gd(s);
E8.6.b) Identifique as funções de transferência em malha fechada;
E8.6.c) Auste o controlador P, para uma razão de declínio de 1/4.
E8.7. Seja o sistema de tanques com interação mostrado na Figura E8.7.a, com
resistência linear dada por R1 = 1 ft/cfm.
Pretende-se controlar, usando instrumentação pneumática, o nível de líquido do

segundo tanque manipulando F3(t). As dinâmicas da válvula de controle e do elemento
de medida podem ser desprezadas. O controlador é P com ação direta.
F1 ( t )
LT M
h1 ( t ) A1 h2 ( t ) A2 F3 ( t )
R1
F2 ( t )
Tanque 1 Tanque 2
Figura E8.7.a
Souza & Trica 257

Escreva GSP(s) e GCarga(s).
E8.8. Seja o sistema de tanques com interação mostrado na Figura E8.8.a. Pretendia-
se controlar, usando-se um controlador P (ações direta e reversa disponíveis), o nível de
líquido do segundo tanque. Para tanto, duas estratégias foram propostas:
(i) Manipular F3(t);
(ii) Manipular F1(t) (neste caso, F3(t) é uma função linear do nível de líquido do
Tanque 2).
Se offsets não eram desejados para mudanças no set-point, qual das duas estratégias foi
adotada, considerando que as dinâmicas da válvula de controle e do elemento de
medida foram desprezadas.
F1 ( t )
h1 ( t ) A1 h2 ( t ) A2
R1 R2
F2 ( t ) F3 ( t )
Tanque 1 Tanque 2
Figura E8.8.a
OBS: Sua resposta só será considerara correta se for matematicamente demonstrada.
E8.9. Seja o controle de um aquecedor tipo tanque agitado com retenção constante,
tal que: w = 300 lbm/min, ρ = 62,5 lbm/ft³, V = 6 ft³, cP = 1 BTU/lbm °F.
Se a taxa de calor transferida por um aquecedor elétrico Q̇ é a variável manipulada e a

temperatura de entrada Ti pode variar (independentemente do controle):
E8.9.a) Escreva as funções de transferência GP(s) e Gd(s);
Considere agora:
- dinâmica do elemento de medida desprezível;
- controlador proporcional-derivativo (PD) com KC = 1 psig/°F e τD = 0,2 min;

- o aquecedor elétrico é o elemento final de controle, tal que uma mudança de 1
psig do controlador muda a taxa de calor transferida de 800 BTU/min, ou seja:
258 Souza & Trica
Q ( s ) BTU/min
Gf ( s ) = = 800
c ( s ) psig
E8.9.b) Escreva as funções de transferência em malha fechada GSP(s) e GCarga(s);
E8.10. Considere o sistema de controle de nível de líquido mostrado na Figura E8.10.a,

com um controlador P e ação reversa. Os tanques não apresentam interação. As
seguintes informações são conhecidas:
- As vazões de saída de cada tanque têm uma dependência linear com o nível de
líquido através de resistências R1 e R2, respectivamente. Estas resistências foram
testadas separadamente e encontrou-se que se F1,EE (ft³/min) for plotado contra
h1,EE (ft) será obtida uma reta com coeficiente angular igual à 2 ft²/min;
- O sistema em malha aberta é criticamente amortecido e a área da seção

transversal de cada tanque é 2 ft²;
- A válvula de controle é tal que uma mudança de 1 psig na pressão que entra na
válvula produz uma mudança na vazão através dela de 0,1 ft³/min;
- A dinâmica do elemento de medida pode ser desprezada.
Fi ( t )
ÁGUA
h1 ( t )
R1
F1 ( t )
LT
h2 ( t )
R2
F2 ( t )
Figura E8.10.a
E8.10.a) Identifique GP(s), Gf(s), Gm(s), GC(s), e Gd(s);
E8.10.b) Determine o ganho do controlador, KC, para uma resposta com razão de
declínio 1/4;
Souza & Trica 259

E8.10.c) Se os tanques estivessem conectados de modo que houvesse interação, qual

seria o valor de KC para uma resposta com razão de declínio 1/4?
E8.11. Um processo tem funções de transferência em malha aberta dadas por:
5 1
GP ( s ) = , Gm ( s ) = Gf ( s ) = 1, Gd ( s ) =
( 2s + 1) ( 2s + 1)
2 2
Se um controlador proporcional-integral (PI) é usado com τD = 2 min, calcule:
E8.11.a) O valor do ganho do controlador que dá um coeficiente de amortecimento em

malha fechada de 0,707 (√2/2);
E8.11.b) O período natural de oscilação para este valor do ganho;
E8.11.c) A função de transferência em malha fechada entre a variável de perturbação e

a saída;
E8.11.d) O offset no estado estacionário para um degrau na variável perturbação. Prove

matematicamente.
E8.12. O sistema térmico abaixo é controlado por um PD. São dados: w = 250 lbm/min,
ρ = 62,5 lbm/ft³, V1 = 4 ft³, V2 = 5 ft³, V3 = 6 ft³, cP = 1 BTU/lbm °F.
w
Ti
Q
V1
w
T1
Elemento
final de
controle
V2
w
T2
PD psig °F
TT V3
w
T3
Figura E8.12.a
260 Souza & Trica

Uma mudança de 1 psig à saída do controlador muda o fluxo de calor em 500 BTU/min.
A dinâmica do elemento de medida é desprezível. A temperatura da corrente de entrada
pode variar e as perdas de calor para o meio são desprezíveis.
E8.12.a) Determine GSP(s) e GCarga(s);
E8.12.b) Encontre o offset para um degrau unitário na temperatura de entrada se KC =

3 e τD = 0,5 min.
E8.13. Um tanque de nível com A = 3 ft² e R = 1 min/ft² está sendo controlador por um
PI com KC = 4 e τI = 3 min.
Para a válvula tem-se Kf = 0,2 cfm/psi e para o elemento de medida Km = 1 psi/ft.
Suponha que o sistema esteja, inicialmente, no EE com hEE = 2 ft. Mostre que se o
sistema é submetido a uma mudança degrau no set-point de 2 para 3 ft, o nível do
líquido alcança o novo set-point. Para tanto:
E8.13.a) Escreva a função de transferência GSP(s);
E8.13.b) Mostre que para o degrau indicado o offset é zero;
E8.14. O pessoal da área de processos de uma refinaria de petróleo está tendo

problemas com uma dada malha de controle em um resfriador de múltiplos estágios.
Convidado para resolver a situação, o consultor Silva solicitou a um aluno (você!) para
checar a situação e verificar as soluções (se é que elas existem) possíveis.
A malha de controle está exibindo uma oscilação sustentada indesejável, que o pessoal
da operação acha que é causada pelo própria malha de controle (por exemplo, mau
ajuste do controlador). Eles querem ajuda para reajustar o controlador. O consultor Silva
acha que as oscilações são causadas por perturbações externas (por exemplo,
perturbações do tipo cargas cíclicas, tais como oscilação cíclica da temperatura da água
para resfriamento, AGR). Ele quer que o pessoa da operação resolva o seu problema
sozinho. Sugira um procedimento simples que permitirá com que você determine
rapidamente o que está causando as oscilações. Como você explicaria sua lógica ao
consultor Silva? (Lembre-se que ele não ficará satisfeito, se estiver errado!).
E8.15. Escolha o(s) controlador(es) feedback(s) mais adequado(s) para cada uma das
malhas de controle indicadas a seguir, justificando brevemente a sua escolha. Se você
Souza & Trica 261

considerar que o controlador feedback não é capaz de controlar o processo, explique as

razões.
E8.15.a) Controle de vazão de líquido, onde há ruído de alta frequencia devido a

vibração da bomba;
E8.15.b) Controle de nível de líquido, onde o sinal de medida apresenta ruído devido à
turbulência do líquido que entra no tanque;
E8.15.c) Controle de temperatura de um estágio de uma coluna de destilação;
E8.15.d) Controle de temperatura de um reator exotérmico;
E8.15.e) Controle de composição em um reator, onde o sensor de composição introduz

significantes tempos mortos na resposta em malha fechada.
262 Souza & Trica

Capítulo 9 – Estabilidade da malha fechada
9. Estabilidade da Malha Fechada
O controlador e os elementos de medida e final de controle mudam as

características dinâmicas do processo, em comparação à situação sem controle.
Processos que sem controle não oscilam podem, na presença do controlador, exibir
comportamento oscilatório. Mais ainda, processos em malha fechada podem
instabilizar, dependendo dos valores ajustados para os parâmetros do controlador
feedback. A causa da instabilidade do processo controlado está tipicamente na presença
das dinâmicas não-desprezíveis do elemento final de controle e de medida em conjunto
com ações de controle agressivas, por exemplo, devido a altos valores de ganho
proporcional e baixos valores de tempo integral.
Dessa forma, neste capítulo é formalizado o conceito de estabilidade da malha

fechada. Para tanto, a definição adotada aqui para estabilidade é apresentada no item
9.1 e analisada no domínio de Laplace. Uma ilustração é feita em 9.2, mostrando como
aumento do ganho proporcional pode levar um sistema em malha fechada a oscilar com
amplitude crescente, caracterizando instabilidade. Diferentes técnicas para determinar
e calcular os valores limites dos parâmetros de controle são apresentadas no item 9.3.
Introduz-se o conceito de estabilidade no domínio da frequência e o critério de Bodé no
item 9.4. No item 9.5 é analisado o efeito da ação proporcional na estabilidade de
processos químicos típicos existentes nas indústrias de processamento.
O estudo da estabilidade de malhas de controle do tipo feedback é importante

para serem determinados os limites dos parâmetros do controlador PID que garantem
a estabilidade do processo. Com essa informação, já se obtém uma faixa definida de
valores destes parâmetros que podem ser inseridos na lógica de controle e são ponto
de partida para o ajuste da malha em campo. O estudo da estabilidade também é
importante para se determinar se a presença da malha de controle é capaz de
instabilizar o processo ou não. Os processos químicos em sua maioria são naturalmente
estáveis, com exceções de alguns, como exemplo, reatores exotérmicos dependendo
das condições operacionais.
É possível perceber que a definição dos valores limites dos parâmetros PID não
equivale à obtenção dos valores ótimos de ajuste da malha (sintonia ótima). Contudo,
antes de se pensar em desempenho do controlador, deve-se garantir a estabilidade da
malha fechada. O Capítulo 10 tratará do projeto de malhas de controle feedback ou
estratégias de sintonia de malhas de controle feedback, de forma que serão
apresentadas métricas úteis para obtenção de valores adequados para o ganho
Souza & Trica 263

proporcional, tempo integral e tempo derivativo. Os conceitos apresentados neste

capítulo são fundamentais para uma compreensão mais completa do comportamento
de malhas de controle feedback nos diversos tipos de processos químicos existentes.
9.1. Conceito de Estabilidade
Adota-se aqui o conceito de estabilidade BIBO (Bounded Input, Bounded

Output), ou seja, “entrada limitada, saída limitada”. A Figura 9.1 mostra exemplos de
entradas limitadas e saídas limitadas. Um sistema cuja resposta a uma entrada limitada
− por exemplo, um degrau − cresça indefinidamente é um sistema instável.
ENTRADAS
SAÍDAS
Figura 9.1. Exemplos de sinais de entrada e saídas com limites finitos (BIBO).
No domínio de Laplace, uma função de transferência com numerador e

denominador dados como polinômios de s:
y ( s ) N ( s )
G (s) = = (9.1)
u ( s ) D ( s )
que pode ser reescrita em termos dos seus polos e zeros:
 b  ( s − z1 )( s − z2 )( s − z3 ) ( s − zn )
G (s) =  n  (9.2)
 an  ( s − p1 )( s − p2 )( s − p3 ) ( s − pn )
A resposta de G(s) para um degrau, por exemplo, exibirá no domínio do tempo

termos na forma exp(pit). Assim, para que o sistema representado por G(s) seja estável,
seus polos devem estar localizados na região esquerda do plano complexo, ou seja,
264 Souza & Trica
devem exibir parte real de pi negativa. A Figura 9.2 exibe a região de localização de polos
estáveis no plano s, ou seja, o semiplano esquerdo (ou LHS da expressão em inglês left-
half plane) de s. Basta um polo com parte real positiva para o sistema ser instável. Assim,
o eixo imaginário corresponde a uma fronteira da estabilidade.
Im
Região dos
polos de G(s)
Re
Figura 9.2. Região de estabilidade dos polos de uma função de transferência.
Portanto, para avaliar a estabilidade da malha fechada, analisam-se os polos

das funções de transferência que aparecem na resposta em malha fechada:
GC (s )Gf (s )GP (s )Gm (s ) Gd (s )

y(s ) =  (s ) +
ySP d (s ) (9.3)
1 + GC (s )Gf (s )GP (s )Gm (s ) 1 + GC (s )Gf (s )GP (s )Gm (s )
Ou seja, as raízes da chamada equação característica (EC) deverão todas

possuir parte real negativa:
1 + GC (s )Gf (s )GP (s )Gm (s ) = 0 (9.4)
9.2. Análise por Simulação da Estabilidade da Malha Fechada
A estabilidade de processos químicos e de suas malhas de controle feedback

pode ser investigada numericamente ou analiticamente, dependendo da
disponibilidade de um modelo matemático do processo, ou experimentalmente
realizando-se variações nas entradas do processo e analisando-se as respostas. A
avaliação experimental é mais fidedigna, porém nem sempre possível, por diversos
motivos: impacto à produtividade, à segurança, tempo muito longo, etc.
Souza & Trica 265
Adicionalmente, é necessário um bom planejamento para realização dos testes em

campo. Realiza-se a seguir uma ilustração de investigação por simulação.
Seja o sistema de 3° ordem em malha fechada com controle proporcional (GC

= Kc) ilustrado na Figura 9.3.
1
+
GC = KC GP =
SP - (1s +1)( 2s +1)
1
Gm =
 ms + 1
Figura 9.3. Sistema de 3° ordem em malha fechada para investigação da
estabilidade.
Admitindo que as constantes de tempo são dadas por τ1 = 1 min, τ2 = 0,5 min e
τm = 1/3 min, foi aplicado um degrau no set-point e verificou-se a saída y(t) para
diferentes valores de KC (3; 6; 9 e 12). Os seguintes comportamentos obtidos podem ser
apreciados na Figura 9.4 para a resposta:
• para KC = 3,0 e KC = 6,0: amplitudes maiores são observadas para KC maior,

mas são amplitudes decrescentes com o tempo;
• para KC = 9,0: amplitude praticamente constante, decaindo muito lentamente;
• para KC = 12,0: amplitude aumenta com o tempo (instabilidade).
3
y'(t)
2
-1
Kc = 3
Kc = 6
-2
Kc = 9
Kc = 12
-3
0 5 10 15 20
t
Figura 9.4. Comportamento da malha fechada para diferentes valores de ganho do
controlador.
266 Souza & Trica
É possível notar que, para uma entrada finita e não-oscilatória, o processo, para
KC = 12,0, apresentou oscilação com amplitude crescente, caracterizando instabilidade.
Esse resultado confirmou a expectativa de que valores mais elevados de ganho do
controlador, na presença de dinâmica não-desprezível do elemento de medida (e/ou do
elemento final), podem levar à instabilidade.
Este exemplo será empregado para ilustrar os métodos de análise de

estabilidade do próximo item.
9.3. Métodos para Análise da Estabilidade a Partir da Equação

Característica
9.3.1 Arranjo de Routh
Para se verificar se o sistema é estável, não é necessário calcular as raízes da

Equação Característica. Basta saber se alguma raiz possui parte real positiva para
classificá-lo como instável. O teste de Routh determina o número de raízes com parte
real positiva. Há uma abordagem de análise da estabilidade a partir da EC, devida a
Hurwitz; contudo, como os critérios de estabilidade de Routh e o de Hurwitz são
equivalentes (Ogata, 2003), apenas o primeiro é estudado aqui.
Procedimento
1) Escrever a equação característica em forma polinomial, da seguinte forma:
1 + GCGf GPGm = a0 s n + a1s n −1 + a2 s s − 2 + K + an −1s + an = 0

(9.5)
sendo a0  0
2) 1° Teste: É necessário que todos os coeficientes: a0,a1,...,an sejam positivos para que
todas as raízes estejam no semi-plano negativo de s. Se qualquer um dos coeficientes
não atender ao critério, o sistema será instável. Se o sistema passar nesse teste, um
2º teste deve ser realizado, ou seja, a condição do 1º teste é necessária, mas não
suficiente.
Exemplo 9.1. Sistema em malha fechada Figura 9.3.
KC
1+ =0
1  1 
 s + 1 s + 1 ( s + 1)
2  3 
Souza & Trica 267

1 3  11 
  s + (1) s +   s + (1 + K C ) = 0
2
6 6
Todos os coeficientes são positivos, isto é, o sistema é estável desde que:
(1 + KC )  0  KC  −1
Adotando-se ação reversa (KC > 0), o sistema pode ser estável.
3) 2° Teste: Monta-se o Arranjo de Routh como segue, por exemplo, para uma equação
característica de sétima ordem (n = 7).
Os coeficientes da EC são arrumados nas duas primeiras linhas como segue. As

demais linhas têm seus elementos calculados como descrito nas equações a seguir.
Os elementos que não figuram no arranjo em uma dada linha são iguais a zero. Assim,
o arranjo tem forma aproximadamente triangular e um total de n+1 linhas.
Linha
1 a0 a2 a4 a6
2 a1 a3 a5 a7
3 b1 b2 b3
4 c1 c2 c3
5 d1 d2
6 e1 e2
7 f1
8 g1
a1a2 − a0 a3 a a − a0 a5 a1a6 − a0 a7
b1 = , b2 = 1 4 , b3 = , b4  (9.6.a)
a1 a1 a1
b1a3 − a1b2 ba −ab b1a7 − a5b4 ( = 0 )

c1 = , c2 = 1 5 1 3 , c3 = = a7 (9.6.b)
b1 b1 b1
268 Souza & Trica

c1b2 − c2b1 c b − c3b1

d1 = , d2 = 1 3 , d3  (9.6.c)
c1 c1
d1c2 − c1d 2 d c − c d ( = 0)
e1 = , e2 = 1 3 1 3 = c3 (9.6.d)
d1 d1
e1d 2 − d1e2
f1 = , f2  (9.6.e)
e1
f1e2 − e1 f 2 ( = 0 )
g1 = = e2 (9.6.f)
f1
Pronto o arranjo, analisam-se os elementos da sua primeira coluna. Se todos

forem positivos, o sistema será estável (condição necessária e suficiente). O número de
mudanças de sinal nos elementos da primeira coluna é igual ao número de raízes à
direita do eixo imaginário (polos com parte real positiva).
Exemplo 9.2. Continuação da análise do Sistema em malha fechada Figura 9.3.
Como o sistema atendeu ao 1º teste para ação reversa (KC > 0), monta-se o
arranjo e passa-se ao 2º teste:
16 11 6
1 1 + KC
b1
c1
11 (1 + K C ) 10 − K C
b1 = − = (9.7)
6 6 6
Para malha fechada estável:
10 − K C
b1  0   0, K C  10 (9.8)
6
Souza & Trica 269

b1 (1 + K C ) − 1  0
c1 = = 1 + KC (9.9)
b1
Novamente, para estabilidade da malha:
c1  0  1 + K C  0, K C  −1 (9.10)
Adotando-se ação reversa, tem-se a seguinte faixa para estabilidade 0 < KC

< 10 . Dessa forma, KC = 10, representa um limite de estabilidade.
Para KC = 12,0: b1 = −1/3 e c1 = 13. Há duas trocas de sinais e,

consequentemente, há duas raízes com parte real positiva, indicando que o sistema é
instável para esse ganho. Efetivamente, duas (das três) raízes obtidas numericamente
apresentam parte real positiva (o par de polos complexos conjugados 0,12 ± 3,53i); a
terceira raiz é negativa (−6,24).
Regra adicional do arranjo de Routh
Se o par de raízes se encontrar sobre o eixo imaginário, estando as raízes do

par equidistantes da origem, com todas as outras raízes no semiplano esquerdo, todos
os elementos da n-ésima desaparecerão e nenhum dos elementos da linha precedente
desaparecerá. A localização do par de raízes equidistantes é dada por:
Cs 2 + D = 0 (9.11)
tal que C e D são os elementos do arranjo que figuram na linha n-1 contados da
esquerda para a direita, respectivamente.
Um certo tom de profecia nesta regra motivou uma aluna, em um momento de

bom humor, a fazer uma ilustração – Figura 9.5 – de um “profeta” anunciando-a.
Brincadeiras à parte, a regra é importante porque através dela pode-se determinar a
condição última (ou limite ou crítica; esses termos serão usados aqui como sinônimos),
ou seja, a condição a partir da qual a malha fechada instabiliza.
Como a regra se aplica à situação em que há raízes no eixo imaginário (a

fronteira da estabilidade) e todas as demais raízes estão no semiplano esquerdo, o
270 Souza & Trica

sistema nesse caso oscilará com amplitude constante, nem decrescente (situação
estável) nem crescente (situação instável).
Dessa forma, por exemplo, o valor de ganho do controlador calculado com esta
regra equivalerá ao ganho último KC,último (ou limite ou crítico) e o período (em
consequência também a frequência) desta oscilação sustentada será também
denominado de último (ou limite ou crítico). Valores de ganho menores que KC,último
levarão a uma resposta estável e maiores, à instabilidade. Os valores das raízes obtidas
da equação (9.11), s = ± iωúltima, permitirão o cálculo da frequência e do período últimos.
Figura 9.5. Pausa para o bom humor: um “profeta” anuncia a Regra Adicional do
Arranjo de Routh.
Exemplo 9.3. Continuação da análise do sistema em malha fechada Figura 9.3.
16 11 6
1 1 + KC
b1
c1
A n-ésima linha neste caso é a 3ª linha, igualando-a a zero:
11 (1 + K C ) 10 − K C
b1 = − = =0 (9.12)
6 6 6
Souza & Trica 271

obtém-se o KC,último:
KC,último = 10 (9.13)
Os elementos que figuram na 2ª linha da esquerda para a direita são:
C = 1, D = 1 + 10 = 11 (9.14)
Substituindo em (9.11), obtém-se:
s 2 + 11 = 0, s =  11 (9.15)
De modo que a frequência última é dada por:
última = 11 rad/min (9.16)
Sistemas que apresentam tempo morto não poderiam a princípio ter sua
estabilidade em malha fechada avaliada pela técnica do Arranjo de Routh, devido ao
termo exponencial na equação característica, que deve ser expressa na forma
polinomial no procedimento. Contudo, o termo exponencial pode ser aproximado por
razões de polinômios do tipo Padé, possibilitando o uso da técnica do Arranjo de Routh.
Existem aproximações de ordem superior, mas a aproximação de 1ª ordem (razão de
polinômios de 1ª ordem) é a mais frequentemente usada por simplificação:
1 − ( 2 ) s
e − s = (9.17)
1 + ( 2 ) s
Deve-se ter, contudo, em mente que as condições limites calculadas dessa

forma são aproximadas. A próxima técnica e as técnicas no domínio da frequência são
capazes de calcular as condições limites sem aproximações para sistemas com tempo
morto.
9.3.2 Método da Substituição Direta (MSD)

Se o objetivo for calcular as condições últimas ou limite, KC,último e ωúltima, pode-
se diretamente substituir s = iωúltima na equação característica e proceder ao cálculo. Se
272 Souza & Trica
o sistema não apresentar condição última, um resultado inconsistente será obtido

(ωúltima nula, quando o sistema oscila com frequência não nula).
Exemplo 9.4. Aplicação do MSD à malha fechada da Figura 9.3.
1 3 2 11
s + s + s + (1 + K C ) = 0 (9.18)
6 6
( iúltima ) + ( iúltima ) + ( iúltima ) + (1 + KC,último ) = 0

1 3 2 11
6 6
− i (última ) − (última ) + i (última ) + (1 + K C,último ) = 0

1 3 2 11
6 6
Parece incoerente haver uma equação para duas incógnitas. Porém, deve-se
lembrar que um número imaginário é composto de duas parcelas:
 = a + bi = 0  a = 0, b = 0 (9.19)
 a = 1 + K C,último − última = 0

 1 11 (9.20)
b = − (última ) + (última ) = 0
3

 6 6
(última )  − (última )
1 11  (1)
+ = 0  última =0
2
 6 6 
1 11
− (última ) + = 0
2
6 6
(última ) ( )
= 11  última =  11 rad/min
2 2,3
(9.21)
Resolvendo agora para KC,último:
K C,último = (última ) − 1
2
Souza & Trica 273

( 11)
2
K C,último = − 1 = 10 (9.22)
Os mesmos resultados obtidos no Exemplo 9.3, como era de se esperar.
Para este exemplo ainda foi possível calcular analiticamente as condições

últimas. Porém, à medida que são avaliados sistemas de ordem mais elevada ou
sistemas que apresentam tempo morto, o cálculo das condições limite só é possível
através de métodos numéricos.
9.3.3 Técnica do Lugar das Raízes (Root Locus)
O lugar das raízes é uma técnica gráfica que consiste em plotar a trajetória das
raízes da equação característica no plano complexo ao se variar um dos parâmetros do
controlador PID. O gráfico resultante permite que se verifique se um polo cruza o eixo
imaginário do lado esquerdo para o lado direito, indicando que o sistema se tornou
instável.
Alguns exemplos são apresentados a seguir da aplicação da técnica. Programas

como o MATLAB© têm funções para o traçado do diagrama do lugar das raízes. Dessa
forma, considera-se aqui mais importante analisar o diagrama do que propriamente
apresentar regras para o seu traçado.
Exemplo 9.5. Sistema de 2° ordem em malha fechada.
+ 2
SP - KC ( 3s + 1)( s + 1)
0,5
2
1 + KC 0,5 = 0 (9.23)
( 3s + 1)( s + 1)
3s 2 + 4s + (1 + KC ) = 0 (9.24)
274 Souza & Trica

−4  2 1 − 3K C 2 1
p1,2 = =−  1 − 3K C (9.25)
6 3 3
Nota-se que KC só está presente somente na segunda parcela dentro da raiz

quadrada, de forma que, a partir de dado valor do parâmetro, a parcela torna-se
imaginária. A parcela real dos polos se mantém constante e independe de KC,
indicando que o sistema será estável para qualquer valor de KC, mas pode apresentar
oscilação, como exibido na Figura 9.6. Percebe-se ainda que:
• como a EC é de 2ª ordem, o diagrama apresenta dois ramos;
• os ramos se iniciam nos polos das funções de transferência do sistema em

malha aberta (em s = −1 e s = −1/3).
Im
KC → ∞
KC = 1/3
-1 -1/3 Re
KC → ∞
Figura 9.6. Lugar das raízes para um sistema de 2° ordem em malha fechada com
ganho proporcional.
Exemplo 9.6. Sistema de 3° ordem em malha fechada.
+ 2
SP - KC ( 3s + 1)( s + 1)
0, 5
0, 5s + 1
Souza & Trica 275

2 0,5
1 + KC =0 (9.26)
( 3s + 1)( s + 1) ( 0,5s + 1)
1,5s3 + 5s 2 + 4,5s + (1 + KC ) = 0 (9.27)
O diagrama de lugar das raízes é exibido na Figura 9.6. Nota-se que KC já

interfere nas parcelas reais de duas das raízes imaginárias de um sistema de 3° ordem,
de forma que, a partir de dado valor do parâmetro (valor último ou limite), a parte
real de ambas as raízes se torna positiva e indica instabilidade do sistema. Percebe-se
ainda que:
• como a EC é de 3ª ordem, o diagrama apresenta três ramos;
• os ramos se iniciam nos polos das funções de transferência do sistema (em

malha aberta (em s = −1; s = −1/3 e s = −2).
KC → ∞
Im
+iωúltima
KC → ∞
-2 -1 -1/3 Re
-iωúltima
KC → ∞
ganho proporcional.
9.4. Critério de Estabilidade de Bodé
Seja a função de transferência em malha aberta (ou “OL” open loop) definida
por:
276 Souza & Trica

ym ( s )
 GOL ( s ) = GC ( s ) Gf ( s ) GP ( s ) Gm ( s ) (9.28)
yS P ( s )
Com essa definição, a equação característica pode ser escrita como:
1 + GOL ( s ) = 0 (9.29)
Na condição última s = iω, substituindo essa igualdade em (9.28), obtém-se:
GOL ( i ) = −1 (9.30)
que é um número complexo e, como estudado no Capítulo 7:
GOL ( i ) = RAOL = 1
(9.31)
arg GOL ( i )  = − rad = −180
Portanto, a condição limite ocorrerá sempre quando a norma de GOL(s) for

igual a 1 e seu argumento -180°. A frequência para a qual o argumento de GOL(s) é -180°
é chamada de frequência de cruzamento ωCO (em inglês, crossover) e na condição limite
equivale à frequência última (ou crítica) ωúltima.
Ilustrando com o sistema estudado nos itens 9.3 e 9.4, a sua função de
transferência em malha aberta (ou “OL” open loop) é dada por:
ym ( s ) KC
 GOL ( s ) = (9.32)
 (s)
ySP  s + 10,5s + 1 (1 3) s + 1
No domínio da frequência, novamente remetendo ao aprendido no Capítulo 7,

para GOL(s):
KC
RAOL = (9.33)
1 +  2 1 + 0, 25 2 1 + (1 9 )  2
OL = tan −1  −  + tan −1  −0,5  + tan −1 ( −1 3)   (9.34)
Souza & Trica 277

Calculando a frequência de cruzamento ou crossover, ωCO, frequência para

qual o argumento de GOL(s) é -180°:
tan −1  −CO  + tan −1  −0,5CO  + tan −1 ( −1 3) CO  = −

(9.35)
CO = última = 11 rad/min
Para esta frequência:
RAOL 1
= = 0,1 (9.36)
KC 1 + CO 1 + 0, 25CO 2 1 + (1 9 ) CO 2
2
Na condição limite para o ganho proporcional RAOL = 1, pela equação (9.30),

logo:
1
K C,último = = 10 (9.37)
0,1
Os resultados são os mesmos obtidos pela regra adicional do Arranjo de Routh

e pelo Método da Substituição Direta, como era de se esperar.
A interpretação física a seguir pode ser feita para um sistema na condição

última no domínio da frequência. Dando uma entrada oscilatória na malha aberta GOL(s)
de frequência igual à frequência de cruzamento:
 ( t ) = sen 11t
ySP ( ) (9.38)
ym ( t ) = RAOL sen ( 11t −  ) (9.39)
Para a condição limite, RAOL = 1:
ym ( t ) = sen ( 11t −  ) (9.40)
Pelas relações trigonométricas:
278 Souza & Trica

ym ( t ) = sen ( )
11t −  = sen ( ) (
11t cos ( − ) + sen ( − ) cos 11t ) (9.41)
ym ( t ) = − sen 11t ( ) (para malha aberta) (9.42)
Após estabilização do sistema em malha aberta, admitindo que em dado

instante de tempo simultaneamente fosse anulada a entrada SP(t) e fechada a malha,
vai-se ter no ponto de junção do cálculo do erro para o controlador feedback:
  ( t ) = 0 −  − sin
 ( )
11t 
 (9.43)
Como RA = 1 (o subscrito “OL” não aparece mais, pois a malha está agora
fechada), a resposta do sistema continuará a oscilar com amplitude constante,
mantendo-se quaisquer distúrbios e o set-point nulos. Porém:
• Se KC > 10, então RA > 1 para ϕ = −180°. A oscilação da malha começará a

exibir amplitude crescente, levando à instabilidade;
• Se KC < 10, então RA < 1 para ϕ = −180°. A oscilação é decrescente em sua

amplitude, levando ao fim da oscilação e sinal nulo após longo período de
tempo.
Para o caso com RA = 1 em ϕ = −180°, tem-se que a frequência de cruzamento

corresponde a própria frequência crítica de um sistema no limite de estabilidade.
É possível então enunciar o critério de estabilidade de Bodé:
“O sistema de controle feedback é instável se a razão de amplitude da função

de transferência em malha aberta é maior que 1 na frequência de
cruzamento.”
Os seguintes parâmetros podem ser definidos tendo por referência a Figura 9.8:
Margem de Ganho:
Definida como:
1
MG = (9.44)
M
Souza & Trica 279

tal que M é o valor de RA na frequência de cruzamento. Para sistema estável, MG > 1.

Pode-se adotar a regra de projeto de MG > 1,7. Como a razão de amplitudes depende
do ganho do controlador, no caso de controle P, pode-se sintonizar o controlador para
atender à regra de projeto.
Margem de Fase:
Definida como:
MF = 180 −  ( RA = 1) (9.45)
RA
1
M
ϕRA=1
-180
ωRA = 1 ωCO ω
Figura 9.8. Representação da margem de fase e margem de ganho em um diagrama
de Bodé.
Quanto maior a margem de fase, maior o fator de segurança no projeto de um

controlador. Regra de projeto: MF > 30°.
9.5. Estabilidade de Processos Químicos Típicos
Será analisada aqui somente a influência do controle proporcional na

estabilidade de funções de transferência tipicamente utilizadas na modelagem de
processos químicos.
280 Souza & Trica

A ação integral acrescenta mais uma ordem (ou +90° ao ângulo de fase
assintótico). A depender do valor selecionado para o tempo integral, o sistema em
malha fechada terá maior ou menor tendência à instabilidade. Quanto maior o tempo
integral, menor será a ação integral e, portanto, menor será o efeito do termo integral
na função de transferência em malha fechada.
A ação derivativa possui efeito contrário, acrescenta um zero à função de

transferência em malha fechada reduzindo 90° ao ângulo de fase assintótico.
Dependendo dos valores dos parâmetros PID, é possível eliminar uma ordem da função
de transferência. Quanto maior for o valor selecionado para o tempo derivativo, a ação
derivativa terá maior magnitude e também ação estabilizadora, pois a mesma reduz o
ângulo de fase assintótico. Entretanto, como já apresentado no Capítulo 8, ação
derivativa agressiva pode levar à amplificação de ruído e danos aos elementos finais de
controle.
Sistemas de 1° Ordem
KP
1 + KC =0 (9.46)
 Ps + 1
 P s + 1 + KC KP = 0 (9.47)
p1 = −
(1 + KC K P )
(9.48)
P
Verifica-se que para quaisquer valores de KCKP ≥ −1 o único polo de um sistema

de 1° ordem será sempre negativo e, portanto, o sistema será estável. Vale notar que
para garantir KCKP ≥ −1, devemos adotar a ação do controlador (reversa ou direta)
conforme a reação do processo perante a variável manipulada, isto é, o sinal de KP.
Supondo que seja sempre adotada a ação correta, um sistema de 1° ordem será sempre
estável.
A mesma conclusão é possível comparando o diagrama de Bodé de um sistema

de 1° ordem com o critério de estabilidade. Como o ângulo de fase de um sistema de 1°
ordem só pode chegar até -90°, não há como ser obtida uma frequência de cruzamento
para sistemas de 1° ordem e as condições para instabilidade (RA > 1 na frequência de
Souza & Trica 281

cruzamento) não são alcançadas. Logo, sistemas com GOL(s) de 1ª ordem não
instabilizam nunca.
Sistemas de 2° Ordem
Este sistema já foi analisado no exemplo da técnica root locus.
KP
1 + KC =0 (9.49)
 P s + 2 P s + 1
2 2
 P 2 s 2 + 2 P s + 1 + KC KP = 0 (9.50)
p1,2 = −
1
P (
 ( ) − (1 + K C K P )
2
) (9.51)
 ( )
1
− + ( ) − (1 + K C K P )  0
2
P
(9.52)
− ( − ( ) − (1 + K K ) )  0
1 2

C P
P
Assim como para os sistemas de 1° ordem, verifica-se que para quaisquer

valores de KCKP ≥ −1 garante-se estabilidade do sistema de 2° ordem, pois os polos
possuem parte real negativa. Portanto, a ação do controlador deve ser corretamente
adotada para garantir a estabilidade do sistema.
De forma semelhante aos sistemas de 1° ordem, utilizando os diagramas de

Bodé e critério de estabilidade, também é possível concluir que sistemas de 2° ordem
sempre serão estáveis quando utilizada a ação do controlador correta. Como o ângulo
de fase de um sistema de 2° ordem só pode chegar até -180°, não há frequência de
cruzamento finita e as condições para instabilidade (RA > 1 na frequência de
cruzamento) não são alcançadas. Logo, sistemas com GOL(s) de 2ª ordem não
instabilizam nunca.
282 Souza & Trica

Sistemas de Ordem Superior
Um sistema de 3° ordem já foi analisado no exemplo da técnica do root locus,

o qual apresentou instabilidade a partir de dado valor de K C . Vai-se utilizar aqui como
exemplo um sistema de 5° ordem:
3 5 47 4 125 2 27
s + s + 15s 3 + s + s + 1 + KC = 0 (9.53)
4 8 8 4
O diagrama do lugar das raízes para este sistema é exibido na Figura 9.9.
1,5
0,5
0
-5 -4 -3 -2 -1 0 1
-0,5
-1
-1,5
-2
ganho proporcional.
É possível notar que as duas raízes de menor valor absoluto (isto é, os polos
com constante de tempo maiores) foram as que resultaram no par de raízes conjugadas
com parte real positiva. Esse sistema de 5° ordem pode ser fatorado conforme segue:
1 1 1 1 1
GP = (9.54)
( s + 1) ( 2s + 1) ( 0,5s + 1) ( 3s + 1) ( 0,25s + 1)
E sabendo que:
RA =  RA , i =  i (9.55)
Souza & Trica 283

KC
RA = (9.56)
 + 1  4 + 1 0, 25 2 + 1 9 2 + 1 0, 0625 2 + 1
2 2
 = tan −1 ( ) + tan −1 ( 2 ) + tan −1 ( 0,5 ) + tan −1 ( 3 ) + tan −1 ( 0,25 ) (9.57)
Conforme exibido na Figura 9.10, é possível plotar os diagramas RA/KC x ω e ϕ

x ω sendo possível verificar que o ângulo de fase máximo é de -450° ou −5π/2, já
esperado para um sistema de 5° ordem. Portanto, é possível obter uma frequência de
cruzamento e um valor para KC,último.
1,0E+00
1,0E-02
1,0E-04
1,0E-06
1,0E-08
1,0E-10
1,0E-12
1,0E-06 1,0E-04 1,0E-02 1,0E+00 1,0E+02 1,0E+04
0,0000
-0,7854
-1,5708
-2,3562
-3,1416
-3,9270
-4,7124
-5,4978
-6,2832
-7,0686
-7,8540
1,0E-06 1,0E-04 1,0E-02 1,0E+00 1,0E+02 1,0E+04
Figura 9.10. Diagrama de Bodé para um sistema com GOL(s) de 5°ordem.
284 Souza & Trica

Sistemas com Tempo Morto
A função de transferência de tempo morto puro é o limite para infinitos

processos de primeira ordem em série, ou seja, é um sistema de ordem superior e,
portanto, pode apresentar instabilidade em malha fechada:
−N
− s  s  1
e = lim 1 +  = lim
 N s  (9.58)
N
N → N →

1 + 
 N
A obtenção de uma equação característica, expressando-a com o termo

exponencial, só permite o cálculo das condições limites de forma numérica. A utilização
da técnica root locus se apresenta bastante difícil na avaliação dos valores limites.
Porém, a análise dos diagramas de Bodé é simples para este sistema, pois:
RA = 1 (9.59)
   
N
 = lim
N →  tan
i =1
−1 
 −  = Nlim
 N →

N tan −1  − 
 N
(9.60)
  
tan −1  − 
 N tan −1 ( − x ) (9.61)
 = lim = lim = −
N → 1N x →0 x
Com a expressão acima para o ângulo de fase, a frequência de cruzamento é

facilmente calculada e em seguida o valor limite para KC:
− = −CO (9.62)

CO = (9.63)

KC,últimoe−i = −1 (9.64)
−1 = KC,último cos ( − ) + i sin ( − )
Souza & Trica 285

−1 = − KC,último  KC,último = 1 (9.65)
Aqui se apresentou um sistema com tempo morto puro, o qual apresenta

instabilidade a depender da sintonia do controlador. Todo sistema que apresenta tempo
morto também pode exibir instabilidade em malha fechada, pois possui frequência de
cruzamento e a razão de amplitudes pode ser superior a 1 nesta frequência, a depender
da sintonia do controlador.
Portanto, um resultado teórico bastante forte do critério de estabilidade de

Bodé é que sistemas que apresentam GOL(s) sem tempo morto e ordem maior ou igual
a 3 e sistemas que exibem tempo morto podem instabilizar a depender a depender da
sintonia do controlador.
9.6. Exercícios
E9.1. Interprete a charge abaixo à luz da teoria da estabilidade.
Figura E9.1.a
E9.2. Seja um sistema de controle feedback onde:
0,5  1 
Gf GPGm = , GC ( s ) = K C 1 + 
( s + 1)( 0,5s + 1)   Is 
286 Souza & Trica

Calcule o ganho e a frequência correspondentes à estabilidade limite como funções do

tempo integral τI.
E9.3. Considere os dois tanques sem interação exibidos na Figura E9.3.a:
F1
h1
R1
F2
h2
R2
F3
Figura E9.3.a
Deseja-se controlar o nível de líquido h2 do Tanque 2, manipulando o fluxo volumétrico

F1, através de um controlador proporcional (Gm = Gf = 1). Suponha que o Tanque 1 tem
uma área de seção transversal A1 = 5 ft², enquanto para o Tanque 2 a área de seção
transversal é A2 = 2 ft². Inicialmente o sistema está em estado estacionário com F1,EE =
1 ft³/min, h1,EE = 4 ft e h2,EE = 3 ft.
Plote o lugar das raízes para KC variando de 0 a infinito.
E9.4. Admita o mesmo processo exibido na Figura E9.3.a, porém controlador agora
por um controlador PI. Calcule o ganho e a frequência correspondentes à estabilidade
limite como funções do parâmetro τI.
E9.5. Suponha que se tem como objetivo controlar o nível de líquido do tanque exibido
na Figura E9.5.a:
F1 ( t )
h (t ) A
F2 ( t )
Figura E9.5.a
Souza & Trica 287

Se dispõe de uma válvula de controle pneumática do tipo ar-para-fechar (Gf = −Kf, Kf >
0), um elemento de medida de dinâmica desprezível e um controlador pneumático P.
Indique a ação que o controlador deve ter (reversa ou direta) para que o processo em
malha fechada seja estável, para os dois casos que se seguem:
E9.5.a) Variável manipulada F1(t). A vazão de saída F2(t) é dada por F2 = h/R;
E9.5.b) Variável manipulada F2(t). A vazão F1(t) será uma perturbação não medida.
OBS: As respostas deverão ser baseadas na natureza da(s) raiz(es) da equação

característica.
E9.6. Considere o processo mostrado na Figura E9.6.a para secar grânulos de fosfato:
Grânulos
úmidos
MIC
MT
Leito
Fluidizado Grânulos
secos
Gás Gases de
combustão
Ar
Figura E9.6.a
Uma mesa alimentadora transporta a corrente grânulos-água para o leito do secador.

Neste leito os grânulos são secos por contato direto com gases quentes de combustão.
Do leito, os grânulos são transportados por uma esteira para um silo, onde são
armazenados.
Propõe-se controlar a umidade dos grânulos pela velocidade da mesa alimentadora,

como mostrado na Figura E9.6.a. A umidade dos grânulos na entrada é usualmente 14
% e cai para 3 % no secador.
288 Souza & Trica

Apresenta-se na Figura E9.6.b a resposta da umidade de saída para um aumento de 2

mȦ na saída do controlador.
E9.6.a) Aproxime a curva de reação do processo, GfGP, por um modelo de primeira

ordem com tempo morto. Considere Gm = 16 mȦ/5 % e escreva G = GfGPGm;
E9.6.b) Usando o arranjo de Routh, verifique se o sistema em malha fechada com um

controlador P com ação reversa é estável para KC = 3 e KC = 4.
5.5
U [%]
5
4.5
3.5
2.5
0 40 80 120 160 200 240 280 320 360 400
t [s]
Figura E9.6.b
E9.7. Seja o sistema em malha fechada com um PID:
 1  1
 (s)
ySP
+
GC = KC 1 + +  Ds  Gf = 1 GP = y ( s )
-
 Is  ( 20s + 1)(10s + 1)
1
Gm =
(0,5s + 1)
Figura E9.7.a
E9.7.a) Escreva a equação característica;

E9.7.b) Construa o arranjo de Routh para τD = 2/3 e τI = 3;
Souza & Trica 289

E9.7.c) Usando as regras do arranjo de Routh, indique para quais valores de KC o sistema
em malha fechada é estável.
E9.8. Faça o diagrama do lugar das raízes para o processo:
1
GP ( s ) =
s −1
quando o mesmo está em malha fechada com um controlador PD implementado

conforme segue:
GC ( s ) = K C
( D s + 1)
( D s + 1)
Suponha α =12 e τD = 0,5 s e considere as dinâmicas da válvula e do elemento de medida

desprezíveis (Gm = Gf = 1).
E9.9. Seja a seguinte função de transferência:
GPGf GCGm = K C
( s + 4)
s ( s + 2)
E9.9.a) Faça o diagrama do lugar das raízes;
E9.9.b) Calcule qual(is) o(s) valor(es) de ganho do controlador proporcional dá(ão) um

coeficiente de amortecimento em malha fechada de 0,8. Se você obtiver mais de um
valor para KC, indique qual deles você implementaria e explique porque.
E9.10. Um processo de segunda ordem:
5
GP ( s ) =
( 3s + 1)( 2s + 1)
é controlado por um controlador P. A válvula tem dinâmica dada por:
290 Souza & Trica

1
Gf ( s ) =
( s + 1)
e o elemento de medida introduz um tempo morto:
1 − 0,3s
Gm ( s ) = e −0,6 s 
1 + 0,3s
E9.10.a) Suponha que para simplificar os cálculos, desprezou-se a dinâmica do elemento

de medida (fez-se Gm = 1). Calcule o valor do ganho limite KC,último, usando o arranjo de
Routh;
E9.10.b) Suponha que o controlador foi ajustado com KC = KC,último/2 calculado em

E9.10.a e considerando agora a dinâmica do elemento de medida, verifique pelo arranjo
de Routh se o sistema em malha fechada é estável;
E9.10.c) Do resultado obtido em E9.10.b, comente qual o efeito do tempo morto nos
processos em malha fechada.
E9.11. Considere o sistema de controle de nível de líquido mostrado na Figura E9.11.a.

As vazões de saída de cada tanque têm uma dependência linear com o nível de líquido
através de resistências R1 e R2, respectivamente. As seguintes informações são
conhecidas:
Fi ( t )
ÁGUA
h1 ( t )
R1
F1 ( t )
LT
h2 ( t )
R2
F2 ( t )
Figura E9.11.a
Souza & Trica 291

- O sistema em malha aberta é criticamente amortecido e a área da seção

transversal do tanque 1 é 2 m²;
- Quando o sistema em malha aberta é perturbado por um degrau unitário em Fi,

ambos os tanques sofrem uma variação total de 50 cm;
Fi( s ) 0,1 m³/min

Gf ( s ) = =
c ( s ) ( 0, 2s + 1) psig
- O elemento de medida é tal que Gm = 20 psig/m.
Verifique se o sistema em malha fechada é estável para os valores de KC: (i) 5 (ii) 10 (iii)
15.
Para cada um dos valores de ganho apresentados acima, calcule o offset para um degrau
unitário no set-point.
E9.12. Considere o sistema de controle de nível de líquido mostrado na Figura E9.12.a.

A vazão de saída do primeiro tanque tem uma dependência linear com o nível de líquido
através da resistência R1 = 0,5 m/(m³/min). O Tanque 1 tem área de 2 m² e o Tanque 2
tem área de 1 m². As seguintes informações são conhecidas:
Fi ( t )
h1 ( t )
R1
F1 ( t )
LT
h2 ( t )
F2 ( t )
Figura E9.12.a
292 Souza & Trica
Fi( s ) 0,1 m³/min

Gf ( s ) = =
c ( s ) ( 0, 2s + 1) psig
- O elemento de medida é tal que Gm = 20 psig/m..
O controlador deverá ter ação reversa (GC = KC. KC> 0) ou direta (GC = −KC. KC> 0)?
Por quê?
E9.13. Retome o Exercício E7.1. Usando o critério de estabilidade de Bodé, discuta a

estabilidade do sistema em malha fechada para KC = 100.
Souza & Trica 293

Capítulo 10 – Sintonia e Projeto de Controladores Feedback
10. Sintonia e Projeto de Controladores Feedback
Quando se dispõe de um controlador PID (ou PI ou P), a sintonia ou ajuste é o

procedimento de escolha dos seus parâmetros. Um paradigma diferente é não admitir
a priori a existência de um PID e se projetar um controlador feedback para se obter um
comportamento dinâmico desejado para a malha fechada, admitindo-se disponível um
modelo do processo. O controlador obtido pode, inclusive, ser um PID (ou PI ou P) e,
nesse caso, a abordagem de projeto fornece também um procedimento de sintonia, pois
os parâmetros do controlador dependerão dos parâmetros do modelo.
Há, portanto, várias maneiras para se abordar a sintonia e o projeto de

controladores:
• Técnicas de resposta frequencial, baseadas em critérios de projeto do ganho de

margem e ganho de fase, já estudadas no Capítulo 9;
• Procedimentos de ajuste simples baseados em critérios de erro em relação ao

set-point e regras semi-empíricas testadas na prática. Tais procedimentos serão
estudados no item 10.1;
• Procedimentos de projeto baseados em modelos. No item 10.2, serão

estudados os métodos chamados de síntese direta e o método Internal Model
Contro (IMC) ou Controle por Modelo Interno de Morari e Zafiriou (1989). Uma
abordagem similar, o método Generic Model Control (GMC) de Lee & Sullivan
(1988), por ser tipicamente aplicada a sistemas não lineares, não será abordado
aqui.
Adicionalmente, a simulação computacional pode ser usada para investigar o

comportamento dinâmico das malhas fechadas com controladores
sintonizados/projetados por diferentes abordagens.
O emprego desses procedimentos de sintonia para determinação prévia dos

parâmetros do controlador elimina ou reduz a necessidade de testes em campo,
servindo como ponto de partida para um ajuste fino em campo.
Existe um dilema no projeto/sintonia de controladores entre privilegiar o

melhor desempenho de um controlador ou garantir sua robustez. Robustez pode ser
entendida como a característica de um controlador em lidar explicitamente com
incertezas nos parâmetros do modelo ou perturbações. Um controle robusto preserva
a estabilidade e apresenta um desempenho aceitável, mesmo em condições diferentes
daquelas para as quais foi projetado; tais diferenças ocorrem devido a mudanças de
Souza & Trica 295

ponto de operação ou do próprio processo não linear (como desativação de

catalisadores, mudanças de coeficientes de transferência térmica em trocadores de
calor etc.). A área de controle robusto é uma área de pesquisa e desenvolvimento em
controle (Morari & Zafiriou, 1989), cujo estudo aprofundado foge ao escopo desse livro.
De modo informal, pode-se considerar a acepção de “robusto” em controle similar à que
se emprega cotidianamente. Por exemplo, um automóvel pode ter um excelente
desempenho na cidade, mas não na estrada. Um carro robusto seria aquele que exibiria
uma boa performance em ambas as situações.
10.1. Sintonia de Controladores
Tipicamente, as seguintes características são desejáveis para obter uma

resposta especificada em malha fechada com controlador feedback:
• Resposta rápida: Tempo de resposta ou de assentamento (settling time) baixo;
• Pouca oscilação: Overshoot e razão de declínio baixos;
• Offset nulo;
• Boa resposta ao problema servo e rejeição a perturbações;
• Resposta dentro dos limites de variação das variáveis manipulada e controlada.
De modo a atender a essas características, são empregadas regras baseadas em

critérios de resposta (e/ou minimização de erros) e nas condições últimas (ou limites ou
críticas).
10.1.1. Critérios Simples Baseados em Características Pontuais da Malha Fechada
São critérios que usam informações sobre alguns pontos da resposta:

overshoot, tempo de ascensão, razão de declínio etc. São simples e de fácil uso, mas são
ajustes aproximados.
Por exemplo, é possível especificar a razão de declínio como sendo 1/4 e desta
forma ajustar o ganho proporcional experimentalmente ou calcular seu valor caso se
disponha de um modelo do sistema em malha fechada.
10.1.2. Critérios Baseados na Resposta Completa
Os seguintes critérios baseados no erro em relação ao set-point são

comumente empregados:
296 Souza & Trica

Integral do erro ao quadrado (ISE, integral of square error)


ISE =   2 ( t ) dt (10.1)
0
Integral do erro absoluto (IAE, integral of absolute error)


IAE =   ( t ) dt (10.2)
0
Integral-time of absolute error (ITAE)


ITAE =  t  ( t ) dt (10.3)
0
Nesta abordagem, dispõe-se de um modelo matemático do processo, válvula e

elemento de medida e um dos critérios acima é utilizado como função objetivo de um
problema de minimização, sendo os parâmetros do controlador as variáveis de decisão
para obtenção do menor valor da função objetivo. Do ponto de vista da escolha da
função objetivo, para minimizar erros grandes, erros pequenos e erros pequenos que
persistem por longos períodos, devem ser utilizados, respectivamente, os critérios de
ISE, IAE e ITAE.
Para alguns modelos típicos, tabelas dos parâmetros do controlador que

minimizam um dado critério estão disponíveis na literatura (Rovira et al., 1981 apud
Smith & Corripio, 1997; Lopez et al., 1967 apud Smith & Corripio, 1997). Apresenta-se a
seguir e na Tabela 10.1 as relações de sintonia para a função objetivo ITAE, de uma
função de transferência de 1° ordem com tempo morto (FOPDT) para G = GfGPGm e
controlador ideal paralelo:
Problema Servo:
     D  
B B
KK C = A   , = A + B , = A  (10.4)
  I     
Problema Regulador:
     D  
B B B
KK C = A   , = A  , = A  (10.5)
  I     
Souza & Trica 297

Tabela 10.1. Relações de projeto para controladores baseadas no critério de

desempenho ITAE de sistemas de 1° ordem com tempo morto (Rovira et al., 1981 apud
Smith & Corripio, 1997; Lopez et al., 1967 apud Smith & Corripio, 1997)
Problema Controlador Modo A B
P 0,586 -0,916
Servo PI
I 1,03 -0,165
P 0,965 -0,855
Servo PID I 0,796 0,147
D 0,308 0,9292
P 0,859 0,977
Regulador PI
I 0,674 -0,680
P 1,357 -0,947
Regulador PID I 0,842 -0,738
D 0,381 0,995
10.1.3. Critérios Semi-empíricos
São técnicas heurísticas que foram desenvolvidas através da identificação

experimental do processo, tal que os parâmetros do controlador são determinados a
partir dos resultados da resposta do processo em malha aberta ou malha fechada
combinados com regras simples. Também é possível aplicar essas técnicas quando os
modelos são obtidos analiticamente.
Método de Cohen & Coon (1953)
Aplicado somente para sistemas com G = GfGPGm com resposta sigmoide, ou

seja, que pode ser aproximada por um sistema de 1° ordem com tempo morto (FOPTD).
Nesse caso, aplica-se um degrau em malha aberta e calculam-se os parâmetros da
função de transferência: K, τ e θ, conforme apresentado no Capítulo 6. Os parâmetros
do controlador ideal paralelo foram propostos pelos autores para garantir razão de
declínio de ¼, offset mínimo e mínimo ISE e estão apresentados na Tabela 10.2.
298 Souza & Trica

Tabela 10.2. Sintonias de controladores PID para FOPDT propostas por

Cohen & Coon (1953).
Controlador KC I D
1   3 +  
P   - -
K   3 
1   10, 8 +    30 + 3 (  ) 
PI     -
K   12   9 + 20 (  ) 
1   16 + 3   32 + 6 (  )  4
PID    
K   12   13 + 8 (  )  11 + 2 (  )
Tipicamente, o controlador sintonizado pelo método de Cohen & Coon

apresenta sintonia agressiva. Segundo Teixeira & Campos (2006), esse método tinha
como objetivo obter regras de sintonia para sistemas com tempos mortos elevados, ou
com fator de incontrolabilidade (θ/τ) entre 0,6 e 4,5. O fator de incontrolabilidade é tal
que, quanto maior ele for, mais difícil é de controlar o processo.
Método de Ziegler & Nichols (1942)
É um método pioneiro de sintonia, teria sido desenvolvido para prover um

método de sintonia para os primeiros PIDs comerciais. Baseia-se em regras em malha
fechada, a partir das condições limites (ou últimas), KC,último e ωúltima, as quais podem ser
obtidas experimentalmente ou calculadas conforme Capítulo 9, quando da posse de um
modelo analítico do processo.
Para obtenção experimental das condições limites, seja um controlador PID

convencional:
 1 
GC = K C 1 + +  Ds  (10.6)
  Is 
Aplica-se τI → ∞ e τD = 0. Fecha-se a malha com KC baixo e aplica-se um degrau

na sua entrada (por exemplo no set-point). Observa-se a resposta. Sempre que o
comportamento for estável, aumenta-se KC de pequenos incrementos até se alcançar
uma saída com amplitude sustentada ou constante (limite da estabilidade). Registra-se
KC como KC,último e ω como ωúltima, lembrando que ωúltima = 2π/Τúltimo.
Souza & Trica 299

Apresenta-se na Figura 10.1 um exemplo de obtenção das condições limites de

um processo, aumentando-se o ganho proporcional do controlador PID. Verifica-se que
o valor limite para o parâmetro é igual a 10.
3
y'(t)
2
-1
Kc = 3
Kc = 6
-2
Kc = 9
Kc = 10
-3
0 5 10 15 20
t
Figura 10.1. Obtenção das condições limites para utilização na sintonia de Ziegler &
Nichols.
Ziegler e Nichols propuseram sintonias para razão de declínio de respostas em

malha fechada igual a 1/4, obtendo a Tabela 10.3. Pode-se ver nesta tabela que, em
comparação ao controlador P, ao se inserir ação I no controlador PI, precisou-se reduzir
a ação proporcional, empregando-se um menor KC para garantir o nível de oscilação
relativo à razão de declínio de ¼. Já no emprego do PID, ao reduzir a oscilação, o uso da
ação derivativa permitiu o uso de um maior KC e um menor τI, também para manter a
razão de declínio de ¼.
Tabela 10.3. Sintonias de controladores PID propostas por Ziegler & Nichols.
P KC,último 2 - -
PI KC,último 2,2 último 1, 2 -
PID KC,último 1,7 último 2 último 8
O método de Ziegler & Nichols gera respostas de controladores muito

agressivos, por causa da razão de declínio de ¼. Segundo Teixeira & Campos (2006), esse
300 Souza & Trica

método deve ser usado para fatores de incontrolabilidade baixos, tipicamente entre 0,1
e 0,3.
Tyreus & Luyben (1992 apud Luyben & Luyben 1997) propuseram sintonias de
forma semelhante à de Ziegler & Nichols, ou seja, baseadas nas condições limites, mas
buscando um comportamento mais conservativo do controlador.
Tabela 10.4. Sintonias de controladores PID propostas por Tyreus & Luyben.
PI KC,último 3,2 2, 2último -
PID KC,último 2,2 2, 2último último 6,3
Normalmente as respostas obtidas através das sintonias apresentadas neste

item não são satisfatórias por apresentar elevado grau de oscilação. Dessa forma, outras
abordagens mais conservativas foram propostas e os métodos apresentados podem ser
usados apenas como padrão para comparação de diferentes sintonias.
10.2. Projeto de Controladores Baseados Explicitamente em Modelos
Admita que um modelo para o processo esteja disponível, tendo sido obtido,
por exemplo, via identificação. Rigorosamente esse modelo deve incluir também os
elementos de medida e final de controle, mas muitos livros se referem, de forma
simplificada apenas a modelo do processo, para distinguir daquele do controlador.
Nesse caso, pode-se projetar um controlador que faça com que a malha fechada se
comporte de acordo com uma trajetória desejada. Esse projeto pode ser feito de forma
direta – como nos métodos de síntese direta e IMC a seguir – ou pode ainda empregar
otimização, como no controle preditivo baseado em modelo, ou MPC (Model Predictive
Control), que foge ao escopo desse livro.
10.2.1. Projeto de controladores via síntese direta
Seja a função de transferência em malha fechada para o problema servo:
y ( s ) K mGC ( s ) Gf ( s ) GP ( s )
= (10.7)
 ( s ) 1 + GC ( s ) Gf ( s ) GP ( s ) Gm ( s )
ySP
Especifica-se um comportamento em malha fechada para y’(s), ou seja, uma

função de transferência f(s) buscando com que y’(s)/y̕SP(s) = f(s).
Souza & Trica 301

De modo a se ter uma resposta rápida e não oscilatória da variável controlada

medida a mudanças de set-point, tipicamente se assume para f(s) uma função de 1ª
ordem com ganho unitário e constante de tempo a ajustar:
1
f (s) = (10.8)
 Cs + 1
Outras funções podem ser empregadas para f(s) como funções de ordem
superior (e.g., 2ª ordem), com tempo morto e com inclusão de zeros. Tais funções
podem ser necessárias, porque não se consegue impor a malhas fechadas com
comportamento mais complexo (com tempo morto, por exemplo) um comportamento
desejado de 1ª ordem.
Utilizando o sobrescrito “~” para identificar o modelo do processo, mais válvula

e elemento final, obtido através de identificação em campo ou a partir de modelo
fenomenológicos linearizados:
G ( s ) = Gf ( s ) GP ( s ) Gm ( s ) (10.9)
GC ( s ) G ( s )
f (s)  (10.10)
1 + GC ( s ) G ( s )
Rearrumando, obtém-se a lei do controlador:
1  f (s) 
GC ( s ) =   (10.11)
G ( s ) 1 − f ( s ) 
Caso se imponha a trajetória de 1° ordem da equação (10.8):
1 1
GC ( s ) = (10.12)
G ( s )  Cs
Observe que a lei obtida exige a inversão do modelo. Logo, não se pode impor
trajetória de 1ª ordem para processos cujo modelo exiba zero positivo ou tempo morto,
pois a inversão produzirá, respectivamente, um controlador instável (com polo positivo)
ou que dependerá de valores futuros do erro, os quais não são conhecidos.
302 Souza & Trica

A seguir, aplica-se a lei obtida em (10.12) para alguns processos típicos:
Processos Integradores
K
G (s) = (10.13)
s
1
GC ( s ) = (10.14)
K C
O controlador é um P, com ganho dado por:
1
KC = (10.15)
K C
Verifica-se que quanto mais rápida for a resposta desejada, menor deverá ser
τC, em consequência, maior KC.
Processos de 1ª Ordem
K
G (s) = (10.16)
 s +1
 s +1
GC ( s ) = (10.17)
K C s
O controlador é um PI, com parâmetros dados por:

KC = , I =  (10.18)
K C
Verifica-se que os parâmetros do controlador dependem dos parâmetros do

modelo; apenas τC necessita ser sintonizado.
Souza & Trica 303

Processos de 2ª Ordem
K
G (s) = (10.19)
 s + 2 s + 1
2 2
2   1  1    
GC ( s ) = 1 +   +  s (10.20)
K C   2  s  2  
O controlador é um PID, com parâmetros dados por:
2 
KC = ,  I = 2 , D = (10.21)
K C 2
Verifica-se que os 3 parâmetros do PID dependem dos parâmetros do modelo;

apenas τC necessita ser sintonizado.
Processos de 1ª Ordem com Tempo Morto (FOPDT)
Ke − s
G (s) = (10.22)
 s +1
 s +1 s
GC ( s ) = e (10.23)
K C s
 s +1
c ( s ) =   ( s ) e s (10.24)
K C s
A lei de controle da equação (10.24) é fisicamente irrealizável porque depende

de valores futuros do erro, ε’(t+θ). Para solucionar este problema, outra especificação
para f(s) deve ser utilizada. Admitindo-se uma trajetória também de 1ª ordem com
tempo morto:
e−C s
f (s) = (10.25)
 Cs + 1
304 Souza & Trica

 s +1 e(C ) 
−  − s
GC ( s ) =   (10.26)
K  C s + 1 − e−C s 
Para a lei de controle ser fisicamente realizável, θC ≥ θ. Supondo θC = θ:
 s +1 1 
GC ( s ) =  − s  (10.27)
K  C s + 1 − e 
Adotando-se a aproximação por série truncada:
e− s  1 −  s (Aproximação Taylor 1° ordem) (10.28)
 s +1
GC ( s ) = (10.29)
K ( C +  ) s
que é um PI com parâmetros dados por:
1
KC = , I =  (10.30)
K ( C  +   )
Observa-se que apenas τC precisa ser ajustado e que quanto maior o fator de
incontrolabilidade, θ/τ, menor o ganho do controlador.
10.2.2. IMC (Internal Model Control)
A abordagem IMC foi proposta por Morari & Zafiriou (1989). Ela se baseia no
uso explícito de um modelo de processo – como ilustrado na Figura 10.2 – para projetar
o controlador e pode ser considerada uma extensão e uma formalização do método de
síntese direta.
Souza & Trica 305

Figura 10.2. Diagrama de blocos do controlador IMC (Internal Model Control).
Na Figura 10.2, G = GfGPGm representa a planta de processo real e G̃

representa o modelo para G. A perturbação é tal que d̕ = Gdd’. A diferença y̕ − ỹ̕ é
geralmente não nula, devido às simplificações do modelo e às perturbações do
processo.
Onde:
Outra forma de representar a estrutura para o IMC é apresentada na Figura

10.3:
Figura 10.3. Diagrama de blocos alternativo do controlador IMC

(Internal Model Control).
Comparando a estrutura acima do IMC com o controle feedback clássico,

obtém-se a seguinte relação:
GC* ( s )
GC ( s ) = (10.31)
1 − G ( s ) GC* ( s )
306 Souza & Trica

Desta forma são obtidas as seguintes funções de transferência para o problema

servo e regulador respectivamente:
y ( s ) GGC*
=
 ( s ) 1 + GC* G − G
ySP ( ) (10.32)
y ( s ) 1 − GGC*
=
(
d  ( s ) 1 + GC* G − G ) (10.33)
Supondo modelo perfeito, G̃ (s) = G(s):
 ( s ) + (1 − GGC* ) d  ( s )
y ( s ) = GGC* ySP (10.34)
O controlador IMC é projetado em dois passos:
1) O modelo é fatorado como G̃ = G̃ +(s)G̃ −(s), onde G̃ + contém todos os

elementos de tempo morto, zeros positivos, etc. G̃ −(s) é especificado de forma
que seu ganho estacionário seja igual à unidade.
2) Calcula-se GC* conforme segue:
1
GC ( s ) = f (s) (10.35)
G− ( s )
1
f (s) = , r (10.36)
( C s + 1)
r
tal que f(s) é um filtro do tipo passa-baixa com ganho estacionário igual à unidade.
A motivação em usar este filtro é evitar que ações de controle rigorosas são
obtidas na presença de incertezas de modelagem. O parâmetro τC é a constante de
tempo em malha fechada desejada. Por sua vez, o parâmetro r é um inteiro positivo
selecionado de forma que GC* seja uma função própria – o denominador seja pelo
menos da mesma ordem que o numerador – ou, se ação derivativa for permitida, r pode
ser escolhido de modo que a ordem do numerador exceda em um a ordem do
denominador.
Substituindo-se este controlador na equação (10.34), obtém-se:
Souza & Trica 307
y ( s ) = G+ fySP (
 ( s ) + 1 − fG+ d  ( s ) ) (10.37)
Na equação (10.37) se G̃ + = 1, obtém-se y̕ = f(s)y̕SP na ausência de distúrbios;

ou seja, f(s) é a própria trajetória de referência, como estudado no método de síntese
direta.
Para um processo modelado como FOPDT:
Ke − s
G (s) = (10.38)
 s +1
e adotando-se a aproximação de Padé de 1ª ordem:
1 − ( 2 ) s
e− s  (10.39)
1 + ( 2 ) s
 G+ ( s ) = 1 − ( 2 ) s 
K 1 − ( 2 ) s  
G (s) = → K (10.40)
 s + 1 1 + ( 2 ) s  G− ( s ) =
  s + 1 1 + ( 2 ) s 
 s + 1 1 + ( 2 ) s 
GC* ( s ) = (10.41)
K  C s + 1
GC* ( s )
GC ( s ) = (10.42)
1 − G ( s ) GC* ( s )
Um controlador PID é obtido com os seguintes parâmetros:
1 2 (  ) + 1 
KC = ,  I =  +  2, D = (10.43)
K 2 ( C  ) + 1 2 (  ) + 1
Observa-se que os parâmetros do PID dependem dos parâmetros do modelo e

apenas τC fica livre para sintonia. Como τC é a constante de tempo da trajetória de
referência, quanto mais rápida se quiser a resposta controlada, menor deve ser
escolhido este parâmetro.
308 Souza & Trica
A Tabela 10.5 apresenta sintonias de controladores PID calculadas através da

técnica IMC para diversos modelos de processos.
Tabela 10.5. Sintonias de controladores PID a partir da técnica IMC

(Chien & Fruehauf, 1990).
Modelo KC K I D
K 
 -
 s +1 C
K 1 +  2 1 +  2
1 +  2
(1s + 1)( 2 s + 1) C  1 2
K 2 
2
 2 s 2 + 2 s + 1 C 2
K (1 −  s ) 2 
2
 s + 2 s + 1
2 2
C +  2
K 2
2 C -
s C
K 2 C +  2 C
2 C + 
s ( s + 1) C 2
2 C + 
Ke − s 
 -
 s +1 C +
Ke − s  + 2 
 + 2
 s +1 C + 2 2 + 
K ( 3 s + 1) e − s 1 +  2 −  3  1 2
1 +  2 −  3 −3
( 1s + 1)( 2 s + 1) C + 1 +  2 −  3
K ( 3 s + 1) e− s 2 −  3 2
2 −  3 −3
 2 s 2 + 2 s + 1 C +  2 −  3
 3  3  1 2
K (1 −  3 s ) e − s 1 +  2 +  3 +
C +3 +  1 +  2 + C +3 +   + +  3
( 1s + 1)( 2 s + 1) C +3 + 
C +3 +  1 2
C +3 + 
Ke − s 2 C + 
2 C +  -
( C +  )
2
s
Ke − s 2 C +   C + ( 2 )
2
2 C + 
( C +  2 )
2
s 2 C + 
Ke − s 2 C +  + 
2 C +  + 
( 2 C +  )
s ( s + 1) ( C +  )
2
2 C +  + 
Souza & Trica 309

10.3. Exercícios
E10.1. Admita que o elemento de medida para o controle do processo do Exercício E8.1
apresenta uma dinâmica que pode ser descrita por:
1
Gm ( s ) =
( s + 1)
Calcule os ajustes para um controlador PID pelo método de ZIEGLER-NICHOLS.
E10.2. Uma corrente de processo é aquecida usando-se um trocador casco-tubo. A

temperatura de saída é controlada, ajustando-se a válvula de controle mostrada na
Figura E10.2.a:
TIC
T2,m
Vapor
TT
T2 T1
Condensado
Figura E10.2.a
Tabela E10.2.a Valores da resposta ao degrau para a temperatura saindo do

aquecedor.
t (min) T2,m (mȦ) T2,m (mȦ) (modelo)
0 12,0
1 12,0
2 12,5
3 13,1
4 14,0
5 14,8
6 15,4
7 16,1
8 16,4
9 16,8
10 16,9
11 17,0
12 16,9
310 Souza & Trica

Um teste foi feito no qual foi dado um degrau no sinal que alimenta a válvula de 12 a
14,96 mȦ. Os dados da Tabela E10.2.a para a temperatura medida estão plotados na
Figura E10.2.b.
16.9
T2,m [mA]
16.4
15.9
15.4
14.9
14.4
13.9
13.4
12.9
12.4
11.9
0 1 2 3 4 5 6 7 8 9 10 11 12
t [min]
Figura E10.2.b
E10.2.a) Aproxime GfGPGm por uma função de transferência de primeira ordem com
tempo morto;
E10.2.b) Obtenha expressões para t ≤ θ e t ≥ θ da resposta T2,m (mȦ) ao degrau indicado

e complete a Tabela E10.2.a;
E10.2.c) Calcule o ajuste para um controlador PI usando o critério de ITAE mínimo para
mudanças no set-point;
E10.2.d) Calcule o ajuste para um controlador PI usando o método de ZIEGLER-NICHOLS;
E10.2.e) Calcule os ajustes para um controlador PI, usando o método de COHEN &
COON;
E10.2.f) Adotando uma estratégia conservativa (mais suave ou menos agressiva) de

controle, qual valor de KC que você implementaria: do item E10.2.c, E10.2.d ou E10.2.e?
Por quê?;
Souza & Trica 311

E10.3. Suponha que um sistema tenha sido modelado por:
Ke − s
Gf GPGm =
 s +1
Admita também que o diagrama de lugar das raízes para o processo acima está
disponível, conforme Figura E10.3.a, onde foi usada a aproximação de Padé de 1ª ordem
para o tempo e um controlador proporcional.
Im(s)
p2 = 1,155i
p1,2 = −0,527 (KC = 3,5)
(KC = 0,335) p1,2 = 2,257
(KC = 18,67) p2 → ∞
(KC → ∞)
−1 −1/6 p1 = 1 Re(s)
(KC → ∞)
p1 = −1,155i
(KC = 3,5)
Figura E10.3.a
E10.3.a) Calcule os ajustes de um PI para o processo apresentado, usando o método de

ZIEGLER-NICHOLS;
E10.3.b) Identifique K, τ e θ.
E10.4. Um estagiário verifica que um controle de vazão está sendo realizado por um
controlador que – embora apresente os modos P, I e D – está sendo usado como um PI.
O referido controlador foi ajustado pelo método de ZIEGLER-NICHOLS para KC = 0,9 e τI
= 0,9 min.
Sabendo das vantagens da ação derivativa, o estagiário decide reajustar o controlador

para um PID, pelo método de ZIEGLER-NICHOLS.
E10.4.a) Para que valores de KC, τI e τD ele pretende reajustar o controlador?

312 Souza & Trica
E10.4.b) Informado depois que no controle em questão há ruído de medida devido à

vibração da bomba, o estagiário implementa ou não a ação derivativa? Por quê?
E10.5. Seja o sistema de 2 tanques de mistura perfeita em série:
q
C0
q
V = 1 m3
C1
q
V = 1 m3
C2
Figura E10.5.a
O sistema inicialmente está em estado estacionário, quando um degrau unitário é dado

na concentração de entrada.
E10.5.a) Escreva expressões para C2̕ (t), para os seguintes casos: (i) q = 0,01 m³/s (ii) q =
0,02 m³/s (iii) q = 0,05 m³/s.
E10.5.b) Esboce qualitativamente o gráfico abaixo para os três casos estudados acima;
E10.5.c) Admita que se queira controlar a concentração de saída C2̕ (t). Use os
parâmetros do caso em que a resposta é mais lenta. Suponha:
1
Gm = , Gf = 1
( 5s + 1)
e, usando método de ZIEGLER-NICHOLS, calcule os parâmetros do controlador PID.
E10.6. Um estagiário visita a sala de instrumentação de uma fábrica acompanhado do

seu chefe imediato. O chefe comenta que um dado processo é controlado por um
controlador P e que a variável controlada apresenta offset frente a alterações no degrau
no set-point.
Souza & Trica 313

O chefe diz também que o controlador foi ajustado por um engenheiro (que não se
encontra mais na fábrica) usando o método de “uns tais ZIEGLER e NICHOLS” e pede ao
estagiário que reajuste o controlador para um melhor desempenho.
O estagiário verifica que o ajuste do controlador é feito via um botão onde os ganhos
podem ser variados de 0 a 10 (de um em um) e que o valor atual de KC é 1.
Admitindo que o estagiário segue uma linha de controle conservativa (ou seja, procura
trabalhar longe de condições instáveis), responda:
E10.6.a) Para que valor o estagiário reajusta KC?
E10.6.b) Como ele justifica este novo ajuste?
E10.7. Na Figura E10.7.a, a concentração de sal que deixa o 2° tanque é controlada pela
adição de solução concentrada do sal através de uma válvula de controle. Sabe-se que:
• O set-point para a concentração controlada é 0,1 lbm/ft³. A concentração de

entrada é sempre menor que 0,1 lbm/ft³. A concentração da solução
concentrada de sal é 30 lbm/ft³;
• O sensor-transmissor tem saída variando linearmente de 3 a 15 psig quando a

concentração varia de 0,05 a 0,15 lbm/ft³;
• O controlador é pneumático, é proporcional e tem ação reversa;
• Para a válvula de controle, quando a pressão no diafragma varia de 3 a 15 psig,

a vazão através da válvula de controle varia linearmente de 0 a 0,005 ft³/min;
• Leva 0,5 min para a solução que deixa o segundo tanque alcançar o sensor-
transmissor no fim do tubo.
E10.7.a) Identifique GP, GC, Gf, Gm e Gd e escreva a Equação Característica;
E10.7.b) Ajuste o controlador P usando o método de ZIEGLER & NICHOLS.
314 Souza & Trica

Solução
concentrada
set-point
Solução 1 ft 3 /min CC
XIT
de sal Ci
w ( t ) [ft 3 /min]
C1
V1 = 3 ft 3
C2
XT
V2 = 4 ft 3
Figura E10.7.a
E10.8. Para um sistema com:
1
GP = Gd =
( s + 1)
3
1
Gm =
( s + 1)
e dinâmica da válvula desprezível e controlador P, determine:
OBS: os itens E10.8.a e E10.8.b devem ser resolvidos a partir dos critérios do Arranjo de
Routh.
E10.8.a) O valor de KC para o qual duas das raízes estão sobre o eixo imaginário;
E10.8.b) O valor das duas raízes obtida no item E10.8.a;
E10.8.c) O valor das duas outras raízes;
E10.8.d) O período de oscilação limite;
E10.8.e) O ajuste para este sistema de um controlador P via ZIEGLER & NICHOLS;
E10.8.f) Supondo um degrau unitário no set-point e ajuste do controlador conforme
E10.8.e, calcule o offset;
Souza & Trica 315
E10.8.g) Supondo um degrau unitário na carga (distúrbio) e ajuste do controlador

conforme E10.8.e, calcule o offset;
E10.8.h) Suponha que: (i) offset não é desejado para este sistema (ii) o controlador
possua também modos de atuação integral e derivativo (iii) a variável medida apresenta
ruído. Escolha um controlador satisfatório para este caso e ajuste-o via ZIEGLER &
NICHOLS.
E10.9. Seja um sistema tal que:
1
GP = Gd =
( 2s + 1)
1
Gm =
( s + 1)
e dinâmica da válvula desprezível e controlador PI, determine:
E10.9.a) Usando o teste de Routh, determine se o sistema de controle é estável para os

ajustes KC = 4 e τI = 0,5 min;
E10.9.b) Supondo agora que:
1
Gf =
( 0,1s + 1)
ajuste o controlador PI, seguindo estritamente os passos do método ZIEGLER &

NICHOLS.
E10.10. Um processo de 2ª ordem:
0,09
GP =
( 2s + 1)( s + 1)
é controlado por um controlador P. A válvula tem dinâmica dada por:
316 Souza & Trica

1
Gf =
( 0,6s + 1)
e o elemento de medida introduz um tempo morto:
1 − 0, 2 s
Gm ( s ) = e −0,4 s 
1 + 0, 2 s
E10.10.a) Suponha que para simplificar os cálculos, desprezou-se a dinâmica do

elemento de medida (fez-se Gm = 1). Calcule o ajuste do controlador P, usando o método
de ZIEGLER-NICHOLS;
E10.10.b) Usando o ajuste para KC obtido em E10.10.a e considerando agora a dinâmica

do elemento de medida, verifique pelo arranjo de Routh se o sistema em malha fechada
é estável;
E10.10.c) Do resultado obtido em E10.10.b, comente qual o efeito do tempo morto nos
processos em malha fechada.
E10.11. Douglas (Process Dynamics and Control, v. 2, pp. 169) reporta a seguinte função
de transferência para uma fornalha industrial:
T ( s ) 40e−20 s °C
GPGf = =
p ( s ) ( 900s + 1)( 25s + 1) psi
onde a função de transferência acima relaciona a temperatura da corrente do efluente

à pressão fornecida à válvula pneumática na linha de combustível. Todas as constantes
de tempo estão em segundos.
Se há disponível um elemento de medida de atuação rápida, o qual tem um ganho de

0,2 psi/°C, selecione por ZIEGLER-NICHOLS os parâmetros de um controlador PI para
este sistema. Use a aproximação de Padé de primeira ordem:
1 − ( 2 ) s
e− s 
1 + ( 2 ) s
Souza & Trica 317

E10.12. Um engenheiro é solicitado para o projeto de um controlado para o controle de

T2 no processo da Figura E10.12.a:
T0
T1
c ( t ) TT T2
Figura E10.12.a
As seguintes condições devem ser levadas em conta no projeto do controlador:
• offset não é desejado;
• o controlador deve ser barato e simples de ajustar.
E10.12.a) Que controlador é indicado pelo engenheiro? (P, PI ou PID?);
Para o ajuste do controlador, o engenheiro realiza um experimento prático consistindo

da introdução de um degrau de magnitude 0,8 (mȦ) no sinal c’(t) que alimenta a válvula
e plota a resposta T2m̕ (t) em variáveis-desvio na Figura E10.12.b (já está traçada a
tangente à curva de inflexão).
318 Souza & Trica

2
T2,m [mA]
1.75
1.5
1.25
0.75
0.5
0.25
0 20 112,5
0 25 50 75 100 125 150 175 200 225 250
t [min]
Figura E10.12.b
E10.12.b) Para o controlador escolhido em E10.12.a, qual o conjunto de parâmetros

obtidos pelo método de COHEN &COON?
E10.12.c) Usando aproximação do processo acima por um sistema de 1ª ordem com

tempo morto e empregando a aproximação de Padé, calcule os parâmetros para o
controlador escolhido em E10.12.a pelo método de ZIEGLER-NICHOLS.
E10.13. Considere o processo do Exercício E9.6. Calcule os parâmetros de um

controlador PID para este processo, baseado no índice ITAE para mudanças no set-point.
E10.14. Considere o sistema de controle de nível de líquido mostrado na Figura E10.14.a,

com controlador P com opções para ação reversa e direta. Os tanques apresentam
interação. As seguintes informações são conhecidas:
• O sistema em malha aberta tem ξ = 1,4 e a área da seção transversal do tanque

2 é 2 m²;
• Quando o sistema em malha aberta é perturbado por um degrau unitário em

Fi, o tanque 1 sofre uma variação total de 80 cm e o tanque 2 de 30 cm.
Souza & Trica 319

Fi ( t )
LT
h1 ( t ) h2 ( t )
R1 R2
F1 ( t ) F2 ( t )
Figura E10.14.a
E10.14.a) Calcule a área do tanque 1;
E10.14.b) Calcule as funções de transferência em malha aberta GP(s) e Gd(s);
E10.14.c) Para o sistema em malha aberta, escreva as respostas de h̕1(t) e h̕2(t) para um
degrau unitário em F̕i(t).
Para os demais itens considere também que:
−0,1 m³/min psig

Gf ( s ) = , Gm = 10
( 0,2s + 1) psig m
E10.14.d) Se o controlador tem ação reversa, defina (usando as regras do Arranjo de

Routh) o intervalo de KC para o qual o sistema é estável;
E10.14.e) Se o controlador tem ação direta, calcule o seu valor limite (último);
E10.14.f) Ajuste o controlador com ação direta, usando o método de ZIEGLER &
NICHOLS;
E10.14.g) Para o ajuste do item E10.14.f e um degrau unitário no set-point, calcule o

valor final de h̕2(t) e o offset;
E10.14.h) Para este sistema, você adotaria controlador P com ação direta ou reversa?
Porquê?
E10.14.i) De modo a evitar offset, escolha um controlador (que seja o mais simples e
barato) e reajuste-o usando o método de ZIEGLER & NICHOLS.
E10.15. Suponha o mesmo processo e a mesma válvula do Exercício E8.4. O elemento

de medida, no entanto, não é mais desprezível e tem dinâmica dada pela função de
transferência:
320 Souza & Trica

1
Gm =
( s + 1)
Ajuste os parâmetros de um controlador PI pelo método ZIEGLER & NICHOLS.
E10.16. Considere o mesmo processo, o mesmo elemento de medida e o mesmo

controlador PI ajustado com os parâmetros obtidos no Exercício E10.15. Suponha, no
entanto, que a válvula tem dinâmica dada pela função de transferência:
10
Gf =
(1,2s + 1)
Verifique usando o Arranjo de Routh se o processo em malha fechada resultante é

estável.
E10.17. Seja:
2 K Ce − s
G ( s ) = GCGf GPGm =
2s + 1
onde o tempo morto é estimado como sendo 0,5 com erro de ± 30 %.

E10.17.a) Se o tempo morto se apresenta na faixa θ = 0,5 ± 0,15, qual o valor que você
escolherá para θ a fim de projetar um controlador para este sistema? Por quê? Baseie
sua resposta em seus conhecimentos sobre estabilidade e, principalmente, bom senso.
E10.17.b) Você sabe que o valor de KC que torna a razão de amplitudes RA (para o
sistema GCGfGPGm) igual a 1 é o chamado ganho limite. Usando essa informação e o
método de ZIEGLER-NICHOLS, ajuste KC;
E10.17.c) Aproxime o tempo morto por Padé e usando a nova expressão, calcule KC por
ZIEGLER-NICHOLS;
E10.17.d) Qual resultado (o de E10.17.b ou deE10.17.c) você implementaria numa

situação real? Por quê?
Souza & Trica 321

Capítulo 11 – Controle em cascata
11. Controle em cascata
O controle em cascata permite combinações em série de controladores

feedback. Essa estratégia de cascateamento é rotineiramente usada na prática
industrial, pois resulta em desempenhos melhorados de controle em algumas situações.
O objetivo é reconhecer uma perturbação antes que ela afete a variável controlada, mas
a perturbação não é necessariamente medida. Tem-se assim uma variável manipulada
e duas (ou mais) variáveis medidas: a variável controlada e uma (ou mais) variável(eis)
intermediárias.
No item 11.1 apresentam-se exemplos de aplicação de controle em cascata e

as motivações para o seu uso em cada caso. No item 11.2, as equações da malha fechada
são apresentadas e um exemplo abordando a questão da estabilidade e métodos de
sintonia de malhas em cascata é também introduzido.
11.1. Exemplos e premissas iniciais
Seja, como primeiro exemplo, o controle feedback de um evaporador exibido

na Figura 11.1. Esse evaporador é o 1º efeito de um sistema de evaporadores nos quais
o licor negro, um subproduto do processo de produção de polpa e papel, é concentrado.
Deseja-se controlar a concentração do licor que deixa o 1º efeito, manipulando a vazão
de alimentação de vapor vivo.
Figura 11.1. Controle feedback da concentração de licor negro.
No caso em que a pressão de suprimento de vapor vivo esteja sujeita a

flutuações, o controle feedback tradicional não terá um desempenho eficiente, pois a
abertura da válvula de controle em uma dada posição não garantirá necessariamente a
Souza & Trica 323

vazão esperada de vapor para a troca térmica. Espera-se que a colocação de um

controlador de vazão, em serie com o controlador de vazão, resolva essa situação. Este
esquema em cascata é exibido na Figura 12.2.
Figura 11.2. Controle em cascata da concentração de licor negro.
Na Figura 11.2 há duas malhas de controle usando variáveis medidas

diferentes: a concentração do licor na saída do evaporador e a vazão do vapor. Há uma
única variável manipulada: a vazão do vapor, alterada através da abertura da válvula de
controle. Nota-se que:
• A malha em que se mede a concentração é a dominante, primária ou externa

(ou − conforme denominação de literatura técnica mais antiga − mestra,
patrão) e usa um set-point provido pelo usuário externo;
• A malha em que se mede a vazão do vapor usa a saída do controlador primário

como set-point e é chamada de malha secundária ou interna (ou escrava).
O esquema de controle em cascata proporcionará um melhor desempenho que

o feedback convencional, pois o controlador de vazão reposicionará a abertura da
válvula, na presença de variações na pressão de fornecimento do vapor, até conseguir a
vazão de vapor necessária para a troca térmica, demandada pelo controlador de
concentração.
Seja agora, como segundo exemplo, o reator CSTR que troca calor apenas com
uma camisa de refrigeração e que está submetido ao controle feedback apresentado na
Figura 11.3.
324 Souza & Trica

Figura 11.3. Controle feedback da temperatura do reator CSTR com camisa de

refrigeração.
Admite-se que neste reator acontece uma reação exotérmica e que o objetivo
de controle é manter a temperatura da mistura no reator, T, manipulando a vazão de
refrigerante, Fk, frente a distúrbios nas temperaturas de entrada do reator e da camisa,
Ti e Tk,i, respectivamente (a vazão F é considerada aqui constante). O controle feedback
de temperatura usa medidas da própria variável controlada (a temperatura do reator) e
sua manipulação de Fk afetará a temperatura na camisa Tk, promovendo a troca térmica
necessária para o controle. Assim, se Ti se altera, o controlador rejeitará os efeitos deste
distúrbio em T; contudo, o desempenho de controle será prejudicado se também
houver distúrbios em Tk,i, pois a mera abertura da válvula em uma dada posição não
garantirá a temperatura na camisa Tk, necessária à troca térmica.
A Figura 11.4 é apresentada a colocação de um controlador da temperatura da

camisa como secundário do controlador da temperatura do reator.
Figura 11.4. Controle feedback em cascata da temperatura do reator CSTR com

camisa de refrigeração.
Souza & Trica 325

Assim, a saída do controlador primário é o set-point do controlador secundário.

Esse segundo controlador garantirá que a temperatura na camisa é aquela necessária
para a troca térmica, pois usará sua própria medida para posicionar a válvula de
controle.
O processo (sem os controladores) de ambos os exemplos apresentados podem

ser representados pelo seguinte diagrama de blocos apresentado na Figura 11.5:
Gd,2
+ Gd,1
+
GP,1 GP,2
+ +
Figura 11.5. Representação em diagramas de blocos de um processo em malha

aberta com oportunidadede para implementação de controle em cascata.
tal que para o processo do reator CSTR com camisa de refrigeração, tem-se que:
d1  Ti Temperatura da corrente de entrada dos reagentes;

d 2  Tk,i Temperatura da corrente de entrada da camisa;
y2  Tk Temperatura da corrente de saída da camisa;
u  Fk Vazão da corrente de entrada da camisa;
y1  T  Temperatura do reator.
O controle feedforward é empregado quando a perturbação afeta a saída de

GP,1, no caso Gd,1. Quando a perturbação afeta a entrada de GP,2, no caso GP,2, emprega-
se controle em cascata; neste caso, as perturbações estão associadas com a variável
manipulada. A Figura 11.6 ilustra um trocador de calor em que a saída do controlador
feedforward é combinada com a do sistema de feedback em cascata para atuar sobre a
válvula. Analogamente ao exemplo do evaporador deste item, o controle em cascata é
necessário, neste caso, na presença de flutuações da pressão de suprimento do vapor.
O controle feedforward será estudado no Capítulo 12.
Como se viu nos três exemplos apresentados neste item, em processos

químicos, malhas de controle de vazão estão quase sempre em cascata como escravas
com malhas de controle de outras variáveis mestras (nível, temperatura, pressão).
326 Souza & Trica

Figura 11.6. Controle feedback em cascata mais controle feedforward de um

trocador de calor casco-tubo.
11.2. Equacionamento de sistemas de controle em cascata
O objetivo deste item é obter as funções de transferência entre a saída

controlada e os distúrbios ou o seu set-point, para o controle em cascata. Para tanto,
supõe-se o diagrama de blocos para um esquema de controle em cascata típico
apresentado na Figura 11.7. Verifica-se que, em comparação com o esquema de
controle feedback tradicional, tem-se agora a adição de um sensor-transmissor e de um
controlador, Gm,2 e GC,2, respectivamente.
Gd,2 Gd,1
+
Km,1
+
GC,1
+
GC,2 Gf,2 GP,2 GP,1
+ +
SP - -
m,2
Gm,2
m,1
Gm,1
Figura 11.7. Representação em diagrama de blocos de uma malha de controle em

cascata.
A representação da Figura 11.7 pode ser compactada, como apresentado na

Figura 11.8, para facilitar a dedução das equações.
Souza & Trica 327

GCarga,2 Gd,1
+
SP Km,1
+
- GC,1 GSP,2
+
GP1 +
m,1
Gm,1
Figura 11.8. Representação compacta de uma malha de controle em cascata.
GC,2Gf,2GP,2
GSP, 2 = (11.1)
1 + GC,2Gf,2GP,2Gm,2
y1 K m,1GC,1GSP,2GP,1
GSP,1  = (11.2)

ySP 1 + GC,2GSP,2GP,1Gm,1
tal que após substituição de GSP,2 e após simplificações:
K m,1GC,1GC,2Gf,2GP,2GP,1
GSP,1 = (11.3)
1 + GC,2Gf,2GP,2Gm,2 + GC,1GC,2Gf,2GP,2GP,1Gm,1
A função de transferência em malha fechada para rejeitar perturbações de d1

em y1 será dada por:
y1 Gd,1
GCarga,1  = (11.4)
d1 1 + GC,1GSP,2GP,1Gm,1
Gd,1 (1 + GC,2Gf,2GP,2Gm,2 )
GCarga,1 = (11.5)
1 + GC,2Gf,2GP,2Gm,2 + GC,1GC,2Gf,2GP,2GP,1Gm,1
A função de transferência em malha fechada para rejeitar perturbações de d2

em y1 será dada por:
y1 GCarga,2GP,1
= (11.6)
d 2 1 + GC,1GSP,2GP,1Gm,1
328 Souza & Trica

y1 Gd,2GP,1
= (11.7)
d 2 1 + GC,2Gf,2GP,2Gm,2 + GC,1GC,2Gf,2GP,2GP,1Gm,1
A Equação Característica para o controle em cascata é, portanto (no caso de

duas malhas em cascata):
1 + GC,2Gf,2GP,2Gm,2 + GC,1GC,2Gf,2GP,2GP,1Gm,1 = 0 (11.8)
Para o caso do controle feedback convencional, não existem o sensor-

transmissor e o controlador associados à malha secundária (isto é, Gm,2 = 0 e GC,2 = 1),
logo a Equação Característica recai na do feedback convencional:
1 + GC,1 Gf,2GP,2GP,1  Gm,1 = 0 (11.9)
Os métodos de análise de estabilidade estudados no Capítulo 10 podem ser

também empregados para analisar o controle em cascata, como ilustrado no exemplo a
seguir.
Exemplo 11.1. Controle cascata em um forno pré-aquecedor.
Propõe-se uma malha de controle em cascata para controlar variações da

carga de gás combustível em um forno pré-aquecedor devido a variações na pressão
de fornecimento do mesmo, conforme Figura 11.9.
Exaustão
w, T
TIC TT
w, Ti
FIC FT
Gás Ar
Figura 11.9. Controle em cascata de um forno pré-aquecedor.
Souza & Trica 329

Sejam as funções de transferência do sistema dadas por (constantes de

tempo em minutos):
8 5 1
Gf,2 = , GP,1 = , Gd,1 = (11.10)
2s + 1 ( 4s + 1)(1,5s + 1) 4s + 1
GP,2 = Gd,2 = 1, Gm,1 = 0,08, Gm,2 = 0,4 (11.11)
Determine os limites de estabilidade para um controlador proporcional

convencional, assim como para no sistema de controle em cascata consistindo de dois
controladores proporcionais. Considere KC,2 = 5 para o controlador secundário.
Solução:
Antes de se proceder ao cálculo explícito das condições limites, pode-se

proceder a uma análise dos efeitos da inclusão de uma malha de controle secundária.
Para controle feedback convencional, conforme mostrado na Figura 11.10, tem-se −
dentro do retângulo pontilhado, após o controlador, G = Gf,2GP,2 − ou seja apenas a
função da válvula já que, neste caso, GP,2 = 1.
GC Gd,2
i Gd,1
G2
GC
+
+
Km,1 GC,1 Gf,2 GP,2 GP,1
+ +
SP -
m
Gm,1
Figura 11.10. Controle feedback convencional da temperatura da carga no forno pré-

aquecedor.
8
G2 = (Feedback ) (11.12)
2s + 1
330 Souza & Trica

Para controle cascata, conforme exibido na Figura 11.11, tem-se − dentro do

retângulo pontilhado, após o controlador primário − a malha secundária com o
controle P. Neste caso, G2 = GSP,2.
GC Gd,2
i Gd,1
G2
GC
+
+ +
Km,1 GC,1 GC,2 Gf,2 GP,2 GP,1
+ +
SP - -
GC,m
Gm,2
m
Gm,1
Figura 11.11. Controle em cascata da temperatura da carga no forno pré-aquecedor.
8
GC,2Gf,2GP,2 5 1
G2 = GSP,2 = = 2 s + 1 =
2,35
(11.13)
1 + GC,2Gf,2GP,2Gm,2 1+ 5
8
 1  0, 4 0,12 s + 1
2s + 1
A constante de tempo para a malha secundária é de 0,12 min, portanto o

controle em cascata acelerou de forma significativa a resposta de GC. Com isso, o
comportamento em torno da válvula foi acelerado, o que deverá proporcionar uma
situação mais estável para o sistema com controle em cascata. Isso pode ser
comprovado pelo cálculo explícito das condições limites.
Seja a Equação Característica deste controle em cascata e o valor do ganho

último (calculado pelo método da substituição direta):
12s3 + 113s 2 + 95,5s + 17 + 16 KC,1 = 0  KC,1,último  55 (11.14)
e para feedback convencional, Gm,2 = 0 e GC,2 = 1:
8s3 + 17 s 2 + 7,5s + 1 + 3,2 KC,1 = 0  KC,1,último  3 (11.15)
Souza & Trica 331

Logo, o controle em cascata permite o emprego de ganhos do controlador

primário bem maiores sem instabilizar a malha. Valores de ganho do controlador
secundário ainda maiores poderiam tornar a resposta da malha secundária mais
rápida e garantir uma maior estabilidade. Contudo, na prática, tal situação poderia
saturar a válvula de controle, pois o controlador secundário ficará muito agressivo.
De uma maneira geral, o controle em cascata normalmente tem

características de estabilidade melhoradas, mas – para tanto - as dinâmicas da malha
secundária devem ser mais rápidas que a da malha primária. Em termos de
desempenho, o controle proporcional puro pode ser usado para malhas internas
porque o offset na variável controlada secundária pode ser corrigido usando ação
integral da malha primária.
OBS: Sintonia de malhas de controle em cascata
A sintonia das malhas de controle secundária (interna) e primária (externa)

se faz em série:
1) A malha interna é usualmente ajustada com valores elevados de ganho para

dar a resposta rápida requerida. Podem ser utilizadas as técnicas
apresentadas no capítulo 10;
2) Ajusta-se a malha externa, com a malha interna fechada e em operação,

utilizando alguma das técnicas de sintonia e/ou projeto apresentadas no
capítulo 10.
332 Souza & Trica

Capítulo 12 – Controle feedforward ou por antecipação
12. Controle feedforward ou por antecipação
Até agora foi dada ênfase na sintonia e projeto de controladores para o

problema servo, para que o sistema em malha fechada apresente resposta dinâmica
satisfatória para estímulos no set-point.
Os controladores ajustados para o problema servo em boa parte dos casos

também apresentam bom desempenho para o problema regulador. Para os casos em
que o desempenho não é satisfatório, ainda é possível fazer um ajuste fino dos
parâmetros do controlador para que o desempenho global seja adequado para ambos
os problemas: regulador e servo.
Entretanto, há alguns casos específicos na indústria de processamento química

onde o controle feedback clássico não apresenta desempenho satisfatório, mesmo
quando efetuados ajustes nos parâmetros do controlador. Para esses casos,
introduzidos no item 12.1, uma nova abordagem de controle é necessária, onde as ações
de controle devem ser antecipadas aos distúrbios que o processo sofre.
O projeto de controladores feedforward pode ser feito a partir de modelos

estacionários ou dinâmicos, os quais são desenvolvidos respectivamente nos itens 12.2
e 12.3. Por fim, a sintonia de controladores feedforward na forma “lead-lag” é
introduzida no item 12.4 e ilustrado através de um exemplo ao final do Capítulo.
12.1. Exemplos e premissas iniciais
Seja, como primeiro exemplo, uma coluna de destilação binária metanol-água

na Figura 12.1 (Wood & Berry, 1973).
F, D e B são a vazão molar das correntes de alimentação, topo (destilado) e

fundo, respectivamente, em lbm/min. zF, xD e xB são as composições da corrente de
alimentação, de destilado e de fundo, respectivamente, com unidades de % em massa
(% m/m) do componente volátil (metanol). R e S são as vazões molares das correntes de
refluxo pelo topo e de vapor como meio de aquecimento do refervedor pelo fundo,
respectivamente, em lbm/min.
As seguintes condições de processo foram obtidas para a condição de estado

estacionário (Wood & Berry, 1973): F = 2,45 lbm/min, D = 1,18 lbm/min, B = 1,27
lbm/min, R = 1,95 lbm/min, S = 1,71 lbm/min, zF = 46,5 % m/m, xD = 96 % m/m e xB =
0,5 % m/m.
Souza & Trica 333

Água Resf.
R D,xD
F,z F
Vapor S
d água
B,x B
Figura 12.1. Ilustração do sistema da coluna de destilação binária metanol-água

avaliado por Wood & berry (1973).
Supondo que o destilado é o produto de interesse, o controle da composição

de topo é buscado enquanto que variações da composição da corrente de fundo são
aceitáveis, de forma que a vazão de vapor no refervedor, S, pode ser mantida constante.
Assim, o controle de xD é feito com auxílio de um analisador on-line do componente
volátil na corrente de topo e implementando uma lógica de controle feedback
manipulando a vazão de refluxo, R, conforme Figura 12.2 a seguir:
Água Resf.
R D,xD
AT
F,z F AIC
Vapor S
d água
B,x B
Figura 12.2. Malha de controle feedback da composição de topo tendo como

variável manipulada a vazão da corrente de refluxo.
334 Souza & Trica

As seguintes funções de transferência foram identificadas entre xD e R (Wood

& Berry, 1973) e entre xD e F (Seborg et al., 2003 apud Wood & Berry, 1973)
xD ( s ) 12,8e− s  % m/m MetOH 

 GP ( s ) = (12.1.a)
R ( s ) 16,7 s + 1  lbm/min 

xD ( s ) 3,8e−8,1s  % m/m MetOH 

 Gd ( s ) = (12.1.b)
F ( s ) 14,9s + 1  lbm/min 

tal que as unidades de tempo estão em minutos.
A seguir são apresentadas respostas de xD e R para o problema regulador e

diferentes valores de KC, com τI = 16,7 min e aplicando um degrau de −0,3675 lbm/min
em F (−15% do valor do estado estacionário inicial):
Figura 12.3. Resposta de xD e R para distúrbio na vazão de alimentação da coluna de

destilação binária Wood & Berry (1973) para diferentes ganhos proporcionais.
O sistema em malha fechada não apresenta rejeição satisfatória ao distúrbio

para o KC = 0,5. Aumentando o ganho proporcional para 2,0, o sistema já apresenta
oscilação e ainda assim ainda não consegue estabilizar a rejeição do distúrbio num
tempo satisfatório. Aumentando um pouco mais KC, tem-se instabilidade do sistema.
O controle feedback não foi capaz de obter resposta com tempo de

assentamento satisfatório para a composição de topo da torre. Isso ocorre porque a
dinâmica da função de transferência do distúrbio é bem lenta, devido a presença de
tempo morto significativo em Gd(s).
Souza & Trica 335

Uma abordagem diferente seria subverter a lógica de controle, isto é, antecipar

a execução de ações corretivas antes que o processo responda. Para o caso em análise
seria manipular a vazão de refluxo a partir de variações da vazão de alimentação, de
forma que a torre “se ajuste” gradualmente a medida que a mudança na alimentação
perturbe o perfil da torre e, ao final, seja obtida a mesma composição no topo antes do
início distúrbio. Tal proposta de controle é apresentada na Figura 12.4. Denomina-se
essa estratégia de controle como feedforward.
Água Resf.
FFAC
R D,xD
AT
FIT
F,z F AI
Vapor S
d água
B,x B
Figura 12.4. Malha de controle feedforward da composição de topo em função da

vazão de alimentação.
É possível identificar imediatamente duas características desta abordagem que

diferem do controle feedback:
• A variável distúrbio (i.e., vazão de alimentação) precisa ser medida para que
seja possível efetuar o controle da variável de processo (i.e. composição de
topo). No controle feedback a variável de processo que se deseja controlar é
quem deve ser medida;
• O bloco de controle FFAC necessita fazer uso de alguma informação que

relacione a variável-distúrbio e a variável manipulada. Ou seja, deve haver um
modelo do processo que “traduza” como a variável manipulada deve se
comportar em função da variável-distúrbio. Para a malha feedback, não há
necessidade de se conhecer algum modelo do processo.
Outra característica importante que difere a lógica feedforward da feedback é
que a variável controlada não precisa ser medida. No caso da Figura 12.4 tem-se um
336 Souza & Trica
transmissor enviando sinal para um painel remoto. Porém, caso tal sinal não existisse
ou não estivesse disponível, não afetaria o desempenho do controlador feedforward.
Muitas variáveis de processo na indústria química são medidas apenas em laboratório,
sendo bastante difícil ou até inviável sua aquisição eletrônica por instrumentos e
medição em tempo real. Tendo conhecimento de um modelo que relacione a variável
de processo e o distúrbio, o controle feedforward se mostra como uma ferramenta que
permite o controle do sistema.
O próximo exemplo reflete o caso quando a variável de processo não é medida.

Suponha um vaso com uma corrente bifásica na alimentação, no qual haverá a
separação entre a fases gasosa e a fase líquida. Porém, a tensão superficial entre as fases
é alta, a ponto de promover descontrole do nível do vaso pela formação de espuma. A
separação só se torna possível com a dosagem de um aditivo químico denominado
antiespumante, conforme Figura 12.5 a seguir.
FIC
FIT
RIC
q [L/h]
Antiespumante
FIT
F [m³/h]
Gás
Alimentação
Líquido
Figura 12.5. Controle de razão para a dosagem de antiespumante.
A dosagem de antiespumante é da ordem de grandeza de ppm, onde a vazão

de antiespumante injetada na corrente de alimentação, q em L/h, é manipulada para
atingir uma dosagem específica, Daf, que “quebra” a espuma e permite a separação no
vaso, tal que:
q  L/h 
Daf  ppm  = 1000  (12.2)
F  m³/h 
Entretanto, para variações na vazão da alimentação do vaso, F em m³/h, a

vazão q deve ser alterada, de modo a garantir que a dosagem Daf sempre seja atendida.
Não há um medidor on-line ou ensaios laboratoriais rotineiros capazes de determinar o
Souza & Trica 337
teor de antiespumante, o que possibilitaria fechar uma malha de controle manipulando-

se q. Por outro lado, é possível adotar uma estratégia de controle feedforward,
calculando-se a vazão de antiespumante fazendo rearranjo da equação (12.2) e
especificando um valor desejado para Daf, já que se tem o sinal medido para F:
 1 
q  L/h  =   Daf,SP  ppm   F  m³/h  (12.3)
 1000 
A malha especificamente ilustrada na Figura 12.5 é um caso específico de

controle feedforward denominado controle de razão, pois o objetivo é o controle de
uma variável de processo (i.e. Daf) que é dada pela razão entre duas variáveis (i.e. q e
F). A malha consiste numa lógica em cascata, onde o bloco controlador de razão RIC
recebe como entradas a vazão da alimentação, F, e o set-point da dosagem, Daf,SP. A
saída do controlador é um valor nominal de vazão de antiespumante, qSP, usado pela
malha secundária de vazão como seu set-point. A lógica de controle é do tipo
feedforward porque faz-se necessária a medição do distúrbio F e um modelo do
processo – a equação (12.3) – é utilizada no bloco RIC. Além disso, a variável controlada
não é medida.
Nos dois exemplos apresentados anteriormente, foram vistas as duas principais

aplicações do controle feedforward nas indústrias de processamento químico. O
primeiro caso é de um processo que apresenta dinâmica lenta da função de
transferência do distúrbio, tipicamente distúrbios na carga de fornos pré-aquecedores,
reatores químicos, torres de destilação, etc. O segundo caso é o controle de razão, muito
aplicado no controle da razão ar/combustível de fornos pré-aquecedores, proporção
molar entre correntes de reagentes na pré-misutra antes de alimentar reatores
químicos, razão de refluxo do topo de colunas de destilação, entre outros.
A seguir serão desenvolvidas as equações para o projeto de controladores

feedforward baseados em modelos estacionários e em modelos dinâmicos.
12.2. Controle feedforward baseado em modelos estacionários
Os controladores feedforward tem por característica, de forma implícita,

retomar o balanço de massa ou energia do processo. Por exemplo, o exemplo do
controle feedforward da coluna de destilação binária de Wood & Berry (1973) tomou
ações para aumentar a vazão de refluxo devido ao decréscimo na vazão da alimentação,
com objetivo de “fechar” o balanço de massa da torre e, assim, manter a composição
do topo inalterada. Assim, controladores feedforward podem ser baseados em
338 Souza & Trica
equações fenomenológicas, tipicamente balanços de massa e energia, de forma que

variáveis físicas são usadas ao invés de variáveis desvio.
Por exemplo, para processo de destilação de binária de Wood & Berry (1973),
tem-se que:
F =D+B (12.4.a)
Fz F = DxD + BxB (12.4.b)
R
RR = (12.4.c)
D
O objetivo é controlar xD em torno de seu set-point xD,SP. Através dos balanços

de massa das equações (12.4), é possível obter uma expressão para R(t), em função de
F(t), considerando que as demais variáveis permanecem em seu valor de estado
estacionário:
B (t ) = F (t ) − D (t )
tal que após substituição em (12.4.b), obtém-se:
F ( t )  z F ,EE − xB ,EE  = D ( t )  xD ,SP − xB ,EE 
 zF ,EE − xB ,EE 
D (t ) = F (t ) 
 xD ,SP − xB ,EE 
Substituindo a equação (12.4.c), obtém-se a relação entre R(t) e F(t):
 1   zF ,EE − xB ,EE 
R (t ) = F (t )   (12.5)

 RR ,EE   xD ,SP ( t ) − xB ,EE 
A lei de controle acima ainda não é aplicável, pois se deseja um sinal eletrônico
de saída de 4-20 mȦ a para ser aplicado sobre o posicionador da válvula de refluxo.
Adicionalmente, F(t) não está disponível em lbm/min, mas sim como um sinal eletrônico
de 4-20 mȦ oriundo do transmissor de vazão.
Souza & Trica 339
Supondo medidor linear com dinâmica desprezível para a vazão de alimentação

dada pela seguinte relação:
Fm ( t ) − Fm,0 ( t ) = K m  F ( t ) − F0 ( t ) 
Fm ( t ) − 4 mA = K m  F ( t ) − 0 lbm/min 
F (t )  F (t ) 
= Km  m − 4 (12.6)
lbm/min    mA 
 


tal que o subscrito “0” representa o valor mínimo medido e o respectivo sinal mínimo
de saída.
A vazão de refluxo, R(t), e a posição da válvula, aV(t), seguem uma relação linear
conforme expressão a seguir:
R ( t ) = aV ( t ) Rmax (12.7)
tal que Rmax é a vazão de refluxo máxima obtida quando a válvula está totalmente aberta
(aV = 1).
Por fim, há a transdução do sinal eletrônico do bloco controlador para um valor

de posição da válvula:
aV ( t ) − aV,0 = K I/a c ( t ) − c0 
aV ( t ) − 0 = K I/a c ( t ) − 4 mA 
 c (t ) 
aV ( t ) = K I/a  − 4 (12.8)
  mA  
  
Substituindo (12.6), (12.7) e (12.8) em (12.5), obtém-se a lei de controle

feedforward para c(t) em função de Fm(t) e xD,SP(t):
340 Souza & Trica

 F (t )   1   zF ,EE − xB ,EE 
R (t ) = Km  m − 4  
 
  mA    RR ,EE   xD ,SP − xB ,EE 
  
 F (t )   1   zF ,EE − xB ,EE 
aV ( t ) Rmax = K m  m − 4  
 
   R x − xB ,EE 
  mA    R ,EE   D ,SP
 c (t )   F (t )   1   zF ,EE − xB ,EE 
K I/a  − 4  Rmax = K m  m − 4  
 
      R x − xB ,EE 
  mA     mA    R ,EE   D ,SP
c (t )  Km   zF ,EE − xB ,EE   Fm ( t ) 
= 4+   − 4 (12.9)
K R R 
 mA 
   I/a max R ,EE   xD ,SP ( t ) − xB ,EE    mA  

É possível notar que a lei de controle obtida é não-linear, tornando sua

implementação mais sofisticada na arquitetura de automação. Entretanto, nos dias
atuais isso já é facilmente implementado em sistemas digitais de controle distribuído
(da sigla em inglês, SDCD).
12.3. Controle feedforward baseados em modelos dinâmicos
O controle por antecipação (feedforward) baseado em modelos dinâmicos tem

potencial para controle perfeito, isto é, com rejeição total do distúrbio. A Figura 12.6
seguir ilustra de forma resumida a diferença entre o diagrama de blocos de um
controlador feedforward e feedback:
Gd Gd
Km,d
+
+
SP GC,FB GP
+
+
SP GC,FF GP
Feedback Feedforward
Figura 12.6. Comparação entre controle feedback e por antecipação (feedforward).
A combinação feedforward + feedback, denominada como trim, é uma

abordagem muito eficiente e usualmente empregada em processos químicos Seja o
Souza & Trica 341

seguinte processo de aquecimento de um tanque de mistura com malha de controle

feedforward + feedback, conforme Figura 12.7:
TT TIC
w , Ti
TT
w, T
FFTC
+
+
CONDENSADO
VAPOR
Figura 12.7. Tanque de aquecimento com malha de controle da temperatura

feedback + feedforward.
tal que w é a vazão passando pelo tanque (constante, não é distúrbio); T é temperatura
da corrente de saída (variável controlada) e; Ti é a temperatura da corrente de entrada
(variável-distúrbio).
O sistema pode ser representado pelo diagrama de blocos da Figura 12.8 a

seguir:
Ti
Gm,d
GC,FF Gd
+
+
TSP T
+ + +
Km GC Gf GP
-
Gm
Figura 12.8. Diagrama de blocos da malha de controle feedback + feedforward do

tanque de aquecimento.
A função de transferência em malha fechada entre T(s) e Ti(s), GCarga, será dada
por:
342 Souza & Trica

T ( s ) G + Gm,dGC,FFGf GP
 GCarga ( s ) = d (12.10)
Ti( s ) 1 + GCGf GPGm
Para controle perfeito, por definição GCarga(s) = 0. Portanto, para o projeto do

controlador feedforward:
Gd
GC,FF = − (12.11)
Gm,dGf GP
Entretanto, a lei de controle acima pode não ser fisicamente realizável e,

portanto, incapaz de se obter controle perfeito, conforme apresentado no exemplo a
seguir.
Exemplo 12.1. Lei de controle feedforward dinâmico para sistema de 1ª ordem.
KP Kd
Gf = K f , Gm,d = K m.d , GP = , Gd =
 Ps + 1 ds + 1
 Kd  ( P s + 1)
GC,FF = − 
 K K K  ( s + 1) (12.12)
(Controlador lead-lag)
 m,d f P  d
Exemplo 12.2. Lei de controle feedforward dinâmico para sistema de 1ª ordem com
tempo morto.
K P e− s Kd
Gf = K f , Gm,d = K m,d , GP = , Gd =
 Ps + 1  ds + 1
 Kd  ( P s + 1)  s
GC,FF,ideal = −   e (12.13)
 K mF K f K P  ( d s + 1)
O controlador ideal acima é fisicamente irrealizável devido ao termo e+θs, que

demanda valores futuros da variável distúrbio. Isso acarreta no uso do modelo real
aproximado abaixo:
Souza & Trica 343

 Kd  ( P +  ) s + 1
GC,FF,real = −   (12.14)
K K K 
 m,d f P   d s + 1
Exemplo 12.3. Lei de controle feedforward dinâmico para sistema de 2ª ordem.
KP Kd
Gf = K f , Gm,d = K m,d , GP = , Gd =
( P1 )( )
s + 1  P2 s + 1 ds + 1

GC,FF,ideal = − 
Kd ( )(
  P1 s + 1  P2 s + 1 )
 K K K 
(12.15)
 m,d f P  ( d s + 1)
O controlador acima até poderia ser implementado na prática, porém sua

saída acarretaria no fenômeno de kick, que ocorre igualmente para controladores
feedback com ação derivativa. O modelo real aproximado abaixo pode ser utilizado:
 Kd (
   P1 +  P2 s + 1)
= − (12.16)
 K K K 
GC,FF,real
 m,d f P  ( d s + 1)
OBS: Considerações sobre estabilidade
A Equação Característica no denominador da expressão (12.10) é dada por:
1 + GCGf GPGm = 0 (12.17)
As funções de transferência da malha feedforward não aparecem na Equação

Característica. Eles não afetam a estabilidade da malha fechada. Logo, tem-se a situação
desejada de que a sintonia de controladores feedback e feedforward podem ser
realizados de forma independente.
12.4. Sintonia de controladores feedforward na forma “Lead-Lag”
Seja um controlador feedforward dado por uma função de transferência lead-

lag:
344 Souza & Trica

GC,FF 

cFF
= K C,FF
(1,FFs + 1)
(12.18)
d ( 2,FFs + 1)
Para o controlador ser possível de ser implementado em campo, τ2,FF > 0. O

procedimento é realizado em 3 etapas:
1) Ajuste de KC,FF:
− Kd
K C,FF = (12.19)
K m,d K f K P
Ajusta-se KC,FF com τ1,FF e τ2,FF nulos.
2) Ajuste de τ1,FF e τ2,FF:
Havendo informação sobre o modelo do processo:
1,FF   P ,  2,FF   d (12.20)
Se τP e τd não são conhecidos:
 1,FF 
= 2 ou 1,FF = 0.5 (12.21)
 2,FF  2,FF
Para (12.21), a primeira opção é usada quando a resposta à variável manipulada

é mais rápida que ao distúrbio. Caso contrário, usa-se a segunda opção.
3) Ajuste fino de τ1,FF e τ2,FF em campo (tentativa e erro).
A sintonia de um sistema com controle feedback + feedforward é ilustrada no

exemplo a seguir.
Exemplo 12.4: Tanque de mistura com aquecimento com controle feedback +

feedforward:
Seja o processo submetido ao controle feedback + feedforward da Figura

12.9. Projete os seguintes controladores e compare as respostas em malha fechada
para um distúrbio em Ti do tipo Ti(t)/[°F] = 70 + 2,3sen(0,05t):
a) Feedforward estático;
Souza & Trica 345

b) Feedforward dinâmico:
c) PI ajustado por Ziegler-Nichols;
d) Feedforward dinâmico + feedback em (c).
TT TIC
w,Ti
FT TT
w,T
FFFC FFTC
+ +
+ +
CONDENSADO
VAPOR
Figura 12.9. Tanque de aquecimento com malha de controle da temperatura

feedback + malhas feedforward da temperatura e vazão de alimentação.
com os seguintes dados:
BTU BTU
cP = 1,0 , UA = 0,0167 , V = 7,6 lbm
lbm °F s °F
°F
vap
Pmin = 14,7 psia, ax = 40 psig,
Pmvap a = 200,5 °F, b = 1,66
psia
 f = 5 s,  m,d = 20 s,  m = 20 s
mA mA mA
K m = 0,16 , K m,d,1 = 80 −1
, K m,d,2 = 0,16
°F lbm s F
−1
we = 0,11 lbm s , Ti,e = 70 °F, Te = 95 °F, Pe = 35,645 psia
vap
e a seguinte equação para a taxa de troca térmica da serpentina:
Q ( t ) = UA T vap ( t ) − T ( t )  T vap ( t ) = a + bP vap ( t ) (12.22)
tal que Pvap é a pressão de suprimento do vapor e a e b são constantes.
346 Souza & Trica

Diagrama de blocos:
Ti
GC,FF,2 Gm,d,2
+
GC,FF,1 Gm,d,1
+
Gd,1 Gd,2
+
TSP T
+ + + +
Km GC Gf GP
-
Gm
Figura 12.10. Diagrama de blocos da malha de controle da temperatura feedback +

malhas feedforward da temperatura e vazão de alimentação.
Balanço de energia:
dT ( t )
VcP = w ( t ) cP Ti ( t ) − T ( t )  + UA  a + bP vap ( t ) − T ( t )  (12.23)
dt
Variáveis: T , w, Ti , P vap
Parâmetros:  , cP ,V ,U , A, a, b
Linearizações:
w ( t ) Ti ( t )  weTi,e + Ti,e  w ( t ) − we  + we Ti ( t ) − Ti,e  (12.24)
w ( t ) T ( t )  weTe + Te  w ( t ) − we  + we T ( t ) − Te  (12.25)
Reescrevendo o balanço de energia em variáveis desvio:
dT  ( t )
VcP = cP (Ti,e − Te ) w ( t ) + we Ti ( t ) − T  ( t )   + UA  a + bPvap ( t ) − T  ( t )  (12.26)
dt
dT  ( t )
P + T  ( t ) = K P Pvap ( t ) + K d,1w ( t ) + K d,2Ti( t ) (12.27)
dt
Souza & Trica 347

K d,1 =
(T i,e − Te )
, K d,2 =
cP we
, KP =
UA + b
, P =
 cPV
(12.28)
cP we + UA cP we + UA cP we + UA cP we + UA
°F °F
K d,1 = −197, 4 −1
, K d,2 = 0,868, K P = 0, 219 ,  P = 60 s (12.29)
lbm s psia
Ganho válvula de controle de suprimento de vapor:
ax = Pmin + K f ( cmax − cmin )

Pmvap vap
(12.30)
Kf =
( 40 + 14,7 − 14,7 ) psia = 2,5 psia
(12.31)
( 20 − 4 ) mA mA
a) Feedforward estático:
w ( t ) cP Ti ( t ) − TSP ( t )  + UA  a + bP vap ( t ) − TSP ( t )  = 0 (12.32)
UAbP vap ( t ) =  w ( t ) cP + UA TSP ( t ) − w ( t ) cPTi ( t ) − UAa
w ( t ) cP TSP ( t ) − a
P vap ( t ) = TSP ( t ) − Ti ( t )  +
UAb  b
psia T ( t ) psia
P vap ( t ) = 36, 07 w ( t ) TSP ( t ) − Ti ( t ) −1
+ SP − 120,8 psia (12.33)
°F lbm s 1, 66 °F
 c   w ( t ) − 4 mA 
vap
Pmin + K f c ( t ) − 4 mA  =  P   m  TSP ( t )
UAb   K m,d,1 
 c   w ( t ) − 4 mA   Ti,m ( t ) − 4 mA  TSP ( t ) a
−  P  m  + −
UAb   K m,d,1   K m,d,2  b b
348 Souza & Trica

c (t ) =
A0  wm ( t ) TSP ( t )  + A1 TSP ( t ) + A2  wm (t ) Ti,m (t ) + A3  wm (t ) + A4 Ti,m (t ) + A5
cP 1 1
A0 = =
UAb K f K m,d,1
BTU
1.0
lbm °F 1 1
= 0,18036
0, 0167
BTU
1, 66
°F psia mA °F
2, 5 80 −
s °F psia mA lbm s 1
cP 4 mA 1 1
A1 = − + =
UAb K m,d,1 K f K f b
BTU
1.0
lbm °F 4 mA 1
− + =
BTU °F psia mA psia °F
0, 0167 1, 66 2, 5 80 2, 5 1, 66
s °F psia mA lbm s −1 mA psia
 mA 
0,48048  
 °F 
cP 1 1 1
A2 = − =
UAb K f K m,d,1 K m,d,2
BTU
1.0
lbm °F 1  1 
− = − 1,12726 
BTU °F psia mA mA  mA 
0, 0167 1, 66 2, 5 80 0,16
s °F psia mA lbm s −1 °F
cP 1 1 4 mA
A3 = A4 = =
UAb K f K m,d,1 K m,d,2
BTU
1.0
lbm °F 4 mA
= 4, 50905
BTU °F psia mA mA
0, 0167 1, 66 2, 5 80 0,16
s °F psia mA lbm s −1 °F
Souza & Trica 349

 vap a 
 Pmin + b  c 1 4 mA 4 mA
A5 = 4 mA − − P =
Kf UAb K f K m,d,1 K m,d,2
14, 7 psia + 120, 78 psia  − 1,12726  1  2
4 mA −
psia  mA  16  mA  = −68, 22941 mA
2, 5
mA
cFF,est ( t ) wm ( t ) TSP ( t ) TSP ( t )

= 0,18036 + 0,48048
 mA   mA  °F °F
   
(12.34)
wm ( t ) Ti,m ( t )  w (t ) T (t ) 
− 1,12726 + 4,50905  m + i,m  − 68, 22941
 mA   mA    mA   mA  
      
b) Feedforward dinâmico:
T Gd,1
GC,FF,1  =− (12.35)
w Gm,d,1Gf GP
 Kd,1  ( m,d,1s + 1) ( f s + 1)( P s + 1)

GC,FF,1 = − 
 K K K  ( d,1s + 1)
 m,d,1 f P 
 °F 
 −197, 4  20 s + 1 5s + 1 60 s + 1
GC,FF,1 = −  lbm s −1 ( )( )( )
 mA
 2.5
psia
 0, 219
°F  ( 60s + 1)
 80 −1 
 lbm s mA psia 
GC,FF,1,real = 4,507
(85s + 1)
(12.36)
( 60s + 1)
T Gd,2
GC,FF,2  =− (12.37)
Ti Gm,d,2Gf GP
350 Souza & Trica

 K d,2  ( m,d,2 s + 1) ( f s + 1)( P s + 1)

GC,FF, 2 = − 
 K K K  ( d,2 s + 1)
 m,d,2 f P 
 
  20 s + 1 5s + 1 60 s + 1
GC,FF,2 = −
0,868 ( )( )( )
 mA psia °F  ( 60s + 1)
 0,16 F  2,5 mA  0, 219 psia 
 
GC,FF,2,real = −9,909
( 85s + 1)
(12.38)
( 60s + 1)
c) Feedback Ziegler-Nichols:
1 + GCGf GPGm = 0
psia 0.219 °F mA
2.5 0.16
mA psia °F = 0 (12.39)
1 + KC
5s + 1 60s + 1 20 s + 1
( 5s + 1)( 60s + 1)( 20s + 1) + 0.0876KC = 0
6000s3 + 1600s 2 + 85s + 1 + 0.0876KC = 0 (12.40)
−1600wúltima 2 + 1 + 0.0876 K C,último = 0
−6000wúltima 3 + 85wúltima = 0
wu ( −6000wúltima 2 + 85 ) = 0  wúltima
()
= 0 rad s −1
1
(12.41)
85 ( 2 ) , ( 3) −1
wúltima =  wúltima = 0.119 rad s , Túltimo = 52.8 s
6000
Souza & Trica 351

85
−1600  + 1 + 0.0876 K C,último = 0  K C,último = 247.34 (12.42)
6000
K C,último Túltimo
KC = = 112.43, I = = 44 s (12.43)
2, 2 1, 2
d) Feedforward + feedback e comparação dos resultados:
Verifica-se que o controlador feedforward estacionário (FFEST) apresenta pior

desempenho frente aos demais. O controle feedforward + feedback apresentou
resposta mais rápida (menor fase comparando com a entrada), seguido do feedback
convencional e do feedforward dinâmico. Após estabilização, todos os resultados
apresentaram razão de amplitudes similar.
(a) Feedforward estático (b) Feedforward dinâmico
(c) Feedback convencional (d) Feedforward + feedback

Figura 12.11. Resposta da temperatura do tanque de aquecimento para as
diferentes malhas de controle propostas.
352 Souza & Trica

Capítulo 13 – Introdução à Modelagem e Controle Multivariável de Processos
13. Introdução à Modelagem e Controle Multivariável

de Processos
As operações unitárias presentes nos processos químicos em sua maioria
possuem várias variáveis de processo, como exemplo alguns modelos apresentados no
Capítulo 2. Até agora foram vistos procedimentos para solução de modelos de equações
diferenciais e estratégias de controle para uma única variável (i.e. nível, temperatura,
pressão, concentração), tendo-se uma única variável de entrada ou set-point (i.e. vazão
volumétrica de entrada, temperatura de entrada, concentração na alimentação, etc.).
São apresentadas neste capítulo ferramentas para o tratamento e solução de

sistemas de equações diferenciais, utilizadas na modelagem de sistemas (processos) que
apresentam mais de uma variável de processo e de variáveis de entrada. Faz-se
introdução ao assunto no item 13.1, definindo-se o que são variáveis de entrada, de
saída e de estado para um sistema ou processo. Pode-se dizer que as variáveis de estado
indicam a condição do sistema em determinado tempo t. No item 13.2 demonstra-se
como representar um modelo no espaço das variáveis de estado. Tipicamente os
processos químicos são representados por modelos não-lineares e sua linearização e
posterior representação no espaço de estados é feita no item 13.3 e no item 13.4
apresenta-se como obter as funções de transferência de modelos representados no
espaço de estados.
O controle de processos de mais de uma variável é introduzido no item 13.5,

sendo detalhado como efetuar uma análise da interação entre cada variável de entrada
e de saída do sistema. O teorema de Niederlinski é apresentado como ferramenta de
análise da estabilidade de um sistema multivariável em malha fechada (multimalha).
Uma característica particular que diferencia o controle multivariável do caso de

apenas uma variável é a possibilidade de formar uma estrutura de controle de várias
formas, isto é, fazendo pareamentos diversos entre as variáveis de entrada e de saída (a
serem controladas). Assim, uma heurística de pareamento utilizando a análise de
interação é apresentada no item 13.6. Alguns métodos de sintonia de sistemas
multimalha são introduzidos no item 13.7, em que se dá ênfase à técnica de detuning
proposto por McAvoy (1981) para sistemas 2x2. O controle multivariável ainda é um
assunto de amplo estudo e diferentes abordagens tanto no âmbito acadêmico quanto
industrial. O leitor poderá obter maiores conhecimentos nas referências bibliográficas.
Souza & Trica 353

13.1. Variáveis de um processo
Variáveis de entrada podem ser descritas como variáveis que estimulam

independentemente o processo e podem induzir mudanças nas condições internas dele,
isto é, nas variáveis de estado. Do ponto de vista de controle de processos, se dividem
entre variáveis manipuladas e distúrbio. Uma variável de entrada é dita manipulada
quando ela compõe uma malha de controle de um par entrada-saída. Uma variável é
dita distúrbio quando ela não compõe uma malha de controle de um par entrada-saída.
Assim, uma variável manipulada de uma malha de controle pode ser identificada como
distúrbio de outra malha. Há também o caso da variável-distúrbio não compor nenhuma
malha do sistema, por ser uma variável externa (por exemplo, a vazão da carga de uma
torre de destilação).
Variáveis de estado podem ser descritas como um conjunto mínimo de

variáveis que descrevem completamente as condições internas ou o estado do
sistema/processo. Por exemplo, nível ou concentração são variáveis de estado
tipicamente presentes no termo de acúmulo de um balanço de massa e temperatura no
termo de acúmulo de um balanço de energia.
Variáveis de saída são um conjunto ou combinação de variáveis de entrada e

de estado registradas através de um elemento de medida. Do ponto de vista de controle,
as variáveis de saída compõem uma malha de um par entrada-saída, podendo a malha
estar aberta ou fechada. Quando em malha fechada, a variável é dita controlada.
Quando em malha aberta, a variável é dita monitorada. Um resumo do conceito das
variáveis de um processo é apresentado na Figura 13.1.
d(t) ym(t)
(Distúrbios) (Saídas medidas)
Processo Químico
y = [y m,ynm]T
u(t) x(t) ynm(t)
(Manipuladas) (Estados) (Saídas não-medidas)
Figura 13.1. Representação de um processo e suas variáveis.
OBS: Ogunnaike & Ray (1994)
Embora variáveis de saída sejam definidas como medidas é possível que para
algumas delas não se tenha medição on-line (não haja instrumento instalado no
354 Souza & Trica

processo), mas requeiram que se adquire dados mesmo que em baixa frequência (por
exemplo, amostras levadas para análise de laboratório). Portanto, para o projeto de
sistemas de controle, estas variáveis são consideradas saídas não-medidas, no sentido
que as medidas não estão disponíveis com a frequência necessária para a malha de
controle.
Exemplo 13.1. Reator van de Vusse.
O reator do tipo CSTR de van de Vusse representa o sistema reacional

utilizado para a síntese do ciclopentenol (representado por B) a partir do
ciclopentadieno (representado por A), por adição eletrofílica de água, sendo esta
reação catalisada por uma solução ácida. Devido à forte reatividade dos reagentes e
produtos, diciclopentadieno (D) é produzido como subproduto pela reação de Diels-
Alder e ciclopentenodiol (C) é produzido como um produto consecutivo pela adição
de outra molécula de água (Engell & Klatt, 1993).
C5H 6 + H 2O ⎯⎯
k1
H+
→ C5H 7OH + H 2O ⎯⎯
k2
H+
→ C5H8 ( OH )2
(13.1.a)
2 C5H 6 ⎯⎯
H+
→ C10 H12
k1
A ⎯⎯
k1
→ B ⎯⎯
k2
→C
(13.1.b)
2 A ⎯⎯→ D
k3
Normalmente, o objetivo do processo é maximizar a produção do composto

B, a partir da matéria-prima que é o composto A, com o mínimo de produção de C e
D. Um fluxograma do processo da reação é apresentado na Figura 13.2.
Reação de 1° ordem:
A→B B→C
F ( t ) , CA0 ( t ) CA ( t ) Reação de 2° ordem:
T0 ( t ) CB ( t ) 2A → D
Tk ( t ) T (t ) Tk ( t ) Considerações:
- Reação exotérmica
V , A,  , cP , hf CB - Calores de reação: ( −H R,AB ) , ( −H R,BC ) , ( −H R,AD )

TIT XIT
- Transferência de calor: Q = −hf A (T − Tk )
- Dinâmica desprezível na
camisa de resfriamento
Figura 13.2. Fluxograma de processo do reator van de Vusse.
Souza & Trica 355

Sabendo que é possível manipular a vazão e a temperatura de resfriamento

da camisa, identifique as variáveis de entrada, de estado e de saída desse processo.
Solução:
Conforme sistema de reações das equações (13.1), é possível expressar CC e

CD em função de CA e CB, e assim as duas primeiras concentrações não são
caracterizadas como variáveis de estado.
C A  C A 
 
F  A0 
C   C B   
u =  , d = 
 
, x = C B , y m =  , y nm = C C 
         
Tk   T0    T   
 T  C D 
13.2. Representação de modelos no espaço de estados
Os sistemas podem ter seu comportamento representado (modelado) através

de equações constitutivas (balanços de massa, energia etc.) em função das variáveis de
estado, de entrada (manipuladas e distúrbios) e saídas (medidas e não-medidas),
conforme expressão abaixo:
dx ( t )
= Ax ( t ) + Bu ( t )
dt (13.2)
y ( t ) = Cx ( t ) + Du ( t )
tal que x(t) = [x1(t),x2(t),...,xn(t)], y(t) = [y1(t),y2(t),...,ys(t)] e u(t) = [u1(t),u2(t),...,uq(t)] são,

respectivamente, os vetores das variáveis de estado, de saída e de entrada. A, B, C, D
são matrizes de coeficientes constantes. Usualmente para processos químicos a matriz
D é nula (isto é, as variáveis de saída são uma combinação somente das variáveis de
estado).
A representação acima é utilizada para modelagem de processos com múltiplas

entradas e múltiplas saídas (MIMO, Multiple-input, Multiple-output). Quando se tem
apenas uma variável de estado, de entrada e de saída denomina-se o processo como
SISO (Single-input, single-output) e sua representação é simplificada:
356 Souza & Trica

dx ( t )
= ax ( t ) + bu ( t )
dt (13.3)
y ( t ) = cx ( t ) + du ( t )
Exemplo 13.2. Tanques de nível valvulados em série
Fin(t)
A1
h1(t)
F1(t)
R1
A2
h2(t)
F2(t)
R2
Figura 13.3. Tanques de nível valvulados em série.
Equações constitutivas das variáveis de estado (balanços de massa):
dh1 ( t ) Fin ( t ) h1 ( t )

= − (13.4.a)
dt A1 A1R1
dh2 ( t ) h1 ( t ) h2 ( t )

= − (13.4.b)
dt A1R1 A2 R2
Identificando as variáveis no espaço de estados:
 h1 (t )
x= , u = Fin (t )
  
h2 (t )
Admitindo que todos os estados são medidos é possível reescrever o modelo

na notação conforme (13.2):
Souza & Trica 357

 −1 
 0 
d  h1 ( t )   A1R1   1 ( )  +  1   Fin ( t ) 
 h t  1 A
  =
dt  h2 ( t )   1 −1   h2 ( t )   0   
AR A2 R2  (13.5)
 1 1
 y1 ( t )  1 0   h1 ( t )  0 
  =   +    Fin ( t ) 
 y2 ( t )  0 1   h2 ( t )  0 
Identificando as matrizes da representação em espaço de estados:
 −1 
AR 0 
 , B =  1  , C = 
1A 1 0 0 
A= 1 1  , D=  (13.6)
 1 −1   0  0 1  0
AR 
 1 1 A2 R2 
É possível notar que a dimensão das matrizes depende da quantidade de

variáveis de estado, entrada e saída. Por exemplo, a matriz A relaciona a taxa de
acúmulo das variáveis de estado com elas mesmas, de forma que sua dimensão será
sempre n x n, sendo no caso 2x2 porque há duas variáveis de estado: h̕1 e h̕2. Da mesma
forma, a matriz C relaciona as saídas medidas (os dois estados) com as variáveis de
estado, sendo sua dimensão portanto s x n e, no caso específico, também 2x2.
Por outro lado, a matriz B representa a relação entre as variáveis de estado
e de entrada, com dimensão portanto n x q. A matriz D representa a relação entre as
saídas e as entradas, tendo portanto dimensão s x q. Para o caso em análise, há uma
única entrada (F̕in) e duas saídas, sendo a dimenssão portanto 2x1.
13.3. Sistemas não-lineares a parâmetros concentrados
Seja um processo descrito pelo seu modelo do tipo MIMO, cuja representação
é dada pelo seguinte sistema de equações não-lineares:
dx ( t )
= f  x ( t ) , u ( t ) 
T
dt (13.7)
y ( t ) = g  x ( t ) , u ( t ) 
T
358 Souza & Trica

tal que f e g são vetores de funções não-lineares. f representa as equações de estado e

g as equações de saída.
Através do processo de linearização, o sistema não-linear pode ser aproximado

por sua representação linearizada no espaço de estados, tal que os elementos das
matrizes A, B, C e D possuem coeficientes constantes dados por:
f i f i g i g i
aij = , bij = , cij = , d ij = (13.8)
x j u j x j u j
EE EE EE EE
OBS: Costuma-se expressar as equações linearizadas em variáveis-desvio, mesmo que

os coeficientes das matrizes estejam relacionados às variáveis normais. Isso ocorre
porque ∂xj = ∂x̕j e ∂uj = ∂u̕j.
Exemplo 13.3. Tanques de nível com interação (Válvula não-linear).
Fin(t)
A1 h2(t) A2
h1(t)
F1(t) F2(t)
KV1 KV2
Figura 13.4. Tanques de nível com interação.
Equações constitutivas das variáveis de estado (balanços de massa):
dh1 (t ) F (t ) K V h1 (t ) − h2 (t )
= f1 h1 (t ), h2 (t ), Fin (t ) = in − 1 (13.9.a)
dt A1 A1 
dh2 (t ) KV h1 (t ) − h2 (t ) K V2 h2 (t )
= f 2 h1 (t ), h2 (t ), Fin (t ) = 1 − (13.9.b)
dt A2  A2 
Admitindo que apenas o nível no segundo tanque é medido, o modelo linear

em variáveis de estado é escrito da seguinte forma:
Souza & Trica 359

 f1 f1   K V1  K V1  
  − 
h1 h2  2 A1 h1,EE − h2,EE 2 A1 h1,EE − h2,EE 
A= EE  =
   (13.10.a)
EE
 f f 2 K V1    
 
K V1 K V2
 2 − −
 h1 h2 EE   
EE  2 A2 h1,EE − h2,EE 2 A2 h1,EE − h2,EE 2 A2 h2,EE 
 f1 
  1
 Fin EEi   
B=  =  A1  (13.10.b)
 f 2  0
 Fin   
 EEi 
C = 0 1, D = 0 (13.10.c)
13.4. Obtenção de funções de transferência
Seja o modelo linear representado no espaço de estados (em variáveis-desvio)

conforme (13.2), aplicando a transformada de Laplace obtém-se:
sx ( s ) = Ax ( s ) + Bu ( s )

(13.11)
y ( s ) = Cx ( s ) + Du ( s )
( sI − A ) x ( s ) = Bu ( s )
x ( s ) = ( sI − A ) Bu ( s )
−1
(13.12)
Considerando a matriz D nula, é possível determinar as funções de

transferência do processo:
y ( s ) = C ( sI − A ) B  u ( s )
−1
  (13.13)
Lembrando que as variáveis de entrada contemplam tanto as variáveis

manipuladas quanto os distúrbios, isto é:
360 Souza & Trica

G P ( s ) , G d ( s )  = C ( sI − A ) B 
−1
  (13.14)
ou expressando separadamente:
G P ( s ) = C ( sI − A ) B m 
−1
  (13.15.a)
G d ( s ) = C ( sI − A ) B d 
−1
  (13.15.b)
tal que:
B = Bm , Bd  (13.16)
Desenvolvendo para a resposta do vetor variável de saída:
u
y (s ) = C(sI − A ) B m , B d  
−1

 
d 
y (s ) = C(sI − A ) B m u + C(sI − A ) B d d

−1 −1
y (s ) = G P (s )u + G d (s )d (13.17)
GP(s) e Gd(s) representam as matrizes função de transferência que relacionam

as variáveis de saída com as variáveis de entrada manipulada e distúrbio,
respectivamente. Isto é:
GP,11 (s )  GP,1m (s ) Gd,11 (s )  Gd,1d (s )

   
   
G P (s ) =      , G d (s ) =      (13.18)
   
GP,s1 (s )  GP,sm (s ) Gd,s1 (s )  Gd,sd (s )
 sxm  sxd
Onde as matrizes acima são correspondentes de um sistema com s variáveis de

saída, u variáveis de entrada manipuladas e d variáveis de entrada distúrbio (sendo q =
Souza & Trica 361

m + d). GP,ij(s) representa a função de transferência entre a i-ésima variável de saída e

a j-ésima variável de entrada manipulada. Gd,ik(s) representa a função de transferência
entre a i-ésima variável de saída e a k-ésima variável de entrada distúrbio.
Exemplo 13.4. Reator van de Vusse.
Seja o reator do tipo CSTR de van de Vusse apresentado no Exemplo 13.1,

obtenha as matrizes função de transferência GP(s) e Gd(s), para as seguintes
condições operacionais e dados do reator:
F = 245 m³/h, C A0 = 5,10 kmol/m³, T0 = 130 C, Tk = 128,95 C

 = 934,2 kg/m³, c P = 3,01 kJ/kg C
V = 10 m³, hf = 4.032 kJ/h m² C, A = 215 m²
com as reações químicas tendo cinética de reação de ordem elementar, cujos

coeficientes específicos seguem lei de Arrhenius:
 E A,j R 
k j (T ) = k 0, j exp −  (13.19)
 T K  
com os seguintes valores abaixo:
E A,1 R = 9.758,3 K, E A,2 R = 9.758,3 K, E A,3 R = 8.560 K

k 0,1 = 1,287  1012 h -1 , k 0,2 = 1,287  1012 h -1 , k 0,3 = 9,043  10 9 m³/kmol h
Os calores de reação molar são dados por:
hr1 = 4.200 kJ/kmol A

hr2 = −11.000 kJ/kmol B
hr3 = −41.850 kJ/kmol A
Equações de estado:
O balanço material do componente A no reator é dado por:
362 Souza & Trica

dC A (t )
V = F (t )C A0 (t ) − C A (t ) + r1,A C A (t ), T (t )V + r3,A C A (t ), T (t )V (13.20)
dt
Sendo a ordem das reações elementar, têm-se as seguintes taxas de geração

r1,A e r3,A:
r1,A  (− r1 ) = −k1 (T )CA (13.21.a)
r3,A  (− r3 ) = −k 3 (T )C A 
2
(13.21.b)
tal que os termos de geração são negativos por representarem taxas de consumo do
componente A.
Substituindo (13.21) em (13.20) e aplicando a equação (13.19) aos

coeficientes específicos k1(T) e k3(T), obtém-se a taxa de acúmulo da primeira variável
de estado, a concentração do componente A:
dC A (t ) F (t )
 f1 = C A0 (t ) − C A (t )
dt V
 (E A,1 R )  (E A,3 R )
(13.22)
− k 0,1 exp −  C A (t ) − k 0,3 exp −  C A (t )2
 T (t )   T (t ) 
O balanço material do componente B no reator é dado por:
dC B (t )
V = − F (t )C B (t ) + r1,B C A (t ), T (t )V + r2,B C B (t ), T (t )V (13.23)
dt
com as seguintes taxas de geração, r1,B e r2,B:
r1,B  r1 = k1 (T )CA (13.24.a)
r2,B  (− r2 ) = −k 2 (T )CB (13.24.b)
Souza & Trica 363

Substituindo (13.24) em (13.23) e aplicando a equação (13.19) aos

coeficientes específicos k1(T) e k2(T), obtém-se a taxa de acúmulo da segunda variável
de estado, a concentração do componente B:
dC B (t )
 f2 =
dt
 (E A,2 R )
(13.25)
F (t )  (E R ) 
− C B (t ) + k 0,1 exp − A.1 ( ) − − C B (t )
T (t ) 
C t k exp
T (t ) 
A 0 , 2
V  
O balanço de energia no reator é dado por:
dT (t )
c PV = c P F (t )T0 (t ) − T (t ) + hf ATk (t ) − T (t )
dt
( ) ( )
+ r1 C A (t ), T (t ) − hr1 V + r2 C B (t ), T (t ) − hr2 V (13.26)
+ r C (t ), T (t )(− h )V
3 A r3
Substituindo (13.21) e (13.24.a) em (13.26) e aplicando a equação (13.19) aos

coeficientes específicos k1(T), k2(T) e k3(T), obtém-se a taxa de acúmulo da terceira
variável de estado, a temperatura do reator:
dT (t ) F (t )
 f3 = T0 (t ) − T (t ) + hf A Tk (t ) − T (t ) + 1 
dt V cPV c P (13.27)
( ) ( ) (
k1 T (t )C A (t ) − hr1 + k 2 T (t )C B (t ) − hr2 + k 3 T (t )C A (t ) − hr3
2
)
Equações de saída:
Conforme a definição das variáveis de saída do Exemplo 13.1, as equações de

saída são combinação simples das variáveis de estado, conforme abaixo:
C A (t )
C B (t ) 0 1 0  
y (t )   = 
 C B (t ) (13.28)
    
 T (t )  0 0 1  
 T (t ) 
364 Souza & Trica

Nota-se que as equações de saída já são lineares, sem necessidade de efetuar

a diferenciação para obtenção da matriz C da representação no espaço de estados.
Cálculo do estado estacionário:
O cômputo das matrizes de coeficientes constantes requer o conhecimento

dos valores das variáveis de estado no estado estacionário. A obtenção de tais valores
é feita igualando-se à zero as equações de estado, isto é, f = 0 – as taxas de acúmulo
das variáveis de estado são nulas no estado estacionário. Portanto:
 
 
0  

FEE
   
C A0, EE − C A,EE − k1 (TEE )C A,EE − k 3 (TEE ) C A,EE
2 

  V
   F

0  =  − EE C B,EE + k1 (TEE )C A,EE − k 2 (TEE )C B,EE  (13.29)
   V 
 
 
0   V
FEE

T0,EE − TEE + f h A
c PV
 
Tk, EE − TEE +
1

c P
( )
k1 (TEE )C A,EE − hr1 + 
 

 ( )  (
+ k 2 (TEE )C B, EE − hr2 + k 3 (TEE ) C A,EE − hr3
2
)


O sistema de equações não-lineares acima pode ser resolvido através de

métodos numéricos, cuja solução é dada por:
x EE = C A,EE TEE  = 1,43 0,98 134,9

T T
C B,EE (13.30)
com unidades de kmol/m³, kmol/m³ e °C, respectivamente.
Representação no espaço de estados:
As matrizes de coeficientes constantes A e B são obtidas fazendo uso da

equação (13.8) nas expressões para f1 (13.22), f2 (13.25) e f3 (13.27). Após extenso
desenvolvimento matemático que o leitor poderá executar como exercício, obtém-se
as seguintes expressões literais para as matrizes A e B:
Souza & Trica 365

 f1 f1 f1   f1 f1 f1 f1 

   
 C A C B T   F Tk C A0 T0 
f f 2 f 2  f f 2 f 2 f 2 
A= 2 , B= 2 (13.31)
 C C B T   F Tk C A0 T0 
 f A f 3 
f 3   f 3 
 3  f 3 f 3 f 3
 C A C B T  EE  F Tk C A0 T0  EE
  x f1 
 
 
A =  x f 2  (13.32)
 
 x f 3 
 F 
 − EE − k1 (TEE ) − 2k 3 (TEE )C A,EE 
 V 
 x f1 T 
= 
0  (13.33.a)
 E R E R 
− k1 (TEE ) A,1 2 C A,EE − k 3 (TEE ) A,2 2 C A,EE 2 
  T   T  
 EE   EE 
 
 k1 (TEE ) 
 
 
 x f 2 T = −
FEE
− k 2 (TEE )  (13.33.b)
 V 
k (T ) E A,1 R C  E A,2 R 
− k 2 (TEE ) C 
 1 EE  T 2  A,EE 2  B, EE 
  EE   TEE  
  hr1   h 
− k1 (TEE )  − 2k 3 (TEE )C A,EE  r3
  c


  c P   P 
  hr2  
 x f 3 T = − k 2 (TEE ) 
  (13.33.c)
 
 P 
c 
 f 3 
 
 T EE 
366 Souza & Trica

f 3 FEE h A
=− − f
T EE V c PV
 E A,1 R  ( − hr1 )
+ k1 (TEE ) C
2  A, EE
 TEE  c P
 E A,2 R  ( − hr2 ) (13.33.d)
+ k 2 (TEE ) 
2 
C
c P
B, EE
 TEE 
 E A,3 R 
 
(
2 − hr3
)
+ k 3 (TEE ) 2 
 C
c P
A, EE
 TEE 
 (C A0, EE − C A,EE ) FEE 

  u f1   0 0 
   V V 
   − C B,EE
B =  u f 2  = 0 0 0  (13.34)
 V 
   (T − T ) hf A FEE 
 u f 3   0, EE EE
0 
 V c PV V 
A matriz C é facilmente identificada conforme a definição das variáveis de

saída na equação (13.31):
0 1 0 
C=  (13.35)
 
0 0 1 
A matriz D para o modelo desenvolvido é nula. Substituindo os valores

numéricos das condições operacionais e dados do reator nas equações (13.33),
(13.34) e (13.35), obtém-se as seguintes matrizes numéricas A e B da representação
do espaço de estados do modelo em análise:
− 97,4 0 − 5,2 
 
 
A =  52,9 − 77,4 1,4  (13.36)
 
 219,1 206,8 − 39,1
Souza & Trica 367

 0,4 0 24,5 0 
 
 
B =  − 0,1 0 0 0  (13.37)
 
− 0,5 30,8 0 24,5
Obtenção das matrizes função de transferência:
As matrizes função de transferência para o problema do reator van de Vusse

em análise que se deseja obter são dadas por:
 CB ( s ) CB ( s ) 
  
F (s) Tk ( s ) 
GP ( s) =  (13.38.a)
 T ( s ) T ( s ) 
 
 F  ( s ) Tk ( s ) 
 CB ( s ) CB ( s ) 
  
CA0 ( s ) T0 ( s ) 
Gd ( s ) =  (13.38.b)
 T ( s ) T ( s ) 
 
 (s)
 CA0 T0 ( s ) 
que são obtidas usando-se as equações (13.15).
Primeiramente devem ser identificadas mas matrizes Bm e Bd. Em seguida,

determina-se a inversa da matriz (sI – A). Por fim, obtém-se GP(s) e Gd(s) através da
pré-multiplicação de (sI – A)-1 pela matriz C e pós-multiplicação pela matriz Bm (para
o caso de GP) e pela matriz Bd (para o caso de Gd).
 (C A0, EE − C A,EE ) 
 0   0,4 0 
 V   
− C  
Bm =   = − 0,1
B, EE
0 0  (13.39.a)
 V  
 (T0, EE − TEE ) hf A   
   − 0,5 30,8
 V c PV  
368 Souza & Trica

 FEE 
 V 0  24,5 0 
   
 
Bd =  0 0 = 0 0  (13.39.b)
 
 FEE   
 0 
  0 24,5
 V 
A matriz (sI – A) é dada por:
 s + 97,4 0 5,2 
 

(sI − A ) =  − 52,9 s + 77,4 − 1,4  (13.40)
 
 − 219,1 − 206,8 s + 39,1
Prossegue-se para obter a inversa de (sI – A). Seja uma matriz genérica M,
sua inversa é dada pela razão entre a matriz adjunta de M e seu determinante:
adj M 
M −1 = (13.41)
det  M 
A matriz adjunta de M é dada pela transposição da matriz dos cofatores, X,

a qual tem seus coeficientes determinados conforme expressão a seguir:
adjM  = Χ T  X ij = (− 1)
i+ j
 
det M ij (13.42)
tal que Mij representa a matriz M reduzida após retirar a i-ésima linha e j-ésima
coluna.
O determinante de (sI – A) é calculado a seguir:
det (sI − A ) =
(s + 97,4)(s + 77,4)(s + 39,1) + (− 52,9)(− 206,8)(5,2) + (0)(− 1,4)(− 219,1)
− (5,2)(s + 77,4)(− 219,1) + (0)(− 52,9)(s + 39,1) + (− 1,4)(− 206,8)(s + 97,4)
Souza & Trica 369

det (sI − A ) =
(s 2
)
+ 174,7 s + 7.533,7 (s + 39,14405 ) + 56.474,1
− − (1132,3s + 87595,9 ) + (290,1s + 28257,1)
det (sI − A ) =
s 3 + 213,9 s 2 + 14.374,0 s + 294.901,7 + 56.474,1
− − 842,2 s − 59338,8
det (sI − A ) = s 3 + 213,9 s 2 + 15.216,2 s + 410.714,6 (13.43)
Prossegue-se com o cálculo da matriz dos cofatores de (sI – A):
 s + 77,4 − 1,4 − 52,9 − 1,4 − 52,9 s + 77,4 

 
 (− 1) 2
(− 1)3 (− 1)4 
 − 206,8 s + 39,1 − 219,1 s + 39,1 − 219,1 − 206,8 
 
 0 5,2 s + 97,4 5,2 s + 97,4 0 
Χ =  (− 1)3 (− 1)4 (− 1)5 
 
 − 206,8 s + 39,1 − 219,1 s + 39,1 − 219,1 − 206,8 
 0 5,2 s + 97,4 5,2 s + 97,4 0, 
 
 (− 1 ) 4
(− 1)5 (− 1)6 
 s + 77,4 − 1,4 − 52,9 − 1,4 − 52,9 s + 77,4 

 s 2 + 116,5s + 2.738,0 52,9s + 2.376,6 219,1s + 27.882,8 

 
 
Χ= − 1068,4 s 2 + 136,5s + 4.944,5 206,8s + 20.137,4  (13.44)
 
 
 − 5,2s − 399,7 1,4s − 136,5 s + 174,7 s + 7.533,7
2
tal que a adjunta de (sI – A) é dada por:
 s 2 + 116,5s + 2.738,0 − 1068,4 − 5,2 s − 399,7 

 
 
adj(sI − A ) =  52,9 s + 2.376,6 s 2 + 136,5s + 4.944,5 1,4 s − 136,5  (13.45)
 
 
 219,1s + 27.882,8 206 ,8 s + 20.137, 4 s 2
+ 174 , 7 s + 7.533,7 
 
370 Souza & Trica

e a inversa de (sI – A) é dada por:
 
(sI − A )−1 =  1


 s + 213,9 s + 15.216,2 s + 410.714,6 
3 2
 s 2 + 116,5s + 2.738,0 − 1068,4 − 5,2s − 399,7 

 
  (13.46)
 52,9 s + 2.376,6 s 2 + 136,5s + 4.944,5 1,4s − 136,5 
 
 
 219,1s + 27.882,8 206,8s + 20.137,4 s + 174,7 s + 7.533,7 
2
 
Agora, para obter-se GP(s), faz-se a pré-multiplicação de de (sI – A)-1 pela

matriz C e pós-multiplicação pela matriz Bm:
G P (s ) =
 s 2 + 116,5s + 2.738,0 − 1068,4 − 5,2 s − 399,7   0,4 0 
  
0 1 0     
   
 1  
 
    52,9 s + 2.376,6 2
s + 136,5s + 4.944,5 1,4 s − 136,5  − 0,1 0 
 det (s I − A )      
0 0 1   
  
 219,1s + 27.882,8 206,8s + 20.137,4 2 
s + 174,7 s + 7.533,7  − 0,5 30,8
 
G P (s ) =
 0,4 s 2 + 45,3s + 1.304,2 − 160,3s − 12.322.2 
 
0 1 0   
 1    − 0,1s 2 + 5,4 s + 455,6 
   43 , 2 s − 4.208,1
 det(sI − A )  
 
0 0 1  
− 0,5s 2 − 25,0 s + 4589,6 30,8s 2 + 5.385,7 s + 232.252,8
 
G P (s ) =
 − 0,1s 2 + 5,4s + 455,6 43,2s − 4.208,1 
 3 
 s + 213,9s + 15.216,2s + 410.714,6
2
s + 213,9s + 15.216,2s + 410.714,6 
3 2
(13.47.a)
 − 0,5s 2 − 25,0s + 4589,6 30,8s 2 + 5.385,7 s + 232.252,8 
 3 
 s + 213,9s 2 + 15.216,2s + 410.714,6 s 3 + 213,9s 2 + 15.216,2s + 410.714,6 
Souza & Trica 371

GP (s) =
 0,00111( −2, 2 10−4 s 2 + 1, 2 10−2 s + 1) −0,01025 ( −1,0 10 −2 s + 1) 

 
 ( 2, 4 10−6 s 3 + 5, 2 10−4 s 2 + 3,7 10 −2 s + 1) ( 2, 4 10 s + 5, 2 10 s + 3,7 10 s + 1) 
−6 3 −4 2 −2
(13.47.b)
 
 0,01117 ( −1,1 10−4 s 2 − 54,5 10 −2 s + 1) 0,56548 (1,3 10 −4 s 2 + 2,3 10 −2 s + 1) 
 
 ( 2, 4 10 s + 5, 2 10 s + 3,7 10 s + 1) ( 2, 4 10−6 s3 + 5, 2 10−4 s 2 + 3,7 10−2 s + 1) 
−6 3 −4 2 −2
Para obter-se Gd(s), faz-se a pré-multiplicação de de (sI – A)-1 pela matriz C

e pós-multiplicação pela matriz Bd:
G d (s ) =
 s 2 + 116,5s + 2.738,0 − 1068,4 − 5,2s − 399,7  24,5 0 
  
0 1 0     
   
 1  
     52,9s + 2.376,6 s 2 + 136,5s + 4.944,5 1,4s − 136,5  0 0 
 det(sI − A )     
0 0 1   
  
 219,1s + 27.882,8 206,8s + 20.137,4 2 
s + 174,7 s + 7.533,7   0 24,5
 
G d (s ) =
(
 s 2 + 116,5s + 2.738,0

) (− 5,2s − 399,7 ) 

0 1 0   
    (52,9 s + 2.376,6 )
24,5
1
 (1,4s − 136,5) 
 det(sI − A )  
 
0 0 1  
 (219,1s + 27.882,8)
 (
s 2 + 174,7 s + 7.533,7 

)
G d (s ) =
 52,9s + 2.376,6 1,4s − 136,5 
 s3 + 213,9s 2 + 15.216,2s + 410.714,6 s + 213,9s + 15.216,2s + 410.714,6 
3 2
(13.48.a)
24,5
 219,1s + 27.882,8 s 2 + 174,7 s + 7.533,7 
 3 
 s + 213,9s + 15.216,2s + 410.714,6 s + 213,9s + 15.216,2s + 410.714,6 
2 3 2
Gd ( s) =
 0,14177 ( 2, 2 10−2 s + 1) −0,00814 ( −1,0 10−2 s + 1) 

 
 ( 2, 4 10−6 s 3 + 5, 2 10 −4 s 2 + 3,7 10 −2 s + 1) ( 2, 4 10 s + 5, 2 10 s + 3,7 10 s + 1) 
−6 3 −4 2 −2
(13.48.b)
 
 1,66327 ( 0,8 10−2 s + 1) 0, 44940 (1,3 10−4 s 2 + 2,3 10−2 s + 1) 
 
 ( 2, 4 10 s + 5, 2 10 s + 3,7 10 s + 1) ( 2, 4 10−6 s3 + 5, 2 10−4 s 2 + 3,7 10−2 s + 1) 
−6 3 −4 2 −2
372 Souza & Trica

OBS: Comando do MATLAB© ss2tf.
Usado para converter um modelo em variáveis de estado para o modelo de

funções de transferência. Após definir as matrizes A, B, C e D deve-se escrever o
comando conforme abaixo:
[num j, den j]=ss2tf(A,B,C,D,j] (13.49)
tal que j é um número que referencia uma entrada, isto é, para j igual à 1 obtém-se
as funções de transferência de todas as saídas em relação à primeira variável de
entrada. Vale ressaltar que aqui as entradas correspondem as variáveis manipuladas
mais os distúrbios.
O comando gera polinômios no domínio de Laplace do numerador e

denominador para as funções de transferência entre a j-ésima entrada e as saídas, em
potências decrescentes de s. Por exemplo, executando a seguinte rotina no MATLAB©:
A=[-0.4 0;0.2 -0.2];

B=[0.5 0.2;-0.5 0];
C=[1 0;0 1];
D=[0 0;0 0];
%Chamando para a 1ª entrada
[num1,den1]=ss2tf(A,B,C,D,1)
%Resposta da rotina
num1 =
0 0.5 0.1
0 -0.5 -0.1
den1 =
1 0.6 0.8
%Chamando para a 2ª entrada
[num2,den2]=ss2tf(A,B,C,D,2)
%Resposta da rotina
num2 =
0 0.2 0.04
0 0 0.4
den2 =
1 0.6 0.8
Souza & Trica 373

O resultado obtido pela rotina executada deve ser interpretado da seguinte

forma:
GP11 ( s ) =
( 0 ) s 2 + ( 0,5) s + 0,1 = 0,5s + 0,1
(13.50.a)
(1) s 2 + ( 0,6 ) s + 0,8 s 2 + 0,6s + 0,8
( 0 ) s 2 − ( 0,5 ) s − 0,1 ( −1)( 0,5s + 0,1)

GP21 (s) = 2 = (13.50.b)
(1) s + ( 0,6 ) s + 0,8 s 2 + 0,6s + 0,8
GP12 ( s ) =
( 0 ) s 2 + ( 0, 2 ) s + 0,04 = 0, 2s + 0,04
(13.50.c)
(1) s 2 + ( 0,6 ) s + 0,8 s 2 + 0,6s + 0,8
( 0 ) s 2 + ( 0 ) s + 0, 4 0, 4
GP22 (s) = 2 = 2 (13.50.d)
(1) s + ( 0,6 ) s + 0,8 s + 0,6s + 0,8
13.5. Controle multivariável de processos
Seja um sistema MIMO em que se possui m variáveis de entrada manipuladas

e s variáveis de saída, há, portanto, a possibilidade de efetuar o controle em malha
fechada de até m variáveis de saída. Entretanto, sem deter algum conhecimento
matemático ou tácito do sistema, não há como determinar a melhor configuração de
pares entre variáveis entrada-saída que irá compor cada uma das malhas de controle.
O problema do pareamento das variáveis entrada-saída é ilustrado na Figura

13.5 para o sistema 2x2 abaixo de um tanque de mistura de correntes, onde ocorre a
mistura entre correntes de temperatura diferentes e o objetivo é obter uma corrente
de saída com uma temperatura desejada.
M
mH,TH mC,TC
TIT
md,Td LIT
h m(h),T
Figura 13.5. Tanque de mistura de correntes.

374 Souza & Trica
Através de válvulas de controle, têm-se como variáveis manipuladas a vazão de

corrente quente, mH, e corrente fria, mC. As variáveis de estado são o nível do tanque,
h, e a temperatura do tanque, T, as quais também são saídas medidas do sistema. A
vazão mássica de retirada do tanque, m(h), é dependente do nível. Há uma corrente
adicional que alimenta o tanque com vazão md e temperatura Td como variáveis
distúrbio.
Havendo duas variáveis manipuladas e duas de saída (que no caso em análise

também são variáveis de estado) que se deseja controlar, têm-se as seguintes
possibilidades de pareamento entrada-saída para as malhas de controle:
mH ( u1 ) − T ( y1 )
configuração #1:
mC ( u2 ) − h ( y2 )
mC ( u2 ) − T ( y1 )
configuração #2:
mH ( u1 ) − h ( y2 )
O sistema apresenta duas configurações possíveis de pareamento. Para um

sistema m x m haverá m! configurações possíveis, o que torna inviável tomar a decisão
de como parear as entradas e saídas através de tentativa-e-erro.
A seguir é apresentado o arranjo dos ganhos relativos como uma ferramenta

para analisar a interação entre as variáveis de entrada e saída de um modelo e como
orientação inicial de como deve ser o pareamento entrada-saída das malhas de controle.
13.5.1. Análise de interação (Ogunnaike & Ray, 1994)
Para formular matematicamente a interação entre as variáveis de entrada e

saída de um sistema, o problema é ilustrado pelo processo MIMO 2x2 a seguir na Figura
13.6, com pareamento u1-y1 e u2-y2.
Quando as malhas estão abertas, têm-se que:
𝑦1′ = 𝐺11 𝑢1′ + 𝐺12 𝑢2′

{ (13.51)
𝑦2′ = 𝐺21 𝑢1′ + 𝐺22 𝑢2′
Souza & Trica 375

Figura 13.6. Diagrama de blocos de um sistema 2x2 com interação em malha

fechada.
Para identificar a interação de cada entrada com as saídas, é selecionada uma

variável de entrada, por exemplo u1, e são executados os seguintes passos:
1) Degrau unitário em u1 com todas as malhas abertas. Depois de alcançar estado

estacionário, é registrado como Δy11,m o efeito principal (ou do inglês, main) de
u1 em y1. É possível notar que K11 = Δy1,m;
2) Degrau unitário em u1 com a malha de y2 fechada. Depois de alcançar estado

estacionário, é registrado como Δy11,r o efeito de retaliação de u1 em y1 ,
provocado pelo distúrbio que a malha fechada de y2 causou em y1.
Os passos são repetidos para cada uma das entradas do sistema. O efeito total
ou líquido do degrau unitário de u1 em y1, Δy11,t, é dado pela soma dos dois efeitos
citados anteriormente:
y11, t = y11, m + y11, r (13.52)
Definindo o ganho relativo, λ11, como um parâmetro para avaliar a interação

entre u1-y1:
y11,m y11, m
11 = = (13.53)
y11, t y11, m + y11, r
É possível analisar os seguintes cenários:
376 Souza & Trica

11 = 0 Não há efeito principal, Δy11,m = 0. u1 não possui efeito sobre y1.
11 = 1 Não há efeito retaliatório, Δy11,r = 0. u2 não possui efeito sobre y1.
Efeitos principais e retaliatórios estão no mesmo sentido.
• Se λ11 > 0,5, o efeito principal tem maior contribuição no efeito em

0  11  1 y1;
• Se λ11 < 0,5, o efeito retaliatório tem maior contribuição no efeito

em y1.
Os efeitos principal e retaliatório estão em sentidos opostos e Δy11,r <

11  1
Δy11,m.
Os efeitos principal e retaliatório estão em sentidos opostos e Δy11,r >

11  0
Δy11,m.
13.5.2. O arranjo de ganhos relativos
Havendo um modelo do sistema no domínio de Laplace, é possível determinar

o ganho relativo entre a i-ésima variável de saída e j-ésima variável de entrada pela
expressão a seguir:
 y i   y i 
   
 u   u 
 j  malhas abertas  j  uk =0  k  j
ij = = (13.54)
 y i   y i 
   
 u   u 
 j  malhas fechadas exceto laço j  j  yk =0  k i
A expressão anterior significa que, para a variável yi sob controle da entrada uj,
λij é a razão entre o ganho estático de yi em malha aberta e o ganho estático em malha
fechada com uj. Para m entradas e s saídas, obtém-se a uma matriz denominada RGA de
Bristol (“Relative Gain Array”) (1966):
Souza & Trica 377

11  1m 
 
 
Λ=     (13.55)
 
 s1   sm 
A análise dos ganhos relativos é realizada no estado estacionário e as malhas

fechadas possuem ação integral. A RGA possui as seguintes propriedades:
s m
 = 
i =1
ij
j =1
ij =1 (13.56.a)
λij é adimensional (13.56.b)
Há dois métodos básicos para calcular a RGA para um sistema linear, quadrado
(m x m), cujas matrizes GP(s) e Gd(s) são conhecidas:
• Método dos princípios básicos;
• Método matricial.
Método dos princípios básicos
O método é ilustrado através do exemplo de um sistema genérico MIMO 2x2.

A resposta de y1 e y2 no estado estacionário será dada por:
 y1 = K 11 u1 + K 12 u 2

 (13.57)
 y 2 = K 21 u1 + K 22 u 2
tal que Kij representa o ganho da i-ésima saída em relação à j-ésima entrada.
A derivada parcial do numerador da equação (13.54) é facilmente identificada

efetuando a derivação na equação (13.57):
 y1 
  = K11 (13.58)

 1  u 2 =0
u
Para a derivada no denominador (y1 u1 ) y2 =0 , faz-se y̕2 = 0 em (13.57):

378 Souza & Trica
0 = K 21u1 + K 22 u 2
K 21
u 2 = − u1 (13.59)
K 22
Substituindo em y̕1 em (13.57), obtém-se:
K12 K 21
y1 = K11u1 − u1 (13.60)
K 22
Aplicando agora a derivada parcial de y1 em relação à u1:
 y1  K K  K K 
  = K11 − 12 21 = K11 1 − 12 21  (13.61)
 u1  y2 =0 K 22  K11 K 22 
tal que λ11 fica:
1 K12 K 21
11 = , = (13.62)
1− K11 K 22
Pelas propriedades da RGA, para uma matriz 2x2 é possível obter os demais
elementos conhecendo-se apenas um deles:
 1  
−
  1−   1− 1− 
Λ= =  (13.63)
1 −      1 
− 1 −  1 −  

Exemplo 13.5: Coluna de destilação binária (Wood & Berry, 1973)
Wood & Berry (1973) avaliaram diferentes estratégias de controle de uma

coluna de destilação binária de escala piloto e identificaram a seguinte matriz função
de transferência do sistema:
Souza & Trica 379

 xD ( s ) 12.8e− s xD ( s ) −18.9e−3s 

  = = 
 R ( s ) 16.7 s + 1 S  ( s ) 21.0s + 1 
GP ( s) = (13.64)
 x ( s ) 6.6e−7 s xB ( s ) −19.4e−3s 
 B = = 
 R ( s ) 10.9s + 1 S  ( s ) 14.4s + 1 
tal que xD é a composição do topo; xB é a composição do fundo; R a vazão de refluxo

e S a vazão de vapor.
Obtenha a RGA do sistema.
Solução:
12.8 −18.9 
K = G P ( 0) =   (13.65)
 6.6 −19.4 
1 1
= = = 2.01
K12 K 21 6.6  ( −18.9 ) (13.66)
1− 1−
K11K 22 ( −19.8)  12.8
 2 −1
Λ=  (13.67)
 −1 2 
Método matricial
Apesar do método dos princípios básicos também ser aplicável para sistemas m
x m, o método matricial é mais simples de ser aplicado para sistemas de maior dimensão.
Definindo a matriz de ganhos estáticos K:
K = lim G P (s ) (13.68)
s →0
Seja a matriz R a transposta da inversa de K:
R = ( K −1 )
T
(13.69)
380 Souza & Trica

Então é possível mostrar que os elementos da RGA podem ser obtidos pelo
produto de Hadamard (ou produto de Schur)
ij = kij  rij (13.70.a)
Λ=K R=K (K )
−1 T
(13.70.b)
Exemplo 13.6: Arranjo dos ganhos relativos do Reator van de Vusse.
Obtenha a RGA do sistema do reator van de Vusse apresentado no Exemplo

13.1, cuja matriz função de transferência GP(s) foi obtida no Exemplo 13.4.
Solução:
A matriz dos ganhos estáticos do sistema, K, para o reator van de Vusse pode
ser obtida aplicando a equação (13.68) à equação (13.47.b):
 0,00111 − 0,01025
K=  (13.71)
 
0,01117 0,56548 
Prossegue-se com a obtenção da matriz R, que requer conhecer a inversa de

K, portanto inicia-se com o cômputo do det(K):
det (K ) = (0,00111)(0,56548 ) − (− 0,01025 )(0,01117 ) = 7,4  10 -4 (13.72)
A adjunta de K será dada por:
 0,56548 0,01025
adj(K ) =   (13.73)
 
− 0,01117 0,00111
E a inversa de K dada por:
1  0,56548 0,01025  762,34 13,81

K −1 = = (13.74)
7,4  10  −0,01117 0,00111  −15,06 1,50 
-4 
Souza & Trica 381

tal que fazendo a transposta de K-1 obtém-se a matriz R:
762,34 −15,06 
R = (13.75)
 13,81 1,50 
e fazendo o produto de Hadamard entre K e R, obtém-se a RGA:
( 0, 00111)( 762, 34 ) ( −0, 01025 )( −15, 06 ) 0,84565 0,15435 

Λ=K R = = (13.76)
 ( 0, 01117 )(13,81) ( 0, 56548 )(1, 50 )   0,15435 0,84565 
13.5.3. O Teorema da Estabilidade de Niederlinski
Desenvolvido primeiramente por Niederlinski (1971) e depois aprimorado por

Grosdidier (1985). Considerando que foi escolhido o seguinte pareamento para o
controle multimalhas:
y i − u i  i = 1,2,..., m (13.77)
Onde m representa o tamanho o sistema “quadrado”. Considerando que cada

GP,ij(s) da matriz GP(s) é:
• Racional (razão de polinômios);
• Estável em malha aberta;
• Própria (ordem do numerador menor que ordem do denominador);
e que se tenha m controladores feedback individuais, que tenham ação integral

projetada de modo que cada uma das malhas seja estável quando todas as outras estão
abertas.
Sob a condição de todas as malhas fechadas, o sistema multimalhas resultante

será instável para quaisquer valores possíveis de parâmetros dos controladores –
denomina-se tal condição como estruturalmente monotômico instável – se o Índice de
Niederlinski, NI, for negativo:
382 Souza & Trica

G ( 0) K
NI  = 0 (13.78)
 G ( 0)  K
tal que ∏M é o produto dos elementos diagonais da matriz M, definido como:
M = m i =1
ii (13.79)
Exemplo 13.7: Índice de Niederlinski de sistemas 2x2
k k 
G ( 0 ) =  11 21  (13.80)
 k12 k22 
K k11k22 − k12 k21 k k

NI 2 x 2 = = = 1 − 12 21 = 1 −  (13.81)
K k11k22 k11k22
Se 1 – φ < 0, o sistema proposto será instável. Logo, isto ocorrerá se φ > 1 e

nesta condição λ11 e λ22 são negativos. Assim, independente do pareamento utilizado:
y1-u1 e y2-u2 ou y1-u2 e y2-u1 o efeito retaliatório será sempre maior que o efeito
principal e o sistema é intrinsicamente instável (ou estruturalmente instável).
Pontos importantes:
• Este resultado é necessário e suficiente para sistemas 2x2;
• Para sistemas de dimensão maior, o resultado provê condições suficientes de

instabilidade, isto é, se NI < 0, o sistema é instável. Se NI > 0, o sistema pode
ou não ser instável. A estabilidade depende-rá dos parâmetros dos
controladores;
• A análise de estabilidade não é rigorosa na presença de tempo morto, mas pode

fornecer informações úteis.
13.6. Heurística ou regras de pareamento
Fazendo análise dos cenários de λ11 citados no item 13.5.1, já é possível

identificar algumas orientações sobre como fazer o pareamento entre as variáveis de
entrada e de saída. Por exemplo, a primeira heurística é buscar sempre parear variáveis
Souza & Trica 383

de entrada e saída que possuam valores de RGA positivos e próximos de 1, de forma que
a situação ideal seria quando a RGA fosse igual à matriz identidade. Outra heurística
identificada do ponto de vista de estabilidade estrutural é que qualquer pareamento
não deve ser efetuado caso resulte numa configuração de sistema de controle para o
qual o NI é negativo.
A seguir é apresentada na Tabela 13.1 uma lista de heurísticas de pareamento

em função do ganho relativo
Tabela 13.1. Heurísticas ou regras de pareamento para sistemas multimalhas em

função do ganho relativo.
Ganho relativo Dificuldade do controle Recomendação
ij  0 Alta Não parear yi com uj.
0  ij  0,5 Se possível, evite parear yi com

Média
uj.
0,5  ij  1 Baixa Parear yi com uj.
ij  1 Quando possível, não parear yi

Média
com uj se λij for muito alto.
Exemplo 13.8:
5 3 1 1  10 −4.5 −4.5

K =  1 1 3 1  , Λ =  −4.5 1 4.5  (13.82)
 1 1 1 3  −4.5 4.5 1 
Pela análise RGA o pareamento recomendado seria: y1 − u1 , y2 − u2 , y3 − u3 .

Calculando o Índice de Niederlinski, obtém-se:
K −148
NI = = 0 (13.83)
K 5 27
de forma que o pareamento proposto resulta num sistema estruturalmente instável.
384 Souza & Trica

Rearrumando K, trocando linhas, isto é, modificando o pareamento:
5 3 1 1  10 −4.5 −4.5

K= 1 1 1 3 , Λ =  −4.5 4.5 1  (13.84)
 1 1 3 1   −4.5 1 4.5 
K 4 27
NI = = = 4 45 (13.85)
K 53
que não é estruturalmente instável. O sistema pode instabilizar dependendo dos

parâmetros de controle.
OBS: Em sistemas de dimensão alta, é possível parear com valores negativos de

RGA e ainda ter um sistema estável. No entanto, se a malha que está pareada
com elemento de RGA negativo for aberta, o sistema de menor dimensão se
tornará instável (baixo grau de integridade).
Exemplo 13.9: Tanque de mistura de correntes (Figura 13.5)
Seja um tanque de mistura em que a temperatura da corrente quente, TH, é

de 65 °C e da corrente fria, TC, de 15 °C, obtenha a RGA do sistema e proponha um
pareamento para as seguintes condições da temperatura do tanque no estado
estacionário, TEE: a) 55 °C b) 25 °C c) 40 °C e d) TEE = TH
Solução:
É possível demonstrar que:
  h  T −T  h  TH − TEE 
  = C EE   =− 
  mH   mH TC − TH  mC  mC TC − TH 
Λ=  (13.86)
 T  T −T  T  TC − TEE 
  = − H EE   =
 m TC − TH 
 H  mH  mC  mC TC − TH 
Souza & Trica 385

a) Condição #1: TEE = 55 °C
 0.8 0.2 
Λ= , Parear mH – h e mC – T (13.87)
0.2 0.8
b) Condição #2: TEE = 15 °C
0.2 0.8
Λ= , Parear mH – T e mC – h (13.88)
 0.8 0.2 
b) Condição #3: TEE = 40 °C
0.5 0.5
Λ= , Não há diferença entre os pareamentos (13.89)
0.5 0.5
d) Condição #4: TEE = TH
1 0 
Λ= , Caso ideal. Parear Parear mH – h e mC – T
0 1 
13.7. Sintonia e Projeto de Sistemas Multimalhas
O controle multivariável ainda é um assunto de amplo estudo tanto no âmbito

acadêmico quanto industrial. Duas principais abordagens surgiram nas décadas de 1970
e 1980.
A primeira propõe o uso de controladores PID e técnicas de sintonia

convencionais para cada malha SISO e reajustar a sintonia das malhas (detuning)
seguindo procedimentos específicos (McAvoy, 1981; Yu & Luyben, 1986; Economou &
Morari, 1986; Grossdidier & Morari, 1986; Marino-Galagarra et al., 1987; Skogestad &
Morari, 1989; Hovd & Skogestad, 1994; Shen & Yu, 1994).
A segunda é baseada no conceito de um controlador multivariável único, para

o qual as malhas de controle não são mais individuais e ajustadas a partir do erro de
uma única variável, mas sim uma única grande malha para a qual as variáveis
manipuladas sofrem ajustes a partir do erro de todas as variáveis a serem controladas
386 Souza & Trica
(Seborg et al., 2003). Esse controlador único e multivariável recebe como variáveis de
entrada um conjunto ou vetor de erros e como saídas um conjunto ou vetor de variáveis
manipuladas. Essa abordagem engloba tanto o conceito de sistemas multimalha – com
parâmetros de controle cruzados: como exemplo, para o um sistema 2x2 com controle
P haveria quatro parâmetros: KC,11, KC,12, KC,21 e KC,22 – quanto os controladores
preditivos baseados em modelos (MPC, Model Predictive Control) (Cutler & Remaker,
1980; Garcia & Morshedi, 1986; Clarke et al., 1987; Henson, 1998; Qin & Badgwell,
2003).
Maiores conhecimentos sobre o assunto fogem ao escopo deste livro e podem

ser encontrados nas referências bibliográficas citadas. Em caráter de ilustração, com
objetivo de introduzir o leitor ao assunto, é apresentado a técnica proposta por McAvoy
(1981) aplicável para sistemas 2x2, utilizando como parâmetro de detuning o ganho
relativo, λ, e aplicada ao reator van de Vusse no Exemplo 13.10.
13.7.1. Técnica detuning proposta por McAvoy (1981)
McAvoy (1981) em sua publicação desenvolveu uma função de transferência

de um sistema 2x2 em malha fechada com interação entre as variáveis e a presença de
uma única variável-distúrbio com influência sobre as duas saídas, conforme Figura 13.7
a seguir:
- ̕
y̕ y̕
+ + +
SP GC,1 G11 + +
G12 Gd,1
d
G21 Gd,2
̕ + +
y̕ y̕
+ + +
SP - GC,2 G22
Figura 13.7. Diagrama de blocos de um sistema 2x2 estudado por McAvoy (1981).
A função de transferência desenvolvida por McAvoy é dada pela expressão a

seguir:
 1 (s ) 1
=−
GCarga,eff (s ) 1 + GC,2 G22  (s ) (13.90)
1 + GC,1 G11  
 1 + GC,2 G22 
Souza & Trica 387

tal que GCarga,eff(s) é a função de transferência da carga efetiva, considerando a ação de

resposta que a segunda malha executa quando fechada:
 G  GC,2 G22 
GCarga, eff (s ) = Gd,1 − Gd,2 12   d (s )
 (13.91)
 G22  1 + GC,2 G22 
e λ(s) definido de forma semelhante à RGA:
 (s ) =   (0 ) =
1 1
G (s )G21 (s ) K K (13.92)
1 − 12 1 − 12 21
G11 (s )G22 (s ) K 11 K 22
tal que Gij é a função de transferência no domínio de s entre a i-ésima saída e j-ésima
entrada, conforme definido na equação (13.18).
McAvoy teve por objetivo avaliar a condição limite da equação característica

dada pelo denominador da equação (13.90). Para isso, ele avaliou três casos limites e
simplificadores dessa equação (mesmo resultado pode ser obtido para a segunda
malha):
a) Primeira malha mais rápida que a segunda, de forma que ‖GC,2G22(ωC,1i)‖ >>
1;
b) Primeira malha mais lenta que a segunda, de forma que ‖GC,2G22(ωC,1i)‖ << 1;
c) Ambas as malhas com velocidades iguais, de forma que ‖GC,2G22(ωC,1i)‖ ≈

‖GC,1G11(ωC,1i)‖;
tal que ωC,1 é a frequência de cruzamento para o ângulo de fase de −180° da primeira
malha quando fechada.
Sendo a condição limite de estabilidade do controlador perfeito dada pela

inversa de ‖G11(ωC,1i)‖ no ângulo de fase de -180 °C (critério de estabilidade de Bodé),
têm-se que:
f ( )
K C, último, Int,1 =
G11 ( C,1 i )
(13.93)
tal que KC,último,Int,1 é o ganho último da primeira malha para o sistema em malha fechada
(com interação).
388 Souza & Trica

Os três casos foram discutidos por McAvoy. Para o caso (a), f(λ) = λ(s).
Considerando que os termos dinâmicos de λ(s) se cancelam – dados pela razão entre as
funções de transferência Gij(s) – λ(s) seria constante de forma que ‖λ(s)‖ = ‖λ(0)‖.
Portanto, KC,último,Int,1 seria multiplicado pelo ganho relativo da RGA, λ(0). Como a
sintonia de um controlador é sempre dada por uma fração do ganho último de sua malha
e podendo λ(0) ser maior que 1, o reajuste da sintonia seguindo a equação (13.93)
poderia levar à própria instabilidade da primeira malha. Assim tal reajuste não é
recomendado.
Para o caso (b), f(λ) = 1, pois o termo entre colchetes na equação (13.90) é
próximo de 1, de forma que a respectiva equação característica tende ao caso SISO sem
interação. A interpretação física desse resultado é que quando a malha é muito rápida
em relação às outras, sua resposta já estabiliza antes mesmo das interações das demais
malhas surtirem efeito sobre ela. Assim, não há necessidade de efetuar algum tipo de
reajuste.
Com os resultados obtidos para o caso (a) e (b), o procedimento proposto por
McAvoy não recomenda a aplicação de detuning entre malhas que possuem velocidades
de resposta com ordem de grandeza distintas.
Para o terceiro caso, quando as malhas apresentam velocidades similares, o

reajuste da sintonia é recomendado e f(λ) é dado por:
 (s ) −

 (s )2 −  (s ),  (s )  1
f ( ) =  (13.94)
 (s ) +
  (s )
2
−  (s ),  (s )  1
Considerando novamente que os termos dinâmicos de λ(s) se cancelam e que

a sintonia da malha é sempre uma fração de seu ganho último, McAvoy propôs aplicar
o seguinte fator de detuning para malhas de dinâmica similar:
 (0 ) −  (0 )2 −  (0 ),  (0 )  1
K C, Int,i 
= , i = 1,2 (13.95)
K C,i   (0 ) +  (0 )2 −  (0 ) ,  (0 )  1

tal que KC,Int,i é o ganho da i-ésima malha para o sistema em malha fechada (com
interação). Para λ(0) < 1, é necessário calcular a norma porque o termo de raiz quadrada
é complexo.
Souza & Trica 389

Abaixo é listado as principais conclusões da técnica de detuning proposta por

McAvoy:
• O desenvolvimento foi feito somente para sistemas 2x2;
• A análise foi feita considerando o efeito de uma variável-distúrbio sobre as

variáveis de saída (sob controle em malha fechada). Porém, a análise se estende
para efeitos do set-point sobre as mesmas variáveis porque a equação
característica da expressão (13.90) seria a mesma;
• A análise partiu da função de transferência 1̕ (s)/GCarga,eff(s). Partindo de

̕2(s)/GCarga,eff(s), a equação característica analisada seria diferente, mas os
mesmos resultados seriam obtidos;
• O reajuste das sintonias não é recomendado para malhas que possuem

dinâmica com ordem de grandeza distintas, por exemplo: malhas de pressão
ou vazão vs. malhas de nível ou temperatura.
O procedimento para sintonia de malhas de controle de sistema 2x2 utilizando

o procedimento recomendado por McAVOY (1981) é feito então da seguinte forma:
1) Obter KC,i, que é o ganho da i-ésima malha de controle sem interação, obtido
através de procedimentos de sintonia típicos (apresentados no Capítulo 10) e
com todas as demais malhas abertas e sem variação de suas variáveis
manipuladas (m̕j ≠ i = 0);
2) Caso as malhas apresentem dinâmicas com ordem de grandeza similar, reduzir

os ganhos proporcionais das mesmas, conforme equação (13.95).
A seguir é feita a aplicação da técnica detuning proposta por McAvoy para o

reator van de Vusse.
Exemplo 13.10: Sintonia de malhas de controle para o reator van de Vusse.
Seja o reator do tipo CSTR de van de Vusse apresentado no Exemplo 13.1,

com funções de transferência GP(s) e Gd(s) desenvolvidas no Exemplo 13.4 e RGA
determinada no Exemplo 13.6:
a) Proponha um pareamento entre as variáveis de entrada manipuladas: F e

Tk e de saída: CB e T para as malhas de controle do sistema;
390 Souza & Trica

b) Calcule o Índice de Niederlinski para o pareamento proposto em (a);
c) Sintonize as malhas de controle de forma individual, utilizando o método

IMC;
d) Aplique a técnica de detuning proposta por McAvoy (1981) para as malhas

sintonizadas individualmente;
̕ para um degrau de 10% do
e) Plote os gráficos da resposta de CB̕ (t) e T(t)
̕ , para as sintonias obtidas em (c) e (d)
valor incial de CB,EE e de 5 °C em TSP
com ambas as malhas fechadas. Compare e discuta os resultados;
f) ̕ para um degrau de 10%, no

Plote os gráficos da resposta de CB̕ (t) e T(t)
valor inicial de CA0 e de -5 °C em T0, para as sintonias obtidas em (c) e (d) com ambas
as malhas fechadas. Compare e discuta os resultados.
a) Pareamento das malhas de controle
Conforme a RGA do sistema do reator van de Vusse obtida na equação

(13.76) e seguindo a heurística de pareamento da Tabela 13.1, o pareamento que
resulta igualmente na menor interação entre as variáveis de entrada e saída seria o
dado pelas configurações: #1 F–CB e #2 Tk–T e Tk–CB e F–T. O ganho relativo entre
os pares de variáveis das configurações #1 e #2 é igual, com valor de 0,85, na faixa
entre 0,5 e 1,0.
b) Índice de Niederlinski
O pareamento proposto em (a) já teve sua matriz dos ganhos estáticos

apresentada na equação (13.71). Portanto, o Índice de Niederlinski será dado por:
K 7,4  10−4
NI = = 0 (13.96)
K ( 0,00111)( 0,56548 )
Portanto, o pareamento proposto em (a) é estruturalmente estável porque o

Índice de Niederlinski calculado é maior que zero. Entretanto, as sintonias das malhas
devem respeitar as condições limites, para que não haja instabilidade das próprias
malhas individualmente.
Souza & Trica 391

c) Sintonia das malhas individuais pelo Método IMC
A matriz função de transferência de processo GP(s) para o reator van de

Vusse dado pelo pareamento proposto em (a) já foi apresentada nas equações
(13.38). A partir das expressões para CB̕ (s)/F̕(s) e T(s)/T
̕ k̕ (s) já desenvolvidas nas
equações (13.47), obtém-se a função de transferência do controlador e os valores de

seus parâmetros usando o Método IMC.
c.1) CB̕ (s)/CB,SP

̕ (s)
Para a função de transferência ao estímulo set-point para a primeira malha:

̕ ̕
CB(s)/CB,SP(s), identifica-se que a função de transferência do processo, GP,11(s), possui
um zero positivo:
− b0 s 2 + b1 s + b2 K (1 −  a,1 s )(1 +  a,2 s )

GP,11 (s ) = =
a0 s + a1 s + a 2 s + a3  a0 3 a1 2 a 2
3 2
 (13.97)
 s + s + s + 1
 a3 a3 a3 
tal que os coeficientes do numerador e denominador em (13.97)(13.100) são todos

maiores que zero, conforme expressões em (13.47).
A função GP,11(+), seguindo o 1º passo do Método IMC, será dada por:
GP,11(+ ) (s ) = (1 −  a,1 s ) (13.98)
̕ (s) deve ser uma razão

Para o 2º passo do método, verifica-se que CB̕ (s)/CB,SP
de polinômios própria para ser fisicamente realizável. A estrutura da função de
transferência do filtro do Método IMC deve ser, portanto, no mínimo de 2ª ordem:
C B (s ) (1 −  a,1 s )
= GP,11(+ ) (s ) f (s ) =
 SP (s )
C B, ( )
 C,1 s + 2 C,1 C,1 s + 1
2 (13.99)
Por fim, para o 3º passo do método, a função GP,11(-) será dada por:
392 Souza & Trica

K (1 +  a,2 s )
G P,11 (- ) =
 a 0 3 a1 2 a 2  (13.100)
 s + s + s + 1
 a3 a3 a3 
Utilizando o filtro de 2ª ordem definido em (13.99), a função de transferência

para o controlador interno do método IMC será dada por:
 a 0 3 a1 2 a 2 
 s + s + s + 1
=
1
f (s ) =
1  a3 a3 a3  (13.101)
( )
*
GC,1
GP,11(- ) K (1 +  a,2 s )  C,1 s + 2 C,1 C,1 s + 1
2 2
tal que a função de transferência para a lei de controle PID fica:
*
GC,1
GC,1 =
1 − GP,11 GC,1
*
 a 0 3 a1 2 a 2 
 s + s + s + 1
f 1  a3 a3 a3 
=
GP,11(− )
=
K (
1 +  a,2 s C,1 s + 2 C,1 C,1 s + 1
2 2
)
GC,1
1 − GP,11(+ ) f
1−
1 −  a,1 s
(
 C,1 s + 2 C,1 C,1 s + 1
2 2
)
 a 0 3 a1 2 a 2
1 
 s + s + s + 1
=  a3 K a3 a3 
GC,1
( ) 
 C,1 s + 2 C,1 C,1 s + 1 − (1 −  a,1 s ) 1 +  a,2 s 
2 2
 a 0 3 a1 2 a 2 
 s + s + s + 1
=
1  a3 a3 a3  (13.102)
GC,1
 
K s ( C,1 ) s + (2 C,1 C,1 +  a,1 ) (1 +  a,2 s )
2
Souza & Trica 393

Identifica-se que a função de transferência obtida para GC,1 , sem considerar

o termo de característica integradora dada pela divisão por s (pólo igual à zero), possui
numerador uma ordem acima do denominador. A lei de controle compatível com essa
estrutura é de um controlador proporcional-integral. Portanto:
 a 0 3 a1 2 a 2 
 s + s + s + 1
K C,1  I,1 s + 1 1  a3 a3 a3  (13.103)
=
 I,1 s  
K s ( C,1 )2 s + (2 C,1 C,1 +  a,1 ) (1 +  a,2 s )
A seguir é realizado o desenvolvimento matemático para obter expressões

de KC,1 e τI,1 em função da constante de tempo e fator de amortecimento de f(s), τC,1
e ξC,1, e dos demais coeficientes da função de transferência do processo, GP,11.
 a 0 3 a1 2 a 2 
 s + s + s + 1
 KK C,1   a3 a3 a3  (13.104)
 =
 
 I,1  I,1 C,1 
  s + 1 ( )2 s + (2  +  ) (1 +  s )
C,1 C,1 a,1 a,2 
 a0 3 a1 2 a 2 
 KK C,1   s + s + s + 1
 =  a3 a3 a3 
      a,1    C,1  
 I,1 
 s + 1 C,1  2 C,1 +  
  2 +  
 s + 1 (1 +  a,2 s )

 C,1
I,1
    C,1 a,1 C,1  
 a 0 3 a1 2 a 2 
 s + s + s + 1
  C,1     a3 a3 a3 
 KK C,1  2 C,1 + a,1  =
 I,1   C,1    C,1  
  
 I,1 s + 1  s + 1 (1 +  a,2 s )

 2 C,1 +  a,1  C,1  
fazendo:
 C,1     I,1
 2 C,1 + a,1  = 1 → K C,1 = 1 (13.105)
K (2 C,1 C,1 +  a,1 )
KK C,1
 I,1   C,1 
394 Souza & Trica

resta avaliar a expressão cúbica para determinar τI,1:
  C,1   a 
 s + 1  s + 1 (1 +  a,2 s ) =  0 s 3 + 1 s 2 + 2 s + 1

a a
 2 C,1 +  a,1  C,1 
I,1
  a3 a3 a3 
tal que:
a0  I,1 C,1 a,2

= (13.106.a)
a3 2 C,1 +  a,1  C,1
a1  I,1 C,1  C,1 a,2

= + +  I,1 a,2 (13.106.b)
a3 2 C,1 +  a,1  C,1 2 C,1 +  a,1  C,1
a2  C,1
=  I,1 + +  a,2 (13.106.c)
a3 2 C,1 +  a,1  C,1
Reescrevendo as equações (13.106) da seguinte forma:
a0  I,1 C,1 a,2

= (13.107.a)
a3 2 C,1 +  a,1  C,1
( I,1 )  C,1
2
 I,1 C,1 a,2
+ ( I,1 )  a,2
a1
 I,1 = +
2
(13.107.b)
a3 2 C,1 +  a,1  C,1 2 C,1 +  a,1  C,1
( I,1 )  C,1
2
( ) 2 a2
= ( I,1 ) +
3
+ ( I,1 )  a,2
2
(13.107.c)
2 C,1 +  a,1  C,1
I,1
a3
e subtraindo (13.107.a) de (13.107.b), obtém-se:
( I,1 )  C,1 2
+ ( I,1 )  a,2
a1 a 0
 I,1 − =
2
(13.108)
a3 a3 2 C,1 +  a,1  C,1
Souza & Trica 395

Subtraindo agora (13.108) de (13.107.c), obtém-se:
( ) − ( )
I,1
3
I,1
2 a2
+ ( I,1 ) 1 − 0 = 0
a a
(13.109)
a3 a3 a3
Substituindo os valores de a0/a3, a1/a3 e a2/a3 de GP,11 apresentados em

(13.47.b) na equação (13.109) e resolvendo o polinômio cúbico para τI,1, são obtidas
duas raízes complexas e uma real, sendo a última a única possível para τI,1:
( ) − ( ) + ( I,1 ) 1 − 0 = 0 →  I,1 = 0,00921 h = 0,5526 min

3 2 a2 a a
I,1 I,1 (13.110)
a3 a3 a3
A expressão para o ganho do controlador PI em função de τC,1 e ξC,1 fica,

portanto:
2 2
b b   −b   b  b  b 
− 1 +  1  − 4 0   1  +  1  + 4 2 
1 b2  b2   b2   b0   b0   b0 
zP,1  = =
 a,1  −b  2
2 0 
 b2 
zP,1  99,7 h -1 = 1,66 min −1   a,1 = 0,01003 h = 0,6018 min (13.111)
1 0,00921 h  m3 /h 
K C,1 =   (13.112)
0,00111 ( 2 C,1 C,1 + 0,01003 h )  kmol/m3 
Supondo τC,1 = 0,03 h (1,8 min) e ξC,1 = 1:
1 0,00921 h  m3 /h 
K C,1 =  
0,00111 ( 0,03 h + 0,01003 h )  kmol/m 3 
 m3 /h 
K C,1  118,5  3 (13.113)
 kmol/m 
396 Souza & Trica

̕
c.2) T(s)/T ̕
SP(s)
Para a função de transferência ao estímulo set-point para a segunda malha:

̕ ̕
T(s)/TSP(s), tem-se a seguinte função de transferência do processo, GP,22(s), já
apresentada em (13.47):
b0 s 2 + b1s + b2 K (1 +  a,1s )(1 +  a,2 s )

GP,22 ( s ) = =
a0 s 3 + a1s 2 + a2 s + a3  a0 3 a1 2 a2  (13.114)
 s + s + s + 1
 a3 a3 a3 
tal que os coeficientes do numerador e denominador em (13.114)(13.100) são todos

maiores que zero.
Para o 1º passo do método IMC, identifica-se que a função GP,22 é uma função
própria e não possui termos que dificultam a ação de controle (zeros positivos, tempo
morto, etc.), de forma que GP,22(-) = GP,22 e GP.22(+) = 1.
̕
Prosseguindo para o 2º passo, para que T(s)/T ̕ (s) seja fisicamente realizável
SP
e sendo GP,22(+) = 1, a estrutura mais simples possível para a função de transferência

de f(s) é de 1ª ordem, de forma que:
T ( s ) 1
= GP,22( + ) ( s ) f ( s ) = (13.115)
TSP ( s ) ( C,2 s + 1)
Por fim, para o 3º passo do método IMC, a função de transferência para o

controlador interno do método será dada por:
 a0 3 a1 2 a2 
 s + s + s + 1
1 1  a3 a3 a3  (13.116)
*
GC,2 = f (s) =
GP,22( -) K (1 +  a,1s )(1 +  a,2 s )( C,2 s + 1)
tal que a função de transferência para a lei de controle PID fica:
*
GC,2
GC,2 =
1 − GP,22GC,2
*
Souza & Trica 397

f  a0 3 a1 2 a2 
 s + s + s + 1
GP,22( − ) 1  a3 a3 a3  1
GC,2 = =
1 − GP,11( + ) f K 1 +  a,1s  1 +  a,2 s  ( C,2 s + 1)  1 
1 − 
 ( C,2 s + 1) 
 a0 3 a1 2 a2 
 s + s + s + 1
 1   a3 a3 a3  (13.117)
GC,2 = 
 K  s 1 +  s  1 +  s 
 C,2   a,1   a,2 
Identifica-se que a função de transferência obtida para GC,2 , sem considerar

o termo de característica integradora dada pela divisão por s (pólo igual à zero), possui
numerador uma ordem acima do denominador. A lei de controle compatível com essa
estrutura é de um controlador proporcional-integral. Portanto:
 a0 3 a1 2 a2 
 s + s + s + 1
K C,2  I,2 s + 1  1   a3 a3 a3  (13.118)
= 
 K C,2  s (1 +  a,1s )(1 +  a,2 s )
 I,2 s 
A seguir é realizado o desenvolvimento matemático para obter expressões

de KC,2 e τI,2 em função da constante de tempo de f(s), τC,2, e dos demais coeficientes
da função de transferência do processo, GP,22.
 a0 3 a1 2 a2 
 s + s + s + 1
  C,2   a3 a3 a3  (13.119)
 KK C,2  =
  I,2   I,2 s + 1 (1 +  a,1s )(1 +  a,2 s )
fazendo:
 C,2 1  I,2
KK C,2 = 1 → K C,2 = (13.120)
 I,2 K  C,2
resta avaliar a expressão cúbica para determinar τI,2:
398 Souza & Trica

a 
 I,2 s + 1 (1 +  a,1s )(1 +  a,2 s ) =  0 s 3 + 1 s 2 + 2 s + 1
a a
 a3 a3 a3 
De forma análoga ao desenvolvido para a primeira malha, obtém-se equação

igual à expressão (13.109). para τI,2, sendo portanto τI,2 = τI,1. A expressão para o ganho
do controlador PI da segunda malha em função de τC,2 fica, portanto:
1 0,00921 h  °C 
K C,2 =  °C  (13.121)
0,56548  C,2  
Supondo τC,2 = 0,03 h (1,8 min):
1 0,00921 h  °C   °C 
K C,2 =    K C,2  0,54262   (13.122)
0,56548 0,03 h  °C   °C 
d) Detuning usando McAvoy (1981)
O ganho relativo da RGA 2x2 do sistema van de Vusse em análise já foi obtido
no Exemplo 13.6. Através da equação (13.95) para λ < 1, obtém-se o fator de detuning
para as malhas de controle obtidas em (c):
Fdet =  +  2 − 
Fdet = 0,84565 + 0,84565 (1 − 0,84565)
Fdet = 0,84565 + 0,36128i = ( 0,84565 ) + ( 0,36128 )  0,9696

2 2
(13.123)
Aplicando o fator de detuning às sintonias encontradas em (c), obtém-se os

seguintes valores para o ganho proporcional das malhas considerando a interação:
KC,Int,1 e KC,Int,2:
KC,Int ,1 = Fdet KC ,1  KC,Int ,1 = 0,9696  118,5 → KC,Int ,1  108,9 (13.124)
Souza & Trica 399

KC,Int ,2 = Fdet KC ,2  KC,Int ,2 = 0,9696  0,54262 → KC,Int ,2  0,49899  0,5 (13.125)
̕ em malha fechada,
A seguir serão apresentadas as respostas de CB̕ (t) e T(t)
para os estímulos citados nos itens (e) e (f) do enunciado e considerando o modelo
não-linear do processo. A simulação do sistema em malha fechada foi realizada no
Simulink©, um ambiente de simulação e análise de processamento de dados do
MATLAB©. O modelo não-linear do reator foi escrito em linguagem .m (extensão de
arquivo do MATLAB©) e adicionado ao modelo no Simulink© através do bloco S-
function. Para mais detalhes, consultar as rotinas apresentadas nos apêndices deste
Capítulo.
e.1) Respostas de CB̕ (t) e T(t)

̕ para degrau em CB,SP
̕ de 10% do valor incial de CB,EE
̕ para um degrau de 0,0977 kmol/m³ em CB,SP

Figura 13.8. Resposta de CB̕ (t) e T(t) ̕
(10% do valor inicial de CB,EE), com ambas as malhas de controle fechadas.
̕ para as sintonias originais do método IMC e para

As respostas de CB̕ (t) e T(t)
os valores aplicados detuning são bem similares. Esse resultado já era esperado
porque o fator de detuning reduziu 8,04 % os ganhos proporcionais das malhas. Como
o ganho relativo, λ, é próximo de 1 para o sistema analisado, não se verifica
contribuição significativa no detuning efetuado. Entretanto, vale ressaltar que o valor
de λ igual à 0,845 é válido somente para o modelo linearizado obtido, cujas condições
iniciais influenciam nos coeficientes das funções de transferência obtidas, os quais
foram usados para calcular os ganhos proporcionais das malhas e indiretamente o
fator de detuning.
400 Souza & Trica

e.2) Respostas de CB̕ (t) e T(t)

̕ para degrau de 5 °C em TSP
̕ (t)
̕ para um degrau de 5°C em TSP

Figura 13.9. Resposta de CB̕ (t) e T(t) ̕ , com ambas as
malhas de controle fechadas.
Novamente as respostas para as sintonias originais do método IMC e com

aplicação do detuning foram similares. Para este estímulo específico em análise,
verifica-se que a sintonia da primeira malha apresentou um desempenho que pode
ser melhor frente ao problema regulador, cujo distúrbio foi a temperatura do reator.
O vale verificado na resposta de CB̕ (t) foi de aproximadamente 0,06 kmol/m³, 6,14 %
do valor inicial de CB,EE. O valor utilizado para τC,1 foi 3 vezes o valor de (a0/a3)1/3 (uma
forma de inferir a constante de tempo do processo), sendo que o recomendado é τC
= τ/3 (Seborg et al., 2003).
Por outro lado, a sintonia da segunda malha para o problema regulador foi
satisfatória, visto que pela resposta de T(t) ̕ na Figura 13.8 a variação foi menor que
0,5 °C. Assim, uma sugestão de melhoria seria acelerar a primeira malha, ajustando
para τC,1 = (a0/a3)1/3/3. As respostas para essa nova sintonia não são apresentadas aqui,
porém o novo vale obtido foi de aproximadamente 0,037 kmol/m³, 3,8% do valor
inicial de CB,EE.
Souza & Trica 401

̕ para um degrau de 0,51 kmol/m³ em CA0

Figura 13.10. Resposta de CB̕ (t) e T(t) ̕ (10%
do valor inicial de CA0), com ambas as malhas de controle fechadas.
As sintonias originais do método IMC e com aplicação do detuning,

apresentaram novamente desempenho similar. Para esse distúrbio em CA0, o
desempenho da primeira malha também foi pior que o da segunda malha, como já
discutido no item (e.2). Para o controle do reator, é desejada pouca variação na
concentração, por ser o produto de interesse do processo, enquanto que maiores
variações são aceitas para a temperatura, pois o objetivo de seu controle é não
ultrapassar limites de segurança. Por isso, é mantida a sugestão de acelerar a primeira
malha.
f.2) Respostas de CB̕ (t) e T(t)

̕ para degrau de -5 °C em T0̕
̕ para um degrau de -5°C em T0̕ , com ambas as

Figura 13.11. Resposta de CB̕ (t) e T(t)
malhas de controle fechadas.
402 Souza & Trica

Desempenho similar foi verificado mais uma vez para as sintonias originais
do método IMC e com aplicação do detuning. Para o distúrbio aplicado em T0, o
controle da concentração do produto B foi satisfatório, diferente dos demais
estímulos apresentados antes. Fazendo uma análise dos ganhos estáticos das funções
de transferência, é possível explicar tal comportamento. A variação não desejada em
CB̕ que ocorre para os estímulos em TSP ̕ , se dá em parte diferença na ordem de
̕ e CA0
̕ . A magnitude do
grandeza entre os ganhos estáticos entre CB̕ /F̕, CB̕ /Tk̕ , e CB̕ /CA0
ganho estático de CB̕ /F̕ é 10x menor que a de CB̕ /Tk̕ e CB̕ /CA0̕ . Porém, quando são
comparados os ganhos estáticos entre CB̕ /F̕ e CB̕ /T0̕ , suas ordens de grandeza são
iguais.
Souza & Trica 403

Apêndice 13.1. Rotinas e modelos MATLAB© do Exemplo 13.10

A seguir são apresentados os códigos em lingaguem .m das rotinas para
simulação do sistema em malha fechada do reator van de Vusse do Exemplo 13.10. A
rotina principal VandeVusse_Ex3_10.m deve ser chamada na janela de comando do
MATLAB©. A rotina VdV_EE.m é chamada numa linha de commando da rotina principal
para calcular o estado estacionário inicial do modelo. O arquivo VdV_sfunc.m representa
o modelo dinâmico não-linear do reator van de Vusse e é chamado dentro do ambiente
Simulink©, no arquivo de modelo VdV_sim_nlin.mdl.
VandeVusse_Ex3_10.m
%Livro Modelagem e Controle de Processos 1ª ed
%Autores: Diego José Trica e Maurício Bezerra de Souza Jr.
%Exemplo 3.10
clear all;
%Armazenamento dos Parâmetros

global F ro Cp V CAo K1o K2o K3o To Kw Ar Tr DHrab DHrbc DHrad ...
E1R E2R E3R;
F = 245; % m3/h
ro = 934.2; % kg/m3
Cp = 3.01; % kJ/Kg °C
V = 10; % m3
CAo = 5.10; % kmol/m3
K1o = 1.287e+12; % 1/h
K2o = 1.287e+12; % 1/h
K3o = 9.043e+09; % 1/h
To = 130; % °C
Kw = 4032; % kJ/h °C m^2
Ar = 215; % m^2
Tr = 128.95; % °C
DHrab = 4200; % kJ/kmol A
DHrbc = -11000; % kJ/kmol B
DHrad = -41850; % kJ/kmol A
E1R = 9758.3; % K
E2R = 9758.3; % K
E3R = 8560; % K
%Cálculo do Estado Estacionário Inicial

x = fsolve('VdV_EE',[0.05 0.1 160],optimset('display','off'));
CAe = x(1); CBe = x(2); Te = x(3);
%Cálculo das Matrizes de Variáveis de Estado

A = zeros(3,3);
A(1,1) = -F/V - K1o*exp(-E1R/(Te+273.15)) ...
- 2*K3o*exp(-E3R/(Te+273.15))*CAe;
A(1,2) = 0;
A(1,3) = -K1o*exp(-E1R/(Te+273.15))*E1R/(Te+273.15)^2*CAe ...
- K3o*exp(-E3R/(Te+273.15))*E3R/(Te+273.15)^2*CAe^2;
404 Souza & Trica

VandeVusse_Ex3_10.m (Continuação)
A(2,1) = K1o*exp(-E1R/(Te+273.15));
A(2,2) = -F/V -K2o*exp(-E2R/(Te+273.15));
A(2,3) = K1o*exp(-E1R/(Te+273.15))*E1R/(Te+273.15)^2*CAe ...
- K2o*exp(-E2R/(Te+273.15))*E2R/(Te+273.15)^2*CBe;
A(3,1) = 1/(ro*Cp)*(K1o*exp(-E1R/(Te+273.15))*(-DHrab) ...
+ 2*K3o*exp(-E3R/(Te+273.15))*CAe*(-DHrad));
A(3,2) = 1/(ro*Cp)*K2o*exp(-E2R/(Te+273.15))*(-DHrbc);
A(3,3) = 1/(ro*Cp)*...
(K1o*exp(-E1R/(Te+273.15))*E1R/(Te+273.15)^2*CAe*(-DHrab)...
+ K2o*exp(-E2R/(Te+273.15))*E2R/(Te+273.15)^2*CBe*(-DHrbc) ...
+ K3o*exp(-E3R/(Te+273.15))*E3R/(Te+273.15)^2*CAe^2*(-DHrad))...
-F/V -Kw*Ar/(ro*Cp*V);
B(1,:) = [((CAo-CAe)/V) (0) (F/V) (0)];

B(2,:) = [(-CBe/V) (0) (0) (0)];
B(3,:) = [(To-Te)/V (Kw*Ar/(ro*Cp*V)) (0) (F/V)];
C = [0 1 0;0 0 1];
D = zeros(2,4);
%Funções de Transferência do Processo

[Gp1_num,Gp1_den]=ss2tf(A,B,C,D,1); %Gp,11 e Gp,21
[Gp2_num,Gp2_den]=ss2tf(A,B,C,D,2); %Gp,21 e Gp,22
%Funções de Transferência do Distúrbio

[Gd1_num,Gd1_den]=ss2tf(A,B,C,D,3); %Gd,11 e Gd,21
[Gd2_num,Gd2_den]=ss2tf(A,B,C,D,4); %Gd,21 e Gd,22
%Matriz RGA
K(1,:) = [Gp1_num(1,4)/Gp1_den(4),Gp2_num(1,4)/Gp2_den(4)];
K(2,:) = [Gp1_num(2,4)/Gp1_den(4),Gp2_num(2,4)/Gp2_den(4)];
lambda = K.*inv(K)';
lambda = lambda(1,1);
%Cálculo das sintonias - Método IMC

%Controlador Cb/Cb,sp
tauC_1 = 0.03; %h
xsiC_1 = 1;
r = roots([1;-Gp1_den(3)/Gp1_den(4); ...
Gp1_den(2)/Gp1_den(4);-Gp1_den(1)/Gp1_den(4)]);
for k=1:size(r)
if isreal(r(k));
tauI_1 = r(k);
end
end
zP_1 = 0.5*(Gp1_num(1,3)/(-Gp1_num(1,2)) + sqrt(...
(Gp1_num(1,3)/(-Gp1_num(1,2)))^2 ...
+ 4*Gp1_num(1,4)/(-Gp1_num(1,2))));
Kc_1 = tauI_1/(2*xsiC_1*tauC_1 + 1/zP_1)/K(1,1);
%Controlador T/Tsp
Souza & Trica 405

tauC_2 = 0.03; %h
r = roots([1;-Gp2_den(3)/Gp2_den(4); ...
Gp2_den(2)/Gp2_den(4);-Gp2_den(1)/Gp2_den(4)]);
for k=1:size(r)
if isreal(r(k));
tauI_2 = r(k);
end
end
Kc_2 = tauI_2/tauC_2/K(2,2);
%Cálculo das sintonias - Método IMC + detuning McAvoy (1981)

Fdet = abs(lambda + sqrt(lambda*(lambda-1)));
Kc_1det = Kc_1*Fdet; Kc_2det = Kc_2*Fdet;
%Simulink sintonia IMC

open('VdV_sim_nlin');
%Degraus
set_param('VdV_sim_nlin/CB_SP','After','0');
set_param('VdV_sim_nlin/T_SP','After','5');
set_param('VdV_sim_nlin/CAo_step','After','0');
set_param('VdV_sim_nlin/To_step','After','0');
%Sintonia controladores
set_param('VdV_sim_nlin/GC,1','Numerator','Kc_1*[1 1/tauI_1]');
set_param('VdV_sim_nlin/GC,1','Denominator','[1 0]');
set_param('VdV_sim_nlin/GC,2','Numerator','Kc_2*[1 1/tauI_2]');
sim('VdV_sim_nlin');
save_system('VdV_sim_nlin');
close_system('VdV_sim_nlin');
%Atribuição dos dados

Cb_IMC = yout(:,2); T_IMC = yout(:,3);
t_IMC = tout*60; %min
%Simulink sintonia IMC-Detuned

open('VdV_sim_nlin');
%Degraus
set_param('VdV_sim_nlin/CB_SP','After','0');
set_param('VdV_sim_nlin/T_SP','After','5');
set_param('VdV_sim_nlin/CAo_step','After','0');
set_param('VdV_sim_nlin/To_step','After','0');
%Sintonia controladores
set_param('VdV_sim_nlin/GC,1','Numerator','Kc_1det*[1 1/tauI_1]');
set_param('VdV_sim_nlin/GC,2','Numerator','Kc_2det*[1 1/tauI_2]');
406 Souza & Trica

sim('VdV_sim_nlin');
save_system('VdV_sim_nlin');
close_system('VdV_sim_nlin');
%Atribuição dos dados

Cb_IMCdet = yout(:,2); T_IMCdet = yout(:,3);
t_IMCdet = tout*60; %min
%Construção do Gráfico
figure(1);
plot(t_IMC,Cb_IMC,'k',t_IMCdet,Cb_IMCdet,'k--');
legend('IMC','IMC-Detuned','location','southeast');
xlabel('Tempo [min]'); ylabel('C´_B [m^3/kmol]');
axis([0 60 -0.15 0.15]);
set(gca,'YTick',-0.15:0.03:0.15);
figure(2);
plot(t_IMC,T_IMC,'k',t_IMCdet,T_IMCdet,'k--');
legend('IMC','IMC-Detuned','location','southeast');
xlabel('Tempo [min]'); ylabel('T´ [°C]');
axis([0 60 -4 6]);
set(gca,'YTick',-4:1:6);
VdV_EE.m
function res = VdV_EE(x)
% Retornando os valores dos parâmetros
global F ro Cp V CAo K1o K2o K3o To Kw Ar Tr DHrab DHrbc DHrad ...

E1R E2R E3R;
% Cálculo das variáveis

x1 = x(1);
x2 = x(2);
x3 = x(3);
res(1) = F/V*(CAo - x1) - K1o*exp(-E1R/(x3+273.15))*x1 ...

- K3o*exp(-E3R/(x3+273.15))*x1^2;
res(2) = - F/V*x2 + K1o*exp(-E1R/(x3+273.15))*x1 ...

- K2o*exp(-E2R/(x3+273.15))*x2;
res(3) = F/V*(To - x3) - Kw*Ar/(ro*Cp*V)*(x3 - Tr) ...

+ 1/(ro*Cp)*(K1o*exp(-E1R/(x3+273.15))*x1*(-DHrab)...
+ K2o*exp(-E2R/(x3+273.15))*x2*(-DHrbc) ...
+ K3o*exp(-E3R/(x3+273.15))*x1^2*(-DHrad));
Souza & Trica 407

VdV_sfunc.m
function [sys,x0] = VdV_sfunc(t,x,u,flag,initial,par)
%Livro Modelagem e Controle de Processos 1ª ed
%Autores: Diego José Trica e Maurício Bezerra de Souza Jr.
%Exemplo 3.10
%Parâmetros do modelo
K1o = par(1); K2o = par(2); K3o = par(3);
E1R = par(4); E2R = par(5); E3R = par(6);
DHrab = par(7); DHrbc = par(8); DHrad = par(9);
ro = par(10); Cp = par(11); Kw = par(12); Ar = par(13); V =
par(14);
switch flag
case 0
% Dimensiona o sistema e inicializa os estados
% sys=[estados,0,saídas,entradas,0,0]
sys = [3,0,3,4,0,0];
% Condições iniciais
x0 = initial;
case 1
% Variáveis de entrada
F = u(1); Tr = u(2); CAo = u(3); To = u(4);
% Variáveis de estado
CA = x(1); CB = x(2); T = x(3);
%Equações de estado do modelo

dCA = F/V*(CAo - CA) - K1o*exp(-E1R/(T+273.15))*CA ...
- K3o*exp(-E3R/(T+273.15))*CA^2;
dCB = - F/V*CB + K1o*exp(-E1R/(T+273.15))*CA ...

- K2o*exp(-E2R/(T+273.15))*CB;
dT = F/V*(To - T) - Kw*Ar/(ro*Cp*V)*(T - Tr) ...

+ 1/(ro*Cp)*(K1o*exp(-E1R/(T+273.15))*CA*(-DHrab)...
+ K2o*exp(-E2R/(T+273.15))*CB*(-DHrbc) ...
+ K3o*exp(-E3R/(T+273.15))*CA^2*(-DHrad));
% Atualiza das taxas de acúmulo das variáveis de estado

sys = [dCA dCB dT];
case 3
% Saídas do modelo
sys = [x(1) x(2) x(3)];
otherwise
sys = [];
end
end
408 Souza & Trica

VdV_sim_nlin.mdl
Souza & Trica 409
View publication stats

MDPC 2ed

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

MDPC 2ed

Enviado por

Direitos autorais:

Formatos disponíveis

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Introdução à Modelagem e Dinâmica para Controle de Processos

Book · November 2022

Maurício B. de Souza Jr. Diego José Trica

SEE PROFILE SEE PROFILE

Fault Detection and Diagnosis View project

Bioprocess System Engineering View project

The user has requested enhancement of the downloaded file.

Maurício Bezerra de Souza Jr.

O pernambucano Maurício Bezerra de Souza Júnior formou-se em Engenharia

O carioca Diego José Trica formou-se em Engenharia Química e Engenharia de

A primeira edição apresentada corresponde ao curso de Modelagem e

O Professor Maurício gostaria de agradecer aos alunos dos cursos ao longo

Os autores gostariam de agradecer à Escola de Química da UFRJ pelo apoio

Aguirre, L. A. 2007. Enciclopédia de Automática. Volume 1: Controle & Automação.

Bequette, B. W. 1998. Process Dynamics: Modeling, Analysis and Simulation. 1st

Boyce, W. B., DiPrima, R. C. 2006. Equações Diferenciais Elementares e Problemas

Campos, M. C. M. M., Teixeira, H. C. G. 2006. Controles Típicos de Equipamentos e

Fox, R. W., McDonald, A. T, Pritchard, P. J. 2006. Introdução à mecânica dos fluidos.

Himmelblau, D. M., Bischoff, K. B. 1968. Process Analysis and Simulation.

International Society of Automation (ISA). 2009. ANSI/ISA-5.1-2009:

Lipták, B. G. 2003. Instrument Engineers’ Handbook. Process Measurement and

Luyben, W. L. 1990. Process Modeling, Simulation and Control for Chemical

Ogata, K. 2003. Engenharia de Controle Modelo. 4ª ed., Pearson Education. ISBN:

Smith, C. A., Corripio, A. B. 1997. Principles and Practice of Automatic Process

Smith, C. A., Corripio, A. B. 2008. Princípios e Prática de Controle Automático de

Smith, J. M., Van Ness, H. C., Abbott, M. M. 2007. Introdução à termodinâmica da

Stephanopoulos, G. 1983. Chemical Process Control: An Introduction to Theory

Valdman, B., Folly, R., Salgado, A. 2007. Dinâmica, Controle e Instrumentação de

Souza Jr., M. B. 1993. Redes Neuronais Multicamadas Aplicadas à Modelagem e

Bennett, S. 1996. A Brief History of Automatic Control. IEEE Control Systems

Bristol, E. 1966. On a new measure of interaction for multivariable process control.

Chien, I. L., Fruehauf, P. S. 1990. Consider IMC Tuning to Improve Controller

Cohen, G. H.; Coon, G. A. 1953. Theoretical Consideration of Retarded Control.

Cutler, C. R., Remaker, B. L. 1980. Dynamic Matrix Control. A Computer control

Economou, C. G., Morari. M. 1986. Internal Model Control. 6. multiloop design.

Engell, S., Klatt, K.-U. 1993. Nonlinear Control of a Non-Minimum-Phase CSTR.

Grossdidier, P., Morari, M. 1986. Interaction Measures for Systems under

Hodv, M., Skogestad, S. 1994. Sequential Design of Decentralized Controllers.

Marino-Galagarra, M. McAvoy, T. J., Marlin, T. E. 1987. Short-Cut Operability

Niederlinski, A. 1971. A Heuristic Approach to the Design of Linear Multivariable

Qin, S. J., Badgwell, T. A. 2003. A survey of industrial model predictive control

Skogestad, S., Morari, M. 1989. Robust performance of decentralized control

Yu, C.-C., Luyben, W. L. 1986. Design of multiloop SISO controllers in multivariable

Ziegler, J. G., Nichols, N. B. 1942. Optimum Setting for Automatic Controllers.

1. Introdução ao Controle de Processos

1.1. História do Controle de Processos

Neste livro, o controle será tipicamente aplicado a processos químicos, sendo

Cabe ao controlador gerar sinais que conduzam o processo controlado ao

Os sensores fornecem informações (medições) sobre as variáveis que vão ser

Souza & Trica 1

Os atuadores são os elementos através dos quais os controladores

O controlador em si pode ser implementado através de diferentes

O controlador é projetado para gerar um sinal de controle a partir das

1.1.1. Evolução do Controle de Processos

Segundo Bennet (1996, 2000), as primeiras aplicações de controle datam de

Como exemplo de aplicação do período do Controle Antigo, cabe destacar a

2 Souza & Trica

Com o crescente conhecimento da energia elétrica e aplicações, o Período

O Período Clássico teve contribuições de Hendrick Bode, J.G. Ziegler, N.B.

A era do Controle Moderno anda em paralelo com o advento da computação.

Até os anos 40 do século XX, a operação manual demandava um número

Atualmente, 70 a 80 % das malhas de controle em uma planta de