Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA QUÍMICA
ENG07053 - TRABALHO DE DIPLOMAÇÃO EM ENGENHARIA
QUÍMICA
E st u d o C o m p a rat i vo d e
Té c n i c a s d e A u to a j u ste d e
C o nt ro l a d o re s P I D
Sumário
Sumário ii
Agradecimentos iv
Resumo v
Lista de Figuras vi
Lista de Tabelas viii
Lista de Símbolos ix
Lista de Abreviaturas e Siglas x
1 Introdução 1
2 Revisão Bibliográfica 3
2.1 Autoajuste de Controladores PID 3
2.2 Perturbação 4
2.2.1 Malha Aberta 4
2.2.2 Malha Fechada 4
2.3 Identificação de Modelos 6
2.3.1 Mínimos Quadrados 7
2.3.2 Aproximação por FOPDT 7
2.3.3 PEM (Método de Erro de Predição) 8
2.4 Métodos de Ajuste 9
2.4.1 IMC – Internal Model Control 9
2.4.2 SIMC – Simple IMC 10
2.4.3 Ziegler - Nichols 12
3 Materiais e Métodos 13
3.1 Métodos de Autoajuste Utilizados 13
3.2 Modo de Execução das Simulações 14
3.3 Sistemas Estudados 16
4 Resultados e Discussão 19
4.1 Estudo do impacto do distúrbio não medido na qualidade dos modelos
identificados 19
4.1.1 Autotuner A – relé 19
4.1.2 Autotuner B – perturbações em malha aberta 20
4.1.3 Autotuner C – perturbações em malha fechada 22
4.2 Comparação das sintonias obtidas 26
4.3 Análise do comportamento dos sistemas em malha fechada29
4.3.1 Autotuner A 29
4.3.2 Autotuner B 30
4.3.3 Autotuner C 32
5 Conclusões e Trabalhos Futuros 33
6 Referências 36
Apêndice A – Gráficos da resposta ao relé dos sistemas II a V 38
DEQUI / UFRGS – Cristhiane Jacques do Nascimento iii
Agradecimentos
À minha família, pelo apoio e carinho.
Resumo
Neste trabalho, foi realizada uma comparação entre métodos de autoajuste de
controladores PID, sob o ponto de vista do impacto de distúrbios não medidos na
qualidade da sintonia obtida. Além disso, outras características importantes para
métodos de sintonia automática foram comparadas. Os procedimentos de autoajuste
foram simulados com auxílio do software MATLAB. As sintonias obtidas através de
simulações com e sem presença de distúrbio não medido foram comparadas com a
sintonia obtida utilizando o modelo real do processo, para avaliar a qualidade dos
modelos identificados por cada técnica e também para avaliar o impacto do distúrbio não
medido na qualidade de tal modelo. Esta comparação foi baseada na variação percentual
no valor de cada parâmetro do controlador projetado em relação à sintonia obtida
utilizando o modelo real do processo, chamada de sintonia de referência. Outro critério
de comparação utilizado foi a análise da alteração do comportamento do sistema em
malha fechada do controlador projetado com distúrbio em relação ao comportamento do
controlador projetado sem distúrbio. Através destas comparações, foi possível identificar
os pontos fortes e fracos de cada método de autoajuste. O grau de impacto do distúrbio
não medido na sintonia calculada observado nas simulações variou de uma técnica para
outra, e também variou de um sistema para outro, analisando a mesma técnica. A análise
dos resultados permitiu identificar os fatores que explicam esse fenômeno.
vi Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Lista de Figuras
Figura 2.1: Teste do relé (Fonte: Yu, 2006) ........................................................................... 5
Figura 3.1: Sequência de degraus utilizada pelos autotuners B e C ................................... 15
Figura 3.2: Sinal utilizado como entrada para geração do distúrbio não medido .............. 18
Figura 3.3: Comportamento do distúrbio não medido inserido nas simulações................ 18
Figura 4.1: Comparação da resposta do sistema I ao relé sem distúrbio (à esquerda) e com
distúrbio não medido (à direita).......................................................................................... 19
Figura 4.2: Comparação da resposta do sistema VI ao relé sem distúrbio (à esquerda) e
com distúrbio não medido (à direita).................................................................................. 19
Figura 4.3: Comparação entre o modelo real e o identificado (sistema I, autotuner B) .... 20
Figura 4.4: Comparação entre o modelo real e o identificado (sistema II, autotuner B) ... 20
Figura 4.5: Comparação entre o modelo real e o identificado (sistema III, autotuner B) .. 21
Figura 4.6: Comparação entre o modelo real e o identificado (sistema IV, autotuner B) .. 21
Figura 4.8: Comparação entre o modelo real e o identificado (sistema VI, autotuner B) .. 21
Figura 4.9: Comparação entre o modelo real e o identificado (sistema I, autotuner C) .... 23
Figura 4.10: Comparação entre o modelo real e o identificado (sistema II, autotuner C) . 23
Figura 4.11: Comparação entre o modelo real e o identificado (sistema III, autotuner C) 23
Figura 4.12: Comparação entre o modelo real e o identificado (sistema IV, autotuner C) 24
Figura 4.13: Comparação entre o modelo real e o identificado (sistema V, autotuner C) . 24
Figura 4.14: Comparação entre o modelo real e o identificado (sistema VI, autotuner C) 24
Figura 4.15: Modelos identificados pelo autotuner B para o sistema VI (à esquerda sem
distúrbio e à direita com distúrbio não medido) ................................................................ 26
Figura 4.16: Modelos identificados pelo autotuner C para o sistema VI (à esquerda sem
distúrbio e à direita com distúrbio não medido) ................................................................ 26
Figura 4.17: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner A para o sistema II ...................................................................................... 29
Figura 4.18: Comparação da capacidade servo e regulatória dos controladores projetados
na presença de distúrbio não medido para o sistema VI pelos autotuners A e B,
respectivamente .................................................................................................................. 30
Figura 4.19: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner B para o sistema II ...................................................................................... 30
Figura 4.20: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner B para o sistema III ..................................................................................... 31
Figura 4.21: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner B para o sistema IV ..................................................................................... 31
Figura 4.22: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner B para o sistema V ...................................................................................... 31
Figura 4.23: Comparação da capacidade servo e regulatória dos controladores projetados
pelo autotuner C para o sistema II ...................................................................................... 32
DEQUI / UFRGS – Cristhiane Jacques do Nascimento vii
Lista de Tabelas
Tabela 2.1: Sintonia sugerida pelo método IMC para controladores PI e PID (Fonte:
Campos e Teixeira, 2006) .................................................................................................... 10
Tabela 2.2: Fórmulas para cálculo dos parâmetros do controlador para sistemas de
primeira ordem com tempo morto e integradores pelo método SIMC (adaptado de
Skogestad, 2003) ................................................................................................................. 11
Tabela 2.3: Sintonia proposta pelo método Ziegler – Nichols (Fonte: Yu, 2006) ............... 12
Tabela 3.1: Técnicas de autoajuste comparadas neste trabalho........................................ 13
Tabela 3.2: Funções de transferência representativas da dinâmica em malha aberta de
sistemas hipotéticos ............................................................................................................ 17
Tabela 4.1: Alteração percentual das sintonias obtidas pelos autotuners em relação à
sintonia de referência .......................................................................................................... 28
Tabela 5.1: Comparação das técnicas de autoajuste estudadas segundo outros critérios 34
DEQUI / UFRGS – Cristhiane Jacques do Nascimento ix
Lista de Símbolos
Pu Período ultimativo
h Amplitude do relé
Ku Ganho crítico
FOPDT First Order Plus Time Delay (Primeira Ordem Com Tempo Morto)
OE Output Error
BJ Box Jenkins
PV Variável de Processo
1 Introdução
A etapa de sintonia de um controlador é de suma importância para a eficiência de sua
operação. Dependendo da importância de uma determinada malha de controle em uma
planta industrial, a baixa qualidade de sua operação pode comprometer a estabilidade do
processo como um todo. Um controlador eficiente é capaz de atenuar rapidamente
distúrbios que eventualmente ocorrem no processo, ou de fazer com que a variável de
processo atinja um novo setpoint de forma rápida, dependendo de sua função
(regulatória ou servo).
Sintonizar adequadamente um controlador é uma tarefa que, muitas vezes, pode ser
difícil. É necessário um conhecimento prévio do processo industrial em questão como um
todo para entender o papel da malha de controle que se deseja sintonizar, bem como da
dinâmica da variável de processo. A experiência do profissional responsável pela sintonia
faz muita diferença no resultado obtido. Adquirir tal experiência, em geral, demanda um
tempo considerável.
Sem dúvida, utilizar um ajuste automático e após refinar a sintonia obtida pode
ocupar menos tempo do profissional encarregado do que realizar todo o procedimento
de sintonia (perturbação no processo, identificação de seu modelo matemático e cálculo
dos parâmetros do controlador) manualmente. Isso fará com que este profissional tenha
mais tempo para realizar outras tarefas, aumentando sua produtividade.
Por essa razão, nos últimos anos têm sido publicados muitos estudos na área de
ajuste automático de controladores. Diversos métodos têm sido propostos, com
diferentes graus de complexidade. Alguns deles utilizam diretamente os dados coletados
na etapa de perturbação no processo para cálculo da sintonia do controlador, outros
obtêm primeiramente o modelo matemático do processo para somente depois
determinar os valores dos parâmetros do controlador, baseados neste modelo.
será obtida utilizando o modelo real do processo. Também serão comparados os modelos
matemáticos do processo obtidos sem e com presença de distúrbio não medido, bem
como os comportamentos em malha fechada dos controladores projetados.
A relevância deste trabalho reside no fato de que distúrbios não medidos são um dos
principais problemas no processo de identificação, já que eles podem mascarar certos
aspectos do real comportamento dinâmico do processo. Justamente pelo fato de não
haver possibilidade de medição de tais distúrbios, nada se pode fazer a priori para separar
sua contribuição da resposta real do processo às perturbações aplicadas.
2 Revisão Bibliográfica
Este capítulo é dedicado à definição e descrição do autoajuste de controladores PID,
bem como de todas as etapas que compõem esse procedimento: perturbação no
processo, identificação do modelo que o descreve e cálculo dos parâmetros do
controlador.
2.2 Perturbação
Perturbar um sistema significa modificar o valor de uma variável manipulada, do sinal
de saída do controlador ou do setpoint do mesmo, com o objetivo de extrair
características da resposta do sistema no domínio do tempo ou da frequência e, com
esses dados, utilizar um método de sintonia para calcular os parâmetros do controlador.
Esta seção apresenta métodos de perturbação em malha aberta, onde o controlador
ainda não existe ou foi retirado da malha no momento do experimento, e em malha
fechada, onde o controlador é mantido na malha durante a aplicação da perturbação ou
quando há realimentação, mesmo sem a presença de um controlador PID (por exemplo,
em um experimento do tipo relé).
Perturbação Degrau
O step test permite que o processo seja mantido sob controle razoável, sem perturbá-
lo excessivamente ou levá-lo à fronteira da estabilidade. Além disso, muitas
características interessantes da dinâmica do processo surgem claramente de algumas
características da resposta ao degrau, como o tempo morto, tempo de assentamento, e
assim por diante (Leva, Cox et al., 2001).
Perturbação Relé
O relé consiste em uma perturbação que tem como objetivo provocar oscilação
sustentada no processo, a fim de determinar o ganho crítico e a frequência crítica. Este
método é baseado na seguinte observação: quando o sinal de saída tem um atraso de –π
radianos em relação ao sinal de entrada, a malha pode oscilar no período crítico (Yu,
2006). A Figura 2.1 ilustra esse tipo de perturbação. No gráfico inferior é mostrado o relé
aplicado na variável manipulada e no gráfico superior, a resposta do sistema.
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 5
2
= (2.1)
4ℎ
= (2.2)
O procedimento que deve ser realizado em um teste relé é descrito a seguir: (Yu,
2006)
O autoajuste baseado no relé, proposto por Åström e Hägglund em 1984, foi um dos
primeiros a ser comercializado e permanece atrativo devido a sua simplicidade e
robustez. Muitos trabalhos de pesquisa focados na modificação e melhoria do método do
relé, bem como sua extensão para sistemas multivariáveis, têm sido publicados nos
últimos anos (Hang, Astrom et al., 2002).
Este método fornece uma série de vantagens atrativas, dentre elas: (Neves, 2009)
6 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
A forma original do relé é bastante sensível a ruídos de medição, que podem gerar
chaveamento indevido. Para contornar esse problema, é utilizado o relé com histerese.
Esse tipo de perturbação possui uma banda morta ao redor do valor de referência, ou
seja, ocorrerá o chaveamento da variável manipulada quando a variável de processo
cruzar os patamares referência – ε e referência + ε. Valores típicos de ε encontram-se
entre 2 e 5% do valor da referência (Neves, 2009).
4ℎ
= (2.3)
√ +
1
= [ − ]² (2.4)
O caráter quadrático da função objetivo apresenta uma grande vantagem: pelo fato
de apresentar comportamento parabólico, este tipo de função possui apenas um ponto
ótimo. Tal ponto (máximo ou mínimo) pode ser obtido analiticamente ao igualar a
derivada a zero e examinar o sinal da segunda derivada. Para que o ponto ótimo seja um
mínimo, a segunda derivada deve ser positiva (Ikonen e Najim, 2002).
% = 0,67 . − . (2.6)
.| = 3 4 5' , (2.9)
8 7 ; 7
6 7 . = : . + & . (2.10)
9 7 < 7
branco de média zero e variância σ². A letra q representa o operador, ou seja, qu(t) =
u(t+1). Os modelos diferem entre si pela presença dos polinômios A até F, cuja estrutura é
mostrada através das equações 2.11 a 2.15.
6 7 = 1− 7' − … − >? 7
'>? (2.11)
Como dito anteriormente, existem métodos de identificação que funcionam bem para
dados obtidos em experimentos em malha aberta, mas não apresentam bons resultados
para experimentos em malha fechada. O método de predição do erro pode ser aplicado
diretamente a dados obtidos em malha fechada, além de funcionar bem também em
malha aberta (Forssell, 1999).
Como pontos positivos do PEM pode-se citar o fato de ser possível aplicá-lo para uma
ampla gama de parametrizações de modelos e sua capacidade de lidar com sistemas que
operam em malha fechada, sem nenhuma técnica especial. Porém, este método possui o
inconveniente de requerer uma parametrização explícita do modelo. Além disso, a busca
pelos parâmetros que fornecem a melhor predição da saída pode ser trabalhosa e
envolver superfícies de busca que possuem muitos mínimos locais (Ljung, 2002).
conta. Por exemplo, se λ for menor do que o tempo morto do processo (θ), a sintonia
será extremamente agressiva. Uma escolha conservativa de λ é que seu valor seja igual à
maior constante de tempo do processo (τdominante). Quanto maiores forem as não
linearidades do sistema ou quanto maiores os erros de modelagem, maior deve ser o
valor de λ (sintonia mais conservativa), de forma a garantir a robustez e estabilidade do
sistema (Campos e Teixeira, 2006).
Este método foi introduzido por Garcia e Morari em 1982, mas um conceito similar foi
previamente e independentemente usado por outros pesquisadores. Ao utilizar tal
método, a complexidade do controlador depende exclusivamente de dois fatores: a
complexidade do modelo e o desempenho desejado. O método IMC leva naturalmente a
controladores PID, para os objetivos e modelos comuns no controle de processos
químicos (Rivera, Morari et al., 1986).
A sintonia fornecida por este método é conhecida por resultar em uma rejeição a
distúrbios de má qualidade para processos integradores, mas em geral fornece bons
resultados e é robusta para controladores de função servo, ou seja, que devem fornecer
resposta rápida a mudanças de setpoint (Skogestad, 2003).
Tabela 2.1: Sintonia sugerida pelo método IMC para controladores PI e PID (Fonte:
Campos e Teixeira, 2006)
Sugestão para
Controlador KP τI τD
o desempenho
2% + H
PI %+ I J - > 1,7
2 H 2
2% + % H
PID %+ I J > 0,8
2H + 2 2% +
O objetivo deste método é propor regras simples para a sintonia, sem perder a
qualidade do comportamento do processo em malha fechada. Ao invés de propor regras
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 11
de sintonia para diferentes funções de transferência, é proposta uma única regra que é
válida para modelos de primeira e segunda ordem com tempo morto. Além disso, são
propostas fórmulas para transformar modelos de ordem mais elevada em uma das
formas citadas anteriormente (Skogestad, 2003).
Tabela 2.2: Fórmulas para cálculo dos parâmetros do controlador para sistemas de
primeira ordem com tempo morto e integradores pelo método SIMC (adaptado de
Skogestad, 2003)
Modelo do
KP τI τD
Processo
%
& '() H+
mín (τ, 4(λ + θ)) -
%$ + 1
1
& '() 4 H+ -
$ M H+
M
N5 − N5
= (2.16)
O 5 − O 5 . . − .
1
Q $ = R I1 + + %T J (2.17)
%S $
1 %T $ + 1
Q $ = R I1 + J IU $ − W $ J (2.18)
$%S %V) + 1
Onde o parâmetro τF é o filtro da ação derivativa, cujo valor usual é 0,1τD. (Campos e
Teixeira, 2006).
12 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Tabela 2.3: Sintonia proposta pelo método Ziegler – Nichols (Fonte: Yu, 2006)
Controlador KP τI τD
P - -
2
PI -
2,2 1,2
PID
1,7 2 8
3 Materiais e Métodos
3.1 Métodos de Autoajuste Utilizados
Neste trabalho, foi realizada a comparação da sintonia calculada por três métodos de
autoajuste, os quais são descritos na Tabela 3.1, sendo identificados pelas letras A, B e C,
para facilitar sua referência dentro do texto. Tais procedimentos de autoajuste foram
executados através de simulações.
Além da comparação realizada entre as sintonias obtidas por cada um dos métodos
em estudo para cada um dos seis sistemas analisados (que serão descritos na seção 3.3),
foi feita a comparação da sintonia obtida em simulações com e sem presença de distúrbio
não medido durante a aplicação das perturbações no sistema, a fim de determinar seu
grau de impacto na sintonia calculada. Este indicador foi medido pela variação percentual
do valor de cada parâmetro do controlador PID (Kp, τi e τd) em relação à sintonia de
referência e pela diferença de comportamento do sistema em malha fechada, ao
comparar as sintonias geradas por experimentos com e sem distúrbio.
Sequência de
Parâmetros de
B degraus em malha SIMC
modelo FOPDT
aberta
Sequência de
Parâmetros de
C degraus em malha SIMC
modelo FOPDT
fechada
5. Cálculo do ganho crítico, com auxílio da equação 2.3. Tal equação foi utilizada
porque foi implementado o relé com histerese, com largura de banda morta
(ε) igual a 0,04. Este valor foi escolhido após uma série de testes em que se
buscou encontrar o menor valor possível de ε que fosse capaz de atenuar o
efeito negativo do ruído sobre o padrão de chaveamentos da variável
manipulada.
1 1ª ordem com
I &' )
5$ + 1 tempo morto
1ª ordem com
1 tempo morto 150%
II & 'Y)
5$ + 1 maior do que o
sistema I
−3$ + 1
III Resposta inversa
15$ Z + 23$ + 9$ + 1
1 Muito
IV
32$ Z + 20,8$ + 4,4$ + 1 subamortecido
1 Pouco
V
32$ Z + 27,2$ + 7,6$ + 1 subamortecido
1
Os gráficos apresentados nesta coluna foram obtidos através do comando step, do MATLAB. Nestes
gráficos, não há presença de ruído.
18 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Além disso, todas as simulações foram realizadas com e sem a presença de distúrbios
não medidos, de forma a avaliar seu impacto na qualidade da sintonia calculada em cada
método. A importância dessa avaliação reside no fato de distúrbios não medidos
aumentarem o grau de dificuldade do processo de identificação, já que os mesmos
agregam informação aos dados que não está relacionada à dinâmica real do sistema.
< $+1
(3.1)
100$ + 8$ + 0,1
Figura 3.2: Sinal utilizado como entrada para geração do distúrbio não medido
4 Resultados e Discussão
No presente capítulo, serão apresentados e comentados os resultados das 36
simulações realizadas. Este capítulo está dividido em três seções: na seção 4.1, será
analisado o impacto do distúrbio não medido na qualidade dos modelos identificados, na
seção 4.2 será feita a comparação das sintonias calculadas por cada um dos autotuners e
na seção 4.3 será analisado o comportamento dos sistemas em malha fechada, utilizando
as sintonias calculadas.
Figura 4.1: Comparação da resposta do sistema I ao relé sem distúrbio (à esquerda) e com
distúrbio não medido (à direita)
Em todos os sistemas estudados, com exceção do sistema VI, é possível notar que a
presença do distúrbio não medido altera o padrão da resposta do processo ao relé. Tal
modificação pode ser comparada à inserção de uma não linearidade no processo, pois as
dinâmicas de subida e descida da variável de processo se tornaram diferentes. Esse
fenômeno é observado através da diferença de inclinação da curva da variável de
processo na subida e na descida.
O grau de impacto dessas alterações nos padrões da resposta do processo ao relé nos
valores do ganho e período críticos dependerá da forma como esses dados serão usados
para sua determinação. Tais grandezas são utilizadas diretamente na sintonia do
controlador pelo método de Ziegler-Nichols e, dessa forma, a qualidade de sua
determinação afetará diretamente a sintonia calculada.
Figura 4.4: Comparação entre o modelo real e o identificado (sistema II, autotuner B)
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 21
Figura 4.5: Comparação entre o modelo real e o identificado (sistema III, autotuner B)
Figura 4.6: Comparação entre o modelo real e o identificado (sistema IV, autotuner B)
Figura 4.8: Comparação entre o modelo real e o identificado (sistema VI, autotuner B)
22 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
De uma forma geral, pode-se dizer que a dinâmica inicial (ou seja, o comportamento
do sistema logo após a aplicação do degrau na variável manipulada) foi capturada de
forma satisfatória em todos os casos. Tal fato merece destaque, já que a determinação
acurada da dinâmica inicial garante uma boa identificação do parâmetro τ do modelo de
primeira ordem com tempo morto.
Além da presença de distúrbios não medidos, outro fator que impacta na qualidade
do modelo identificado é a ordem do modelo ARX utilizado. ARX de elevada ordem tem a
vantagem de conseguir modelar de forma satisfatória diversos tipos de sistemas, fato
comprovado pelos resultados apresentados acima. Porém, em sistemas de baixa ordem,
os modelos obtidos podem apresentar baixa qualidade, como é o caso dos sistemas I e II
com distúrbio não medido. A baixa qualidade do modelo nesses casos pode ser devida a
problemas numéricos. Testes adicionais comprovaram que diminuir a ordem do ARX
empregado melhora os resultados nesses casos (mais detalhes no Apêndice B).
Figura 4.10: Comparação entre o modelo real e o identificado (sistema II, autotuner C)
Figura 4.11: Comparação entre o modelo real e o identificado (sistema III, autotuner C)
24 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Figura 4.12: Comparação entre o modelo real e o identificado (sistema IV, autotuner C)
Figura 4.14: Comparação entre o modelo real e o identificado (sistema VI, autotuner C)
Porém, em outros sistemas ocorreu o oposto (por exemplo, no sistema V, pois o erro
no ganho foi menor em malha aberta do que em malha fechada, para os casos com e sem
distúrbio não medido). Já no sistema III, a qualidade dos modelos obtidos por
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 25
Tal fato é comprovado pelas simulações mostradas acima. Como cada um dos seis
sistemas estudados possui características dinâmicas diferentes, logo a sintonia utilizada
pode ser bastante agressiva para alguns sistemas, porém adequada para outros. O grau
de agressividade da sintonia impactará diretamente sobre o processo de identificação.
Figura 4.15: Modelos identificados pelo autotuner B para o sistema VI (à esquerda sem
distúrbio e à direita com distúrbio não medido)
Figura 4.16: Modelos identificados pelo autotuner C para o sistema VI (à esquerda sem
distúrbio e à direita com distúrbio não medido)
O− a
∆\?]â1_5]` = b 100 (4.1)
a
Onde:
O termo derivativo, que apenas está presente na sintonia fornecida pelo autotuner A,
não terá sua alteração percentual calculada, já que a sintonia de referência não possui tal
parâmetro.
Na seção 4.1, foi realizada uma análise qualitativa da deterioração da qualidade dos
modelos obtidos decorrente da presença de distúrbios não medidos. A Tabela 4.1 fornece
uma forma de quantificar essa deterioração através da comparação dos parâmetros do
controlador PID obtidos por cada autotuner e dos parâmetros de sintonia obtidos
utilizando o modelo real do processo. Dessa forma, é possível quantificar o afastamento
do modelo identificado por cada autotuner do modelo real. Esta análise é válida para os
autotuners B e C, que utilizam o mesmo método de identificação.
Pode-se afirmar que quanto menor a diferença entre as distâncias das sintonias
calculadas sem e com distúrbios não medidos em relação à sintonia de referência, melhor
a qualidade do método de autoajuste, já que tal fato é um indicativo de baixo impacto de
distúrbios não medidos na sintonia calculada. Analisando tal diferença, é possível notar
que em alguns sistemas o aumento desse valor no caso do autotuner B foi inferior ao caso
do autotuner C. Porém, em outros sistemas, ocorreu o oposto. Isso basicamente quer
dizer que, em alguns sistemas, o modelo obtido por identificação em malha aberta sofreu
menor impacto de distúrbio do que o obtido através de identificação em malha fechada.
Já em outros sistemas, ocorreu o oposto.
Uma forma mais clara de enxergar o impacto do distúrbio não medido na sintonia
calculada é a análise do comportamento do sistema em malha fechada, utilizando esta
sintonia. Dessa forma, se torna mais fácil estabelecer se as alterações nos valores dos
parâmetros, comparando sintonias obtidas sem e com presença de distúrbio não medido,
são significativas ou não. Este estudo será realizado na seção a seguir.
28 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Tabela 4.1: Alteração percentual das sintonias obtidas pelos autotuners em relação à
sintonia de referência
Alteração percentual Alteração percentual
no valor do parâmetro no valor do parâmetro
Sintonia de Referência
Sistema/ (sem distúrbio não (com distúrbio não
Autotuner medido) medido)
Kp τi τd Kp τi ASG* Kp τi ASG*
* ASG significa Alteração do Sinal do Ganho. Seu valor será sim nos casos em que os
sinais do ganho real e identificado forem diferentes. Este erro é de alta gravidade, como
comentado anteriormente.
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 29
4.3.1 Autotuner A
De uma forma geral, o comportamento dos seis sistemas em malha fechada não
variou de forma significativa, ao comparar as sintonias obtidas sem e com presença de
distúrbio não medido. É possível notar um padrão na alteração do comportamento do
sistema em malha fechada: em todos os sistemas, a sintonia obtida na presença de
distúrbio não medido é mais lenta do que a obtida sem distúrbio.
Porém, tal diferença não é muito significativa, pois a ação de controle em ambos
casos permanece oscilatória. O que se percebe é apenas uma atenuação das oscilações da
variável de processo. A Figura 4.17 ilustra bem esse fato. Dessa forma, é possível afirmar
que a diferença entre as distâncias das sintonias calculadas sem e com distúrbios em
relação à sintonia de referência não é suficiente para alterar o comportamento do
sistema em malha fechada de forma significativa, no caso deste autotuner.
Controlador projetado sem distúrbio Controlador projetado com distúrbio
Uma característica presente em todas as simulações realizadas com este autotuner foi
a ação de controle bastante oscilatória. Como é possível observar na Figura 4., a variável
de processo é mantida bastante próxima do setpoint, através de ações de controle
agressivas. A longo prazo, isso causará grande desgaste no atuador (uma válvula por
exemplo), diminuindo consideravelmente sua vida útil, já que o número de vezes em que
a mesma abre e fecha (número de reversões) é bastante alto.
30 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
4.3.2 Autotuner B
4.3.3 Autotuner C
Alguns comportamentos descritos na seção anterior se repetiram para este autotuner
(como o do sistema V), porém outros não. No caso do sistema II, a presença do distúrbio
não medido não induziu ao projeto de um controlador que instabilizasse a malha, como
ocorreu no autotuner B. Ao invés disso, o comportamento em malha fechada dos
controladores projetados com e sem presença de distúrbio foi bastante semelhante,
como mostrado na Figura 4..
Controlador projetado sem distúrbio Controlador projetado com distúrbio
Porém, tal sintonia foi responsável por ações de controle bastante agressivas em
todos os sistemas estudados, o que poderá gerar desgaste significativo do atuador (uma
válvula, por exemplo). Esse problema pode ser resolvido através da escolha de outro
método de sintonia. Os estudos realizados neste trabalho mostraram que o método SIMC
é uma boa opção, já que as ações de controle decorrentes das sintonias obtidas não
apresentaram comportamento agressivo.
De uma forma geral, o relé mostrou um bom desempenho como sinal de perturbação
para identificação de modelos dinâmicos. A baixa sensibilidade a distúrbios não medidos
e o fato de ser uma forma automatizada de realizar perturbações no processo, sem
necessidade de conhecimento prévio da dinâmica do mesmo, são pontos bastante
positivos deste tipo de perturbação.
Foi possível observar que, em alguns casos, os resultados obtidos pelo autotuner C
foram inferiores aos fornecidos pelo autotuner B. Já em outros sistemas, ocorreu o
oposto. Tal comportamento indica que a sintonia do controlador em operação durante o
experimento de identificação faz toda a diferença, no caso dos autotuners estudados
neste trabalho (identificação realizada através de modelo ARX). Se tal sintonia estiver
agressiva para o sistema em questão, o modelo obtido a partir dos dados não terá boa
qualidade, já que o modelo ARX não consegue lidar de forma satisfatória com a alta
correlação entre os dados de entrada e saída do processo, causada pela sintonia do
controlador.
34 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Tal fato leva a concluir que o autotuner C é adequado para ajuste fino da sintonia já
existente. O mesmo também pode ser utilizado para auditoria da sintonia atual: se a
sintonia calculada for próxima da atual, isto indica que a sintonia atual está adequada.
Tabela 5.1: Comparação das técnicas de autoajuste estudadas segundo outros critérios
Autotuner
Critério
A B C
Bom 3 3 3
desempenho
Robustez do 4 3 3
método
Uso adequado 1 5 5
das ações de
controle
Facilidade de 5 3 3
implementação
O estudo apresentado neste trabalho pode ser estendido para outras técnicas de
autoajuste, de forma a determinar o quanto a presença de distúrbio não medido pode
deteriorar a qualidade da sintonia obtida. Para quantificar essa alteração, é possível
utilizar outros critérios, como robustez (margem de ganho, reserva de fase e máxima
sensibilidade) e desempenho (integral do erro), além da análise da alteração percentual
da sintonia e avaliação da mudança do comportamento do sistema em malha fechada,
contemplados neste estudo.
Este trabalho contemplou apenas modelos lineares. Também é válido repetir o estudo
realizado em sistemas não lineares, para determinar a qualidade dos modelos obtidos e
verificar se as conclusões apontadas aqui serão as mesmas. Outra análise interessante de
se realizar é se o controlador projetado conseguirá lidar de forma satisfatória com as não
linearidades do processo.
6 Referências
ÅSTRÖM, K. J. et al. Towards intelligent PID control. Automatica, v. 28, n. 1, p. 1-9, 1//
1992. ISSN 0005-1098. Disponível em: <
http://www.sciencedirect.com/science/article/pii/000510989290002W >.
ÅSTRÖM, K. J. et al. Automatic tuning and adaptation for PID controllers - a survey.
Control Engineering Practice, v. 1, n. 4, p. 699-714, 8// 1993. ISSN 0967-0661. Disponível
em: < http://www.sciencedirect.com/science/article/pii/096706619391394C >.
ASTRÖM, K. J.; HÄGGLUND, T. PID Controllers: Theory, Design and Tuning. Second. USA:
Instrument Society of America, 1995. 343.
IKONEN, E.; NAJIM, K. Advanced Process Identification and Control. Marcel Dekker,
2002.
LEVA, A.; COX, C.; RUANO, A. Hand-on PID autotuning: a guide to better utilisation. p.84.
2001
LJUNG, L. Prediction error estimation methods. Circuits, Systems and Signal Processing,
v. 21, n. 1, p. 11-21, 20020. ISSN 1531-5878. Disponível em: <
http://link.springer.com/article/10.1007/BF01211648 >.Disponível em: <
http://link.springer.com/content/pdf/10.1007/BF01211648.pdf >.
RIVERA, D. E.; MORARI, M.; SKOGESTAD, S. Internal model control: PID controller design.
Industrial & Engineering Chemistry Process Design and Development, v. 25, n. 1, p. 252-
265, 1986/01/01 1986. ISSN 0196-4305. Disponível em: <
http://dx.doi.org/10.1021/i200032a041 >. Acesso em: 2013/04/03.
SKOGESTAD, S. Simple analytic rules for model reduction and PID controller tuning.
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 37
Journal of Process Control, v. 13, n. 4, p. 291-309, 6// 2003. ISSN 0959-1524. Disponível
em: < http://www.sciencedirect.com/science/article/pii/S0959152402000628 >.
WANG, Q.-G. et al. Implementation and testing of an advanced relay auto-tuner. Journal
of Process Control, v. 9, n. 4, p. 291-300, 8// 1999. ISSN 0959-1524. Disponível em: <
http://www.sciencedirect.com/science/article/pii/S0959152499000037 >.
YANG, Z.; WANG, J. Auto-tuning of PID parameters based on switch step response.
Intelligent Processing Systems, 1997. ICIPS '97. 1997 IEEE International Conference on,
1997, 28-31 Oct 1997. p.779-782 vol.1.
YU, C.-C. Autotuning of PID Controllers - A Relay Feedback Approach. Second. 2006.
267.
ZHAO, Y. et al. Prediction error method for identification of LPV models. Journal of
Process Control, v. 22, n. 1, p. 180-193, 1// 2012. ISSN 0959-1524. Disponível em: <
http://www.sciencedirect.com/science/article/pii/S0959152411001892 >.
ZUNG, S. W.; LEE, J.; LEE, I.-B. Process Identification and PID Control. 2009.
38 Estudo Comparativo de Técnicas de Autoajuste de Controladores PID
Figura A.2: Comparação da resposta do sistema III ao relé sem distúrbio (à esquerda) e
com distúrbio não medido (à direita)
Figura B.1: Comparação entre o modelo real e o identificado utilizando ARX com na = nb =
8, para os sistemas I e II, respectivamente (ambos modelos obtidos na presença de
distúrbios não medidos)
Figura B.2: Comparação entre o modelo real e o identificado utilizando ARX com na = nb =
4, para os sistemas I e II, respectivamente (ambos modelos obtidos na presença de
distúrbios não medidos)
DEQUI / UFRGS – Cristhiane Jacques do Nascimento 41