Instrumentacao Livro 2

CONFEDERAÇÃO NACIONAL DA INDÚSTRIA – CNI
Robson Braga de Andrade

Presidente
Diretoria de Educação e Tecnologia

Rafael Esmeraldo Lucchesi Ramacciotti
Diretor de Educação e Tecnologia
SENAI-RS – SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL
Conselho Nacional
Robson Braga de Andrade

Presidente
SENAI – Departamento Nacional

Rafael Esmeraldo Lucchesi Ramacciotti
Diretor-Geral
Gustavo Leal Sales Filho

Diretor de Operações
SENAI-RS – SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL

DEPARTAMENRO REGIONAL DO RIO GRANDE DO SUL
Conselho Regional
Presidente Nato
Heitor José Müller
Presidente do Sistema FIERGS
Diretor Regional e Membro Nato do Conselho Regional do SENAI-RS
José Zortea
Diretoria do SENAI-RS
José Zortea
Diretor Regional
Carlos Artur Trein

Diretor de Operações
Carlos Heitor Zuanazzi

Diretor Administrativo-Financeiro
Controladores
Os tipos de controles que vamos estudar são estratégias utilizadas para que uma deter-
minada grandeza atinja uma condição prédeterminada. Essas grandezas físico-químicas são
condições para que um processo de fabricação ocorra dentro de padrões de qualidade e de
segurança também prédeterminados.
O foco do nosso estudo será nas estratégias mais utilizadas pela indústria, apresentando
aplicações simples. Investigaremos também estratégias um pouco mais avançadas, sendo ne-
cessário o conhecimento de alguns conceitos de automação e de controle, bem como a aplica-
ção de conhecimentos de matemática básica.
Muitos equipamentos incorporaram essa complexidade em suas lógicas de controle,
facilitando o ajuste dos controladores, mas é importante que o técnico saiba identificar
a melhor forma de intervir, caso seja necessário. Este capítulo apresentará as estratégias
de controle de processos mais comuns e aprofundará o controle On/Off e PID 1, sendo o
principal objeto de estudo o PID.
A estratégia de controle é a forma como o atuador do processo se comportará, após a com-
paração entre a condição em que o processo está com aquela em que deveria estar. No diagra-
ma apresentado na Figura 5 mostramos os elementos básicos de um sistema de controle em
malha fechada2 e a função de cada elemento.
Podemos afirmar que o somador da Figura 5 fecha a malha de controle.
Figura 5 - Elementos básicos de um sistema de controle em malha fechada e a função de cada elemento
Fonte: Autor
AUTOMAÇÃO INDUSTRIAL
28
1
PID Nesse diagrama, o termo “set point”, é o valor definido para uma grandeza
É a sigla para proporcional, em um processo. Tendo como exemplo um forno de revenimento para peças
integral e derivativo, sendo
que cada termo colabora
de aço previamente temperadas, supondo que esse processo deva ocorrer a
com uma fração do valor 190ºC, o sinal de entrada no somador do diagrama será 190ºC.
de atuação. Esta fração
é baseada num conceito
matemático diferente para
cada termo.
2
Malha Fechada
Ocorre na situação em que
temos um sensor medindo
a condição de processo ob-
jetivo, sendo essa condição
comparada com o valor
requerido.
Figura 6 - Forno de revenimento

Fonte: Autor
Na parte inferior do diagrama temos uma caixa denominada “sensor”. Em sua

entrada está conectado a “saída do processo” e a saída é a medição de tempera-
tura no forno. O sensor pode ser um termopar largamente utilizado na indústria,
que fornece a medição da condição em que o forno se encontra.
A operação matemática executada entre a “set point” e o “saída do sensor” é
uma subtração, e a resultante será o “erro”. Ou seja, subtraindo o set point pelo
valor medido no processo, temos o erro. Por exemplo: se o set point é 190ºC e a
temperatura dentro do forno é de 50ºC, consequentemente a medida do termo-
par será respectiva aos 50ºC e o sinal chamado de “erro” será 190 – 50 = 140ºC.
Esse valor entrará no “controlador”.
Apesar de o “controlador” ser nosso objeto principal de estudo, devemos
conhecer os demais elementos para facilitar o entendimento acerca das fun-
ções do controlador. Nós estudaremos as diferentes estratégias de atuação do
controlador com base no valor de erro. As estratégias principais serão:
• On/Off;
• PID.
3 Controladores
29
O controlador funcionará com base no valor do erro quando operar com reali-
mentação da saída, como está apresentado na figura 5. O erro entra no controla-
dor e esse decide a forma de atuar no “processo”, gerando o sinal que comandará
o atuador eliminado do processo. Esse poderá ser uma ligação de contactora por
meio de um relé, sinal 4-20 mA ou outro tipo de sinal, que dependerá do atuador
que o processo estiver utilizando. Em nosso exemplo, será um banco de resistên-
cias ligado por uma contactora. O “processo” é tudo o que está entre o sinal de
saída do controlador e a entrada do sensor.
Figura 7 - Banco de resistências

Fonte: Autor
Como sabemos na prática, um forno não responde de forma

VOCÊ instantânea à ligação do banco de resistência. Esse tempo
SABIA? e a forma do comportamento da temperatura durante esse
tempo vão interferir diretamente no ajuste do controlador.
Vamos agora passar por todos os tipos de controladores, comentando-os rapi-

damente, para, após, nos determos mais em nosso objeto de estudo. Dividiremos
os controladores em dois grandes grupos: clássicos e modernos.
3.1 Controladores clássicos
O conceito de controlador clássico dominou até o final da década de 50, quan-

do a complexidade dos sistemas ainda não era tão elevada. Vamos entender cada
um dos conceitos a seguir.
Pesquise mais detalhes sobre a história dos controladores

SAIBA na Wikipedia, ne versão em inglês: vá ao wikipedia versão
MAIS inglesa: http://en.wikipedia.org/wiki/Control_theory
30
3
integral 3.1.1 On/Off
É função matemática
utilizada para calcular a área É a mais simples das estratégias, pois se trata de ligar 100% do atuador para
sob uma função matemática
representada graficamente. atingir o set point. Quando o set point for atingido, o atuador é desligado total-
Derivada representa a taxa mente. Continuaremos com o exemplo do forno, supondo que no momento da
de variação de uma equação
em um dado ponto de uma partida seu interior estava com 25ºC. Seu set point era de 190ºC e as resistências
representação gráfica. responsáveis pelo aquecimento foram ligadas por uma contactora.
Esse forno levou um tempo para chegar aos 190ºC e, quando atingiu a temperatu-
ra, a contactora desligou. Na Figura 8 temos o comportamento da estratégia On/Off.
Figura 8 - Comportamento do Controle On / Off

Fonte: Autor
A estratégia On/Off pode ser usada somente onde não for necessária alta pre-
cisão na variável de processo, pois está sujeita às inércias dos sistemas, podendo
ter uma variação alta dependendo do sistema.
3.1.2 PID
A estratégia de controle PID será nosso principal objeto de estudo devido a

seu alto índice de aplicação na indústria e por apresentar uma boa performance
em sistemas normalmente utilizados nos processos de fabricação. A parametriza-
ção da estratégia de controle PID é relativamente simples. Dos controladores que
estudaremos, o PID é o de mais fácil compreensão.
O PID possibilita eliminar a variação mostrada na Figura 7. Se necessitarmos de
uma variável de processo mais estável, teremos que recorrer a uma estratégia de
controle que varie sua forma de atuação, e o controle PID fará isso em função do
comportamento do erro.
O nome PID vem de Proporcional-Integral-Derivativo. No controlador, esses três as-
pectos são representados por três parâmetros, que deverão ser ajustados em função do
comportamento que esperamos do processo. Com o ajuste desses parâmetros, podemos
optar por usar uma configuração de ação somente proporcional, integral, derivativa ou,
ainda, uma combinação dessas ações. A configuração mais comum é o PI (proporcional e
integral3). Todavia, encontramos também a configuração P ou PID. O parâmetro “P” ajusta a
atuação em função do erro presente do processo, o “I” ajusta a atuação em função do com-
portamento do erro no passado e o “D” faz uma previsão de como o erro se comportará no
futuro – a mudança destes três parâmetros resultará no ajuste da forma de atuação.
3 Controladores
31
3.1.3 Avanço e atraso de fase
Para essa estratégia de controle e as próximas estratégias que serão apresentadas,

precisaremos de um conhecimento mais avançado de matemática, que é oferecido so-
mente na graduação. Como nosso foco é o ensino técnico, abordaremos um nível de
conhecimento que nos permita responder aos possíveis questionamentos dos alunos e
oferecer explicações práticas relacionadas ao assunto em questão.
Os próximos controladores também dependerão de um conhecimento mais apro-
fundado dos sistemas (ou processos) a serem controlados, pois, para projetá-los depen-
demos do conhecimento da função matemática que representa o comportamento do
processo e seus elementos. Vamos estudar os compensadores de avanço e atraso separa-
damente, mas normalmente os dois são usados em conjunto.
O projeto do controlador inicia-se pelo compensador de Atraso. Será por ele que
iniciaremos nossa explicação. Considerando um sistema realimentado (malha fechada),
conforme já vimos na Figura 5, colocaremos no lugar do “controlador” um ganho de
valor “1”. Desse modo, o sistema multiplicará o erro por “1” e colocará esse valor no atua-
dor do processo. O comportamento do processo nessa condição pode ser verificado no
resultado da linha vermelha na Figura 9. Essa é uma resposta lenta e apresenta erro de
regime (a saída deveria estar junto com a linha preta – set point).
Figura 9 - Respostas em um sistema realimentado

Fonte: Autor
O compensador de atraso de fase será utilizado justamente para eliminar ou

reduzir muito o erro de regime4. Como comentado anteriormente, para que este
controlador seja projetado, é fundamental o conhecimento do modelo matemá-
tico do sistema a ser controlado.
O compensador de avanço de fase será utilizado para melhorar as condições
de partida do sistema, para que se comporte tão rapidamente quanto possível
(acompanhando o set-point) e apresente um sobressinal5 que não cause impac-
to significativo no processo. A função desses dois compensadores será alterar as
condições do modelo matemático do sistema, deixando sua resposta mais rápida
e sem erro de regime. Essa função matemática resultante do projeto dos compen-
sadores será colocada no lugar do “controlador”.
32
4
ERRO DE REGIME Para a implementação do controle de Avanço e Atraso de Fase, o mais comum
É a diferença entre o valor é utilizar um microcontrolador programado com as funções matemáticas projeta-
do processo (sensor) e o set das, ou uma placa de aquisição de dados num computador em conjunto com um
point após a estabilização
do processo. software (exemplo Matlab), que possibilite implementar facilmente esse tipo de
estratégia. Ainda é possível utilizar amplificadores operacionais na configuração
5
SOBRESSINAL de integrador para também executar as funções matemáticas projetadas. Todavia,
É a diferença entre a ampli- tal aplicação não é comum na prática, sendo utilizada somente para fins didáticos.
tude do primeiro pico do
processo (mostrado na figu-
ra 7) e o set point daquele
momento.
VOCÊ A estratégia de controle PID é um caso particular da
estratégia Avanço-Atraso, sendo composta por boa parte
SABIA? do seu comportamento matemático.
3.2 Controladores modernos
Com o aumento da complexidade dos sistemas como aviões de guerra, na-

ves espaciais e melhoria de qualidade de alguns processos específicos, surgiu,
por volta de 1960, a teoria do controle moderno. Ao contrário da teoria clássica
baseada em sistemas com uma entrada e uma saída, denominada SISO – Single
Input and Single Output (uma entrada e uma saída), a teoria de controle moderno
utiliza múltiplas entradas e múltiplas saídas, garantindo uma resposta melhor a
distúrbios e alterações que o processo possa sofrer ao longo do tempo.
CASOS E RELATOS
Entendendo distúrbios em processos

Paulo de Souza é funcionário de uma empresa que trabalha com diversos
fornos. Ele é orientado por seu supervisor a retirar uma amostra do forno 3 e
medir a dureza superficial da peça. Paulo sabe, por sua experiência, que esta
operação instabilizará o controle do forno. Desse modo, tentará fazer a opera-
ção de retirada da amostra o mais rápido possível.
Nesse procedimento, Paulo precisa abrir a porta do forno, gerando uma
ação não-prevista no processo. O evento produzido pela abertura da por-
ta do forno não foi considerado no momento do projeto do controlador,
provocando uma oscilação de temperatura de - 20ºC, que acarretou a ne-
cessidade de as peças ficarem no forno por mais 30 minutos, gerando des-
perdício de energia e de tempo. Sendo esse um evento não-planejado, ele
é classificado como distúrbio..
Para entender melhor a teoria do controle moderno, precisaremos entender

um pouco se sistemas dinâmincos com segue.
3 Controladores
33
Sistema dinâmico
Agora, vamos conhecer um pouco mais sobre o conceito de sistema dinâmico,

especificamente em relação à eletricidade.
O resistor é um elemento que não possui dinâmica alguma; ou seja, quando
aplica-se uma tensão sobre ele, no mesmo momento e sem qualquer tipo de atra-
so, medimos uma corrente proporcional à tensão e ao valor da resistência, con-
forme visto na figura 10.
Figura 10 - Circuito e gráfico para identificação do comportamento do resistor

Fonte: Autor
Já o capacitor e o indutor são elementos que possuem uma dinâmica em

sua resposta; ou seja, a corrente e a tensão não têm um comportamento di-
retamente proporcional ao longo do tempo, conforme podemos verificar no
gráfico da Figura 11.
Figura 11 - Comportamento do indutor e do capacitor

Fonte: Autor
Note que a corrente no circuito, quando aplicada uma tensão nele, apre-
senta um pico e uma vez que o capacitor esteja carregado, a corrente zera. Tal
comportamento deve ser visualizado graficamente para que possamos avaliar
o comportamento dinâmico da corrente quando aplicada uma tensão em um
circuito com capacitor.
A natureza possui vários elementos com comportamento dinâmico que é tra-
duzido pela Física, como, por exemplo, o sistema massa-mola-amortecedor. A
mola é análoga ao resistor, pois responde instantaneamente quando aplicada
uma força, sendo os elementos dinâmicos a massa e o amortecedor.
34
Figura 12 - Sistema massa-mola-amortecedor

Fonte: Autor
Vamos detalhar a massa. Imagine um pneu sendo movido por um motor. Caso o
pneu não esteja em contato com o chão e o motor pare de gerar movimento, o pneu
continuará a girar com tempo proporcional a seu peso (desprezando-se o atrito neste
exemplo). Essa é a dinâmica da massa, pois teremos uma energia armazenada sob a
forma de inércia. Se não houvesse massa, o pneu pararia instantaneamente.
Desse modo, a partir do entendimento da dinâmica, o controle moderno ma-
peia os elementos dos sistemas que geram tal dinâmica e controla-os separada-
mente, conforme as estratégias que abordaremos a seguir.
3.2.1 Variáveis de estado ou multivariáveis
Devemos saber que as variáveis de estado equivalem às variáveis dinâmicas de

um processo. Elas são oriundas de um elemento que tem característica dinâmica.
Para ser possível a identificação das variáveis de estado do sistema, é necessário
que dominemos seu modelo matemático. Para tanto, precisamos compreender
todos os fenômenos físicos relacionados ao sistema.
Vamos utilizar como exemplo um motor DC. Nosso foco será o funcionamento
do controle, por isso não entraremos em seu modelo matemático. Nesse sistema
teremos como variáveis de estado a corrente de armadura e a velocidade angular
do rotor. Sendo assim, o controlador deverá ser composto de um sensor para me-
dir a corrente e outro sensor para medir a velocidade.
Com essas duas variáveis de controle, o projeto será calcular um ganho para cada
uma dessas variáveis, que alterará a dinâmica de cada uma das variáveis de estado. O
processo, desse modo, se comportará de acordo com os critérios de performance defi-
nidos. Na Figura 13 podemos ver um exemplo de como esse controle ficaria montado.
3 Controladores
35
Figura 13 - Realimentação dos estados

Fonte: Autor
Repare que as duas variáveis mencionadas são realimentadas na entrada multiplica-

das a um ganho, alterando a tensão de campo. Nesse caso, há o controle da velocidade
angular (que é a saída). Agora que sabemos o que é dinâmica, podemos afirmar que os
compensadores de avanço e atraso e, consequentemente, o PID, inserem uma dinâmi-
ca no processo fazendo, desse modo, o controle. A estratégia de multivariáveis altera a
dinâmica dos elementos possuidores de dinâmica no processo a ser controlado.
O fato de podermos alterar a dinâmica das variáveis do

VOCÊ sistema não quer dizer que não podemos inserir outra
SABIA? dinâmica para deixar a resposta ainda mais rápida ou com
outras características de funcionamento.
3.2.2 Controle adaptativo
É um controle que muda sua forma de ação caso a dinâmica do sistema se modifi-
que ou surja algum distúrbio. O controle adaptativo é um controlador com parâmetros
ajustáveis que apresenta um mecanismo para tal ajuste. Na Figura 14 temos um diagra-
ma desse sistema, no qual será montada uma regra relacionando os sinais de entrada,
saída e controle. O sistema mudará os ganhos do controlador quando a relação desses
sinais não atender as regras préestabelecidas na caixa “Ajuste de Parâmetros”.
Figura 14 - Diagrama do controle adaptativo

Fonte: Autor
3.2.3 Controle ótimo
Imagine que você está projetando um controle por variáveis de estado e, ao

final do projeto, você se pergunta se o resultado é o melhor que poderia ter em re-
lação à economia de energia elétrica. Assim, você modelará essa condição numa
função de custo e utilizará um método de otimização para buscar os ganhos do
controlador que minimizam o resultado da função custo.
36
6
SOLVER Os cálculos serão realizados por solvers6 disponíveis em softwares como o Ma-
É um algoritmo programado tlab e o Excel. Sempre que houver uma otimização por meio de um método ma-
em alguns softwares para temático de busca, chamaremos de controle ótimo.
resolver equações ou siste-
mas de equações.
3.2.4 Controle não linear
Os elementos não-lineares estão presentes na maioria dos sistemas a serem

controlados, sendo que a não-linearidade não possibilita a modelagem que se faz
necessária ao projeto, por produzir uma condição não-representável pelas regras
matemáticas existentes, tendo que ser representada por um modelo matemático
aproximado ou por simbologia específica para cada caso.
Nesse sentido, o objetivo da teoria de controle não-linear será aproximar os sis-
temas a um modelo linear, viabilizando, assim, o projeto e o controle, bem como
analisar se a não-linearidade representará uma falta de controle do processo e de-
verá ser contornada ou mitigada. A não-linearidade mais comum é a saturação,
porque não existe energia infinita para controlar os sistemas.
Por exemplo: a tensão de campo disponível para controlar um determinado
motor DC é de 200 Vdc, mas o controlador em um determinado momento calcu-
lou 400 Vdc para colocar no sistema. Assim, a tensão do acionamento ficará em
200 Vdc. Como o sistema se comportará, já que não tem os 400 Vdc para dispo-
nibilizar? Para isso, dizemos que a saída satura em 200 Vdc. Precisamos avaliar e
projetar o controlador considerando a não-linearidade.
3.2.5 Controle preditivo
É um controle multivariável que usa as medições das variáveis de estado feitas

no passado. O controle preditivo é um método de busca para a redução de uma
função custo (trabalhando com otimização), bem como o modelo matemático do
sistema que serve para predizer como ele se comportará.
A partir dessa previsão de comportamento, podemos definir os ganhos do
controlador que melhor responderão a tais características.
3.2.6 Controle robusto
Em contraste com o controlador adaptativo, essa forma de controle será estática,

mas em seu projeto serão consideradas ocorrências de oscilações e variações. Um
controle é chamado de robusto quando a resposta do sistema é boa, mesmo sobre
fortes variações decorrentes do próprio sistema ou provenientes de distúrbios.
3 Controladores
37
Um exemplo de robustez é a eliminação do problema de saturação comenta-

do anteriormente, disponibilizando os 400 Vdc necessários para efetuar o controle
projetado. O método consiste em diminuir a sensibilidade do sistema, identifican-
do quais variáveis são mais sensíveis e disponibilizando os valores altos de energia
para a correção dessas variáveis quando ocorrerem possíveis variações (distúrbios).
3.2.7 Controle inteligente
É o tipo de estratégia baseada em modelos de aprendizado. Esse sistema

aprende qual o estímulo (atuação) deve dar ao sistema para que ele apresente a
saída desejada. Além disso, quando alteradas as condições do processo, o sistema
aprende as novas regras e altera ou estimula conforme a necessidade.
Modelos de aprendizado são recursos computacionais de

inteligência artificial que aprendem o que for necessário
VOCÊ para ser utilizado em uma aplicação específica. Esse
SABIA? conceito-ferramenta tem diversas aplicações, incluindo
controle de processos. Entre essas ferramentas podemos
citar a lógica fuzzy, redes neurais e algoritmos genéticos.
Recapitulando
Como observamos, neste capítulo, existem inúmeras estratégias de controle

que podem ser utilizadas. Todavia, verificamos que pelo fato de algumas estraté-
gias serem empregadas em pesquisas, normalmente, elas se tornam verdadeiras
“caixas-pretas” quando são implementadas. Desse modo, essas estratégias não
se tornam acessíveis aos usuários comuns, pois são extremamente complexas.
Decidimos apresentar uma estratégia PID que é relativamente simples, e atende
a maior parte dos processos industriais, já que está sendo incorporada na maio-
ria dos controladores industriais.
Detalhamento do Controle PID
Para utilizar a estratégia de controle PID, não basta ter um controlador que possibilite essa
ação, conforme apresentado na Figura 15. É preciso, também, que o atuador utilizado no siste-
ma contemple a estratégia.
Figura 15 - Exemplo de um controlador com PID

Fonte: Autor
Para ilustrar essa estratégia, trabalharemos o caso do forno como exemplo. Se for On/Off, poderá
ser parametrizada uma histerese de atuação que originará uma atuação menos frequente do atuador.
Por exemplo: Se o set point for de 190ºC e a histerese7 parametrizada no controlador for
de 2ºC, significará que a contactora ficará acionada até 192ºC, desligando a aprtir deste valor
e religando em 188ºC. Se com esta oscilação de 4ºC somada a dinâmica do forno, ultrapassa-
remos os critérios de variação do processo e teremos que recorrer ao controle PID e mudar o
atuador do processo, sendo, por exemplo, por meio de um SCR (Tiristor8), que servirá para ligar
e desligar as resistências. Mas, se for mandatório trabalhar com uma contactora, poderemos
parametrizar o tempo total do PWM9, tornando menos frequente o acionamento, mas não ga-
rantindo a precisão do processo.
Atenção quando utilizar uma contactora ligando um banco de

resistências. Dependendo da característica do forno, devemos ter
FIQUE o cuidado para que o acionamento da contactora não seja muito
ALERTA frequente, comprometendo seu funcionamento a longo prazo. Tanto
o On/Off quanto o PID podem ser parametrizados para evitar essa
condição.
A Figura 16 mostra a representação clássica do controle PID. Nosso objetivo será entender
esta representação e o modo de funcionamento dessa estratégia.
40
7
HISTERESE
É uma faixa de tolerância à
diferença entre o set point e
o valor do processo.
9
TRISTOR
É um semicondutor eletrôni-
co que possibilita o controle
de potência em sistemas de
corrente alternada.
Figura 16 - Representação clássica do PID
Fonte: Autor
8
PWM
Esse controle trabalha em função do erro. O objetivo é zerar o erro. Você con-
É a sigla para Pulse-Width
Modulation, ou Modula- corda que, se o erro for zero, a variável de controle terá seu valor igual ao set
ção por Largura de Pulso.
Imagine que o tempo total
point? Por exemplo, caso o set point seja 190ºC e a temperatura dentro do forno
de PWM é 200 segundos e = 190ºC teremos o erro = set point – sensor => 190 – 190 = 0 de erro.
o valor de saída do controle
é 40%. Isto significa que a Agora, vamos memorizar: Erro é “o que se quer” menos “o que se tem”, sendo
contactora ficará 80 segun-
dos ligada e 120 segundos SP – PV (Set Point menos Process Value ou valor requerido ou valor do processo).
desligada.
Toda a estratégia de controle será baseada no erro. O que será variado na ação do
controlador é a saída do controlador, que pode ser um sinal analógico (por exem-
10
CONVERSOR DA
plo: 4 a 20 mA), ou um valor % (por exemplo: % tempo de ligado e % desligado de
É o componente eletrônico
que converte sinal digital um PWM) ou, ainda, a escala de um conversor DA10. Como vimos na Figura 16, o
em analógico, tendo como
principal característica a
PID é dividido em três tipos de ações: a proporcional, a integral e a derivativa. Es-
resolução. Exemplo: Se o sas três ações são variadas por meio de um valor apenas, conhecido como ganho.
conversor for de 10 bits,
teremos 210 combinações Para nosso aprendizado, também separaremos os três termos.
possíveis ou uma escala
variando de 0 a 1023.
11
BIT 4.1 Proporcional
É a menor unidade digital
de um computador, poden- No início deste capítulo comentamos que a parte proporcional do ganho tra-
do assumir 2 valores, 0 ou 1.
balha em função do valor presente do erro. Isso é verificado facilmente na função
matemática, pois se trata de um ganho, normalmente chamado de Kp, multipli-
cado pelo erro. Vamos montar um exemplo. Suponha que temos um processo de
controle de temperatura por meio de vapor. Então o % de abertura da válvula de
vapor regulará a quantidade de vapor que irá para a serpentina interna da estufa.
Considerando que a temperatura interna da estufa está em 25ºC e o set point é
de 85ºC, temos um erro de 60ºC. Supondo também que % de abertura da válvula
para atingir 85°C esteja em torno de 60%, se o Kp for 5, a saída do controlador
somente com o controle proporcional ativado será 300. Se a saída do controla-
dor for analógica de 10 bits11, teremos um range de atuação de 0 a 1023 valores
possíveis, e o range de 300 corresponderá somente a 30% da escala total. Conse-
quentemente, a válvula abrirá no máximo em 30%, pois o erro tenderá a diminuir,
fechando ainda mais a válvula e não se aproximando dos 60% da saída, gerando,
então, o erro de regime.
4 Detalhamento do controle PID
41
Um fato importante que deve ser ressaltado: esses

FIQUE algoritmos de controle (lógicas programadas nos
controladores comerciais) trabalham com uma taxa de
ALERTA tempo para verificar novamente o erro, calcular o termo
proporcional e colocá-lo na saída do controlador.
A Figura 17 mostra um diagrama do termo proporcional.
Figura 17 - Parte proporcional do PID

Fonte: Autor
Acabamos de discutir um dos extremos do controle proporcional, que dará

origem ao erro de regime. Agora, vamos montar uma situação em que o ganho
Kp é tão alto que instabiliza o sistema.
Supondo que precisamos pressurizar um tanque para efetuar um processo de
mistura, com a pressão inicial em 0 mmHg e o set point em 1000 mmHg, a pres-
são disponível para pressurização do tanque é de 2000 mmHg e, para dosar o gás,
temos uma válvula proporcional de agulha.
Consideremos Kp = 1. Se a saída analógica do controlador for de 10 bits,
resultando em 1024 combinações possíveis, teremos que, no primeiro ins-
tante, o erro será 1000. Multiplicando pelo Kp, colocará na saída do contro-
lador 1000, abrindo quase 100% da válvula. Esse procedimento colocará no
tanque 2000 mmHg, alterando o erro para –1000 mmHg. Multiplicando no-
vamente o erro com o Kp, a saída ficará em –100% ou 0% (menor saída pos-
sível), de modo que a pressão volta a zero e, assim, sucessivamente, tornado
o sistema instável. Dessa maneira, faz-se necessária uma diminuição do Kp
para que a atuação seja mais sensível, possibilitando que a válvula encontre
um ponto próximo do ideal.
Então, o termo proporcional sempre resultará em erro de regime ou instabili-
zação, fazendo-se necessário outro termo que levará o erro de regime para zero
ou algo em torno deste valor.
42
12
CLP 4.2 Integral
CLP ou PLC é a sigla para
controlador lógico progra- Na matemática, a função integral serve também para calcular a área sobre uma
mável e trata-se de compu-
tadores industriais dedica- curva, uma vez que a equação matemática que define essa curva seja conhecida.
dos a controle de processos Para exemplificar essa situação, temos a Figura 18, em que podemos verificar um
de fabricação.
comportamento descrito por uma função matemática.
Figura 18 - Comportamento gráfico de uma função conhecida

Fonte: Autor
Podemos supor que essa seja uma curva de consumo elétrico. Então, com
a equação indicando o comportamento do consumo, é possível calcular o
consumo total que será igual à área abaixo da curva. Computacionalmen-
te, a implementação da integral é mais simples, pois um computador não
consegue executar um algoritmo que calcule a área abaixo de uma função
matemática utilizando o conceito da integral apresentado. Para entender-
mos a forma que o computador integra, que é a mesma de controladores
comerciais e CLPs12, vejamos a Tabela 3 e, posteriormente, sua representação
gráfica na Figura 19.
Tabela 3: Valores do processo de aquecimento do forno

Instante (segundo) Set point (ºC) Valor Processo (ºC) Erro (ºC)
0 85 60 25
1 85 62 23
2 85 65 20
3 85 70 15
4 85 76 9
5 85 84 1
Fonte: Autor
43
Figura 19 - A) Representação gráfica do set point e a temperatura do processo.

B) Representação gráfica de erro (set point - temperatura do processo).
Fonte: Autor
Nesse contexto, estamos medindo a temperatura ao longo do tempo e,

para saber a área do comportamento da temperatura durante os 5 segun-
dos, utilizamos a área de cada retângulo com as medições realizadas de 1
em 1 segundo. Para calcular a área do erro nos 5 segundos do exemplo, de-
veremos somar a área dos cinco retângulos. A área de cada retângulo será
o erro anterior + o posterior dividido por 2 (que é a média) vezes o tempo,
conforme a seguinte fórmula:
Erro durante os 5 segundos = (25 + 23) ×1 + (23 + 20) ×1 + (20 + 15) ×1 + (15 + 9) ×1 + (9 + 1) ×1
2 2 2 2 2
Resultando em: 80ºC x segundos.
Não precisamos nos preocupar com a unidade de medida resultante, pois ela
não precisa fazer sentido físico, mas precisará fazer sentido no algoritmo e ma-
temático para o cálculo do sinal de controle. Todavia, precisamos saber que 80
é a área inferior da curva que estamos analisando, fazendo a integral da mesma
maneira realizada pelos computadores.
Dando prosseguimento, o resultado da área poderá ser negativo, positivo ou
nulo. Na Figura 20 temos a representação desses casos.
44
Figura 20 - Resultados da integração

Fonte: Autor
Esse funcionamento será fundamental para o controle, pois, se a área for po-
sitiva, vamos querer abrir a válvula (supondo o aquecimento por vapor), e se for
negativa, vamos querer fechá-la.
Uma vez entendida a integral, vamos entrar na contribuição do termo integral
do controle que será proporcional ao tamanho do erro (altura no gráfico) e a du-
ração do erro (largura). Esse resultado multiplicado pelo ganho Ki será adicionado
na saída do controlador. Criando a representação de um sistema dinâmico con-
forme a Figura 21, como se tivéssemos um forno com set point de 190ºC, vamos
começar a analisar as contribuições dos termos proporcional e integral.
Figura 21 - Representação de um sistema de controle para um forno.

Fonte: Autor
Figura 22 - Comportamento do sistema somente com o termo proporcional.

Fonte: Autor
45
Na Figura 22 estamos com a integral desativada e vamos analisar o com-

portamento do termo proporcional. Note que no Gráfico 22b, até os 3 segun-
dos, aproximadamente, o controlador tem uma reação. Mas, logo após, o con-
trolador estabiliza, pois a multiplicação do erro pelo Kp não é suficiente para
levar o forno até o set point.
Repare que colocamos no instante 15 segundos um distúrbio que pode ser
uma abertura no forno. Veja que a diferença em relação ao set point fica ainda
pior, mesmo com a contribuição do proporcional aumentando. Se aumentar-
mos o ganho Kp, podemos notar, na Figura 23, que o erro diminui, mas está
longe de alcançar o set point.
Figura 23 - Comportamento do sistema com aumento do Kp

Fonte: Autor
Desse modo, pode ocorrer que, se aumentarmos o Kp, nos aproximare-

mos bastante do erro zero. Isso é correto, mas ocorrem dois problemas: o
primeiro é que o sistema pode ficar instável; o segundo é que, se houver um
distúrbio ou uma mudança da dinâmica do processo, o Kp deverá ser altera-
do novamente
Então vamos começar a aumentar o Kp e aproximar o valor do proces-
so do set point. Verifique na Figura 24 que o erro diminuiu, mas começa a
aparecer um sobressinal (pico de temperatura acima do valor de regime)
indicando uma região em que o sobressinal aumentará na medida em que
aumentarmos o Kp.
46
Figura 24 - Comportamento com o Kp ainda maior

Fonte: Autor
Na Figura 25 já podemos ver o erro de regime ainda menor, mas com oscilação
muito maior.
Figura 25 - Comportamento com o Kp muito maior

Fonte: Autor
Na Figura 26 temos a instabilidade, que se trata de uma oscilação total do sis-

tema. Vale ressaltar que o exemplo é didático e não se trata de um forno real;
serve apenas para demonstrar e analisar o comportamento do PID.
Figura 26 - Comportamento instável

Fonte: Autor
47
Agora vamos analisar a Figura 27, em que temos a ação proporcional e a inte-
gral trabalhando em conjunto.
Figura 27 - Comportamento com ação proporcional e integral

Fonte: Autor
O sistema parte no instante 1 segundo e estabiliza no instante 5 segundos,

conforme podemos ver no Gráfico 27a. No Gráfico 27b temos a ação de controle,
que é a soma do termo proporcional e integral. Essa situação pode ser verificada
no Gráfico 27c, com ganhos de 0,4 para o Kp e 0,43 para o Ki. Agora, vamos provar
a matemática explicada até o momento. No Gráfico 27d temos o erro. No instante
1 segundo o erro é 190ºC e o termo proporcional está em ± 80, sendo que 190 x
0,4 = 76, comprovando que a ação proporcional está correta.
No instante 1, a área do erro ainda não começou a mudar. Então, a ação inte-
gral é zero, mas no instante 5 segundos o valor do termo está em = ~ 130. Se divi-
dirmos a área do erro em dois triângulos e em dois retângulos, conforme exposto
na Figura 28, teremos estas duas áreas multiplicadas por 0,43, tendo:
 (190 − 40 )× (3,1 − 1, 5 ) + (40 )× (5 − 3,1) + (40 )× (3,1 − 1, 5 ) × 0, 43 = 136 , 31

190 × 0, 5 + 
 2 2 
Figura 28 - Área calculada

Fonte: Autor
48
Desse modo, comprovamos que o termo integral atuou conforme planejado. Repa-
re que a partir do instante 5 segundos o termo proporcional fica em zero, já que o erro
é zero, e a ação do controle necessária para manter o processo em 190ºC fica somente
para o termo integral. Veja que no instante 15 segundos ambos os termos atuam na
transição, mas quando estabiliza somente o integral fica com o valor acumulado e está-
vel. Contudo, você deve reparar que ele salta para outro patamar. Isso é possível porque
o forno demandará mais potência, pois foi aberto algo que o faz perder calor.
Assim, concluímos que o termo integral é fundamental para levar o erro a zero.
Verificamos, também, por que ele atua com base no comportamento passado do
erro, já que calcula a área do erro, acumulando e jogando na saída.
É importante analisarmos também que, se a área do erro for negativa, o va-
lor do termo integral diminuirá, conforme podemos ver no instante entre 1 e 1,5
segundos do Gráfico 98c. Caso coloquemos um Kp maior, gerará um sobressinal
acima do set point, como visto no Gráfico 29a.
Figura 29 - Verificação da ação proporcional e Integral negativa

Fonte: Autor
4.3 Derivada
Por fim, vamos entender o último termo do controle PID, que tem a função de
prever o futuro do comportamento do erro e atuar com base nessa previsão. Assim
como na ação integral, é importante fundamentar a matemática para termos uma
compreensão mais ampla do funcionamento dessa parte do controlador PID.
A derivada é uma função matemática que avalia a taxa de variação de uma
variável em função de outra. Em nosso caso, será a taxa de variação do erro em
função do tempo. Essa taxa de variação é representada por uma reta tangente ao
ponto em que estamos querendo avaliar essa taxa ou a tendência do comporta-
mento do erro em tempo futuro. Na Figura 30, a reta tangente mudará sua inclina-
ção na medida em que percorre a função exemplificada no gráfico.
49
Figura 30 - Função derivada

Fonte: Autor
Vamos fazer mais uma análise prática do comportamento da derivada analisando

a Figura 31. No Gráfico 31a não há variação do erro ao longo do tempo. Então, a taxa
ou a derivada em qualquer intervalo no tempo é zero. No Gráfico 31b temos uma
variação do erro ao longo do tempo, representada no gráfico por uma reta, ou seja,
temos uma inclinação fixa, sendo a derivada representada por um número constante.
Figura 31 - Análise da derivada

Fonte: Autor
Por exemplo: Digamos que no instante 1 segundo o erro é 5ºC e no instante 6 segun-
15 − 5 10
dos o erro é 15ºC, tendo como inclinação, derivada ou taxa = = 2 º C / segundo.
6 −1 5
Então, sabendo a taxa, e se estivermos no instante 6, consequentemente no ins-
tante 8 segundos teremos 15 °C + (8 s − 6 s )× 2 º C / s = 19 °C , satisfazendo, assim,
o conceito de previsão do futuro.
Continuando, podemos ver no gráfico 31c uma reta com inclinação negativa,
ou seja, se montarmos um exemplo e fizermos o cálculo, teremos também um
número, mas com a diferença de ser negativo, já que a inclinação está para baixo.
Já no Gráfico 31d temos uma taxa que varia ao longo do tempo; ou seja, teremos
uma inclinação diferente para cada ponto que for tangenciado.
50
13
TRANSITÓRIO
É uma faixa de tempo onde O termo “tangenciar” é utilizado porque, se efetuarmos
ocorre as variações mais VOCÊ o arco tangente de 2°C/segundos, teremos o ângulo da
bruscas, sendo diferente SABIA? respectiva reta tangente; ou seja, a taxa de variação está
da faixa de regime onde as diretamente ligada à tangente no instante.
grandezas dos processos
estão mais estáveis ou repe-
tindo o comportamento ao Assim como a integral, a derivada também tem uma equivalência facilmente
longo do tempo.
implementada no ambiente computacional. Concluímos que basta ter duas me-
dições para definir a tendência do erro ou sua derivada. Agora vamos começar a
entender como isto atuará no controle.
A contribuição do termo “D” será a Derivada do erro multiplicada pelo ganho Kd.
Esse ganho definirá a contribuição que a projeção do erro dará ao controle do proces-
so. O termo derivado é normalmente utilizado para reduzir o sobressinal e melhorar
a estabilidade do processo no momento transitório13. Com a adição do parâmetro
D, desde que aplicável, poderemos tornar as contribuições de P e I mais relevantes
(maiores), tornando a resposta ainda mais rápida e com melhor performance.
Todavia, a utilização do termo derivado tem um grande problema: ele é extre-
mamente sensível a ruído. Imagine uma situação na qual, por algum ruído eletro-
magnético, a medição da grandeza do processo oscile (o que não é raro aconte-
cer). O erro terá uma variação brusca e teremos uma tangente extremamente alta,
causando uma ação brusca do atuador que pode ser extremamente danosa ao
processo ou, ainda, causar um erro no controle que o instabilize.
Logo, a sugestão para a utilização desse termo é de ativá-lo somente se a res-
posta com o controlador PI for realmente lenta. Podemos ainda tentar filtrar os
ruídos conhecidos para minimizar os problemas com a ação derivativa.
Fazendo uma análise do comportamento do termo

VOCÊ derivativo, podemos concluir que seu objetivo é deixar o
erro constante, independentemente do valor, pois, quando
SABIA? o erro for constante, a derivada será zero, não havendo
contribuição deste termo.
Novamente, geramos um ambiente de simulação conforme apresentado na Figura

21a, mas nesse ambiente apresentado na Figura 32 colocamos uma dinâmica mais
rápida para poder evidenciar um bom funcionamento do termo derivativo.
Figura 32 - Sistema da figura 23, com o termo derivativo e dinâmica mais rápida
Fonte: Autor
51
O termo derivativo está desativado nos primeiro 1,5 segundos por não apre-
sentar um bom comportamento para esse sistema na partida. Vamos analisar o
funcionamento em regime quando inserido um distúrbio de temperatura, con-
forme podemos verificar na Figura 33.
Figura 33 - Distúrbio utilizado para avaliar a ação derivativa

Fonte: Autor
Na Figura 34 temos quatro gráficos, sendo que essa primeira resposta foi gerada sem
a parcela derivativa que estará representada no Gráfico 34c, neste caso estando em zero.
Figura 34 - Comportamento do sistema sem a ação derivativa

Fonte: Autor
No Gráfico 34a vamos acompanhar o set point e o valor de processo. No Grá-

fico 34b verificamos o erro, e no Gráfico 34d analisamos a ação total do controle.
Como não nos interessa analisar a partida do processo, vamos trabalhar com uma
ampliação nos gráficos e focar o intervalo de 1,5 a 5 segundos, conforme mostra-
do na Figura 35 (ampliação da Figura 34).
52
Figura 35 - Ampliação do Gráfico 34

Fonte: Autor
Analisando o comportamento, podemos verificar que, tendo o controle PI (so-

mente com a parcela proporcional e integral) o erro máximo apresentado, quando
aplicado o distúrbio da Figura 33 foi de ±10°C. Agora, vamos ativar o termo derivativo
e avaliar seu comportamento quando aplicado o mesmo distúrbio. Note na Figura 36
que o erro passou para -6°C a +2°C, melhorando consideravelmente a resposta.
Figura 36 - Ampliação do Gráfico 34, com a ativação do termo derivativo

Fonte: Autor
Aprofundando a questão, devemos verificar se os cálculos estão aproximados

com o que aprendemos. Na Figura 37 temos uma aproximação do instante 2 se-
gundos, que é quando começa o distúrbio.
Figura 37 - Ampliação da resposta com a ação derivada ativada

Fonte: Autor
53
Repare que a parcela derivativa nesse instante é de 100, o que nos leva a con-
cluir que o sentido da ação está correto, pois o distúrbio é de perda de tempe-
ratura e a ação do derivativo está aumentando a energia no sistema. Contudo,
precisamos avaliar se o valor está correto também. No instante de 2 até 2,0005
segundos temos uma variação de 0,02ºC, resultando em uma taxa de variação
0, 02
ou derivada de = 40 º C / segundo. Como o Kd é 2, a contribuição seria de
0, 0005
80 para o controle. Veja que nesse instante a ação derivativa inicia com 100, mas
termina com 80. Considerando a precisão de nossa leitura no gráfico, acreditamos
ter evidenciado uma boa aproximação do comportamento do termo derivativo e
confirmado a teoria aprendida.
Verificaremos, agora, o comportamento do controle, quando tivermos um ru-
ído na medição de temperatura e evidenciarmos o motivo de o termo derivativo
ser sensível a essa situação. Para tanto, vamos retirar o distúrbio e trabalhar so-
mente com o ruído. Vamos comparar a Figura 38, que não apresenta fator deriva-
tivo, com a Figura 39, com o fator.
Figura 38 - Sistema com ruído sem ação derivativa

Fonte: Autor
Figura 39 - Sistema com ruído com ação derivativa

Fonte: Autor
54
Note que o erro na Figura 38 ficou entre -0,5 e 0,5°C; já na Figura 39 verificamos
que o erro ficou entre -5 e 3°C. Vamos analisar a contribuição do termo derivativo
no controle. Veja que está na ordem de 10.000, o que é muito acima da faixa vista
anteriormente. Isso porque o ruído elétrico é caracterizado por ter baixa amplitu-
de e alta velocidade, causando uma taxa de variação alta e, consequentemente,
uma derivada alta.
Recapitulando
No que diz respeito à estratégia de controle PID, a parcela proporcional ape-

nas gera uma saída do controlador proporcional ao erro instantâneo, tendo, na
maioria das vezes, a consequência de não eliminar o erro de regime. Em outras
palavras, somente com o ganho proporcional não se garante o atendimento
contínuo do set point.
Para remover esse erro de regime, necessitamos do termo integral do contro-
lador, que continuará alterando a saída de controle até que o erro chegue a zero,
absorvendo qualquer distúrbio ou variação do processo.
O aumento do Kp e Ki, que são os respectivos ganhos da ação proporcional e
da integral, nos traz maior velocidade na resposta, mas instabiliza o transitório.
Para aumentar esses parâmetros utilizamos o termo derivativo, que atuará com
base na taxa de variação do erro, atuando em mudanças bruscas num futuro
próximo e, por consequência, melhorando a resposta do sistema no transitório.
Esse procedimento garantirá a estabilidade do processo enquanto tentamos
aumentar a velocidade da resposta. O passo a passo será extremamente preju-
dicado se houver a presença de algum ruído elétrico, muitas vezes inviabilizan-
do a utilização da ação derivativa ou necessitando de um filtro de ruído.
55
Anotações:
Referências
ALLEN-BRANDELEY. Proportional/Integral/Derivative Control (2-Loop) Module. User Manu-

al. Disponível em: <http://literature.rockwellautomation.com/idc/groups/literature/documents/
um/1771-um673_-en-p.pdf>. Acesso em: 15 mar. 2012.
________________. Using the PIDE Instruction. 2005. Disponível em: <http://literature.ro-

ckwellautomation.com/idc/groups/literature/documents/wp/logix-wp008_-en-p.pdf>. Acesso em:
15 mar. 2012.
BEACON. Process Safety. 2009. Disponível em: <http://www.sache.org/beacon/files/2009/07/pt/

read/2009-07-Beacon-Portuguese-s.pdf>. Acesso em: 13 mar. 2012.
BENNETT, James; BHASIN, Ajay; GRANT, Jamila; LIM, Wen Chung. PID Tuning Via Classical Methods.
Disponível em: <https://controls.engin.umich.edu/wiki/index.php/PIDTuningClassical>. Acesso em:
15 mar. 2012.
BLUEPRINT, Pid Tuning. Calculus with no math. [s.d.]. Disponível em: <http://www.pidtuning.net/
lesson1_derivatives.html?utm_source=7day&utm_medium=email&utm_campaign=day1>. Acesso
em: 15 mar. 2012.
CASSIOLATO, César. Sistemas Instrumentados de Segurança: Uma visão prática – Parte 1. 2010. Dis-
ponível em: <http://www.smar.com/newsletter/marketing/index72.html>. Acesso em: 13 mar. 2012.
________________. Sistemas Instrumentados de Segurança: Uma visão prática – Parte 2. 2010. Dis-
CO, Tomas B. Cohen Coon Tuning Method. 2000. Disponível em: <http://www.chem.mtu.
edu/~tbco/cm416/cctune.html>. Acesso em: 15 mar. 2012.
___________. PID Controller Tuning Simulation. 2000. Disponível em: <http://www.chem.mtu.

edu/~tbco/cm416/pidchoice.html>. Acesso em: 15 mar. 2012.
COELHO, Antonio A. R. Identificação e Controle Adaptativo. [s.d.]. Disponível em: <http://
www.das.ufsc.br/~aarc/ensino/graduacao/DAS5901/Controle_Adaptativo_Introducao.pdf>.
Acesso em: 15 mar. 2012.
COPELAND, Brian R. The Design of Controllers using Ziegler Nichols Tuning. 2008. Disponí-
vel em: <http://www.eng.uwi.tt/depts/elec/staff/copeland/ee27B/Ziegler_Nichols.pdf>. Acesso
em: 13 mar. 2012.
GOODWIN; GRAEBE; SALGADO; PRENTICE, Hall. Classical PID Control. 2000. Disponível em: <http://
csd.newcastle.edu.au/book_slds_download/Ch06c.pdf>. Acesso em: 15 mar. 2012.
HAUGEN, Finn. Ziegler-Nichols’ Closed-Loop Method. 2010. Disponível em: <http://techte-

ach.no/publications/articles/zn_closed_loop_method/zn_closed_loop_method.pdf>. Acesso
em: 15 mar. 2012.
HAUGEN, Finn. Ziegler-Nichols’ Open-Loop Method. 2010. Disponível em: <http://techteach.no/

publications/articles/zn_open_loop_method/zn_open_loop_method.pdf>. Acesso em: 15 mar. 2012.
INTERNATIONAL ELECTROTECHNICAL COMMISSION. 61508-1. Functional safety of electrical/elec-

tronic/programmable electronic safety-related systems. Part 1: General requirements. 1997.
___________________________________________. 61508-2. Functional safety of electrical/

electronic/programmable electronic safety-related systems. Part 2:Requirements for electrical/
electronic/programmable electronic safety-related systems 1997.
___________________________________________. 61508-5. Functional safety of electrical/elec-

tronic/programmable electronic safety-related systems. Part 5: Examples of methods for the
determination of safety integrity levels 1997.
INSTRUMENTATION, Applied Electronics and. Cohen coon tuning. 2004. Disponível em: <http://
c.1asphost.com/dimensionz/Education/process/coon.pdf>. Acesso em 15 mar. 2012.
MAIA, Renato D. Realimentação Linear de Variáveis de Estado – parte 2. [s.d.]. Disponível

em: <http://www.cpdee.ufmg.br/~rdmaia/2011/01/CSII/8_RealimentacaoEstados_3PP.pdf>.
MOSTIA JR., William L. The Safety Instrumented Function. 2003. Disponível em: <http://www2.
emersonprocess.com/siteadmincenter/PM%20DeltaV%20Documents/Articles/ControlMagazine/
The-Safety-Instrumented-Function-An-S-Word-Worth-Knowing.pdf>. Acesso em: 13 mar. 2012.
NOVUS, Produtos Eletrônicos. Introdução ao controle PID. [s.d.]. Disponível em: <http://www.das.
ufsc.br/~aarc/ensino/posgraduacao/DAS6613/PID_Novus.pdf>. Acesso em: 15 mar. 2012.
OLIVEIRA, Elvio Nascimento de. Cálculo do SIL Atingido. [s.d.]. Disponível em: <http://labsoft.com.
br/arquivos/artigos/CT-018_09.pdf>. Acesso em: 13 mar. 2012.
PEREIRA, Luís Fernando A.; HAFFNER, José Felipe. Anexo1 - Módulos de função para a realização
de controle. [s.d.]. Disponível em: <http://www.feng.pucrs.br/~gacs/new/disciplinas/ci/apostilas/
Aula11A1.pdf>. Acesso em: 15 mar. 2012.
______;______. Projeto de Controladores no Domínio da Freqüência. [s.d.]. Disponível em:

<http://www.feng.pucrs.br/~gacs/new/disciplinas/psc/apostilas/Aula6new.pdf >. Acesso em: 14
mar. 2012.
______;______. Representação de Sistemas Dinâmicos por Variábeis de Estado. [s.d.]. Disponí-

vel em: <http://www.feng.pucrs.br/~gacs/new/disciplinas/asl/apostilas/Aula08.pdf>. Acesso em: 14
mar. 2012.
______; ______. Sintonia de Controladores PID. Disponível em: <http://www.feng.pucrs.

br/~gacs/new/disciplinas/psc_CN/apostilas/Aula6.pdf>. Acesso em: 15 mar. 2012.
SIEMENS. SIMATIC - Modular PID Control. User Manual. [s.d.]. Disponível em: <http://www.fer.
unizg.hr/_download/repository/Pid_e.pdf>. Acesso em 15 mar. 2012.
_______. SIMATIC - Standard Software for S7-300 and S7-400 PID Control. User Manual. [s.d.]. Dispo-
nível em: <http://www.fer.unizg.hr/_download/repository/S7pidcob.pdf>. Acesso em: 15 mar. 2012.
SILVA FILHO, Amaro Miguel. Sistemas Instrumentados de Segurança para uma Unidade de Pro-
dução de Biodiesel. 2008. Disponível em: <http://www2.ee.ufpe.br/instrumentacao/monografias/
Amaro_Miguel_PROMINP_I.pdf>. Acesso em: 13 mar. 2012.
SILVA, João Manoel G. da. Ação Liga-Desliga. [s.d.]. Disponível em: <http://www.ece.ufrgs.
br/~jmgomes/pid/Apostila/apostila/node20.html>. Acesso em: 14 mar. 2012.
SIS & SIL. A norma de sistemas instrumentados de segurança para brasileiros. [s.d.]. Dis-
ponível em: <http://www.exida.com/images/uploads/ARTIGO_SIS__SIL_INTECH_127.pdf>.
SOARES, Rosana. Sistemas de Controle I: cap 1. Fundação de Economia e Estatística. [s.d.]. Dis-
ponível em: <http://xa.yimg.com/kq/groups/24783070/1148762765/name/controleI_Teoria_
Sem01_2011_cap01.pdf>. Acesso em: 13 mar. 2012.
STATION, Control. Controller Gain Is Dimensionless in Commercial Systems. [s.d.]. Disponível em:
<http://controlstation.brightegg.com/page/132-controller-gain-is-dimensionless-in-commercial-
-systems>. Acesso em: 15 mar. 2012.
______________. PI Control of the Heat Exchanger. [s.d.]. Disponível em: <http://controlstation.
brightegg.com/page/146-pi-control-of-the-heat-exchanger>. Acesso em: 15 mar. 2012.
VANDOREN, Vance. Auto-Tuning Control Using Ziegler-Nichols. 2006. Disponível em: <http://www.
ceasiamag.com/article/auto-tuning-control-using-ziegler-nichols/2255>. Acesso em: 15 mar. 2012.
WEG. Manual do usuário. 2011. Disponível em: <http://catalogo.weg.com.br/files/wegnet/

WEG-wps-software-programacao-weg-10001027753-1.40-manual-portugues-br.pdf>. Acesso
em: 13 mar. 2012.
______. Engenharia de Controle e Automação. 2011. Disponível em: <http://pt.wikipedia.org/

wiki/Engenharia_de_controle_e_automa%C3%A7%C3%A3o#Controle_em_malha_fechada>.
______. Model Predictive Control. 2012. Disponível em: <http://en.wikipedia.org/wiki/Model_pre-

dictive_control>. Acesso em: 13 mar. 2012.
______. Optimal Control. 2012. Disponível em: <http://en.wikipedia.org/wiki/Optimal_control>.

______. PID Controller. 2012. Disponível em: <http://en.wikipedia.org/wiki/PID_controller>. Aces-

so em: 13 mar. 2012.
______. Teoria de Controle. 2011. Disponível em: <http://pt.wikipedia.org/wiki/Teoria_de_contro-

le>. Acesso em: 13 mar. 2012.
Índice
A
Amplificadores 32, 92
Área do erro 43, 47, 48, 83
Atraso de transporte 59, 70, 71
Atuador 27, 29, 30, 31, 39, 50, 58, 64, 65, 66, 68, 74, 84, 91
C
Controlador 13, 17, 18, 19, 21, 28, 29, 30, 31, 32, 34, 35, 36, 39, 40, 41, 42, 44, 45, 48, 50, 54, 58, 59,
63, 64, 68, 71, 72, 73, 74, 75, 78, 79, 81, 82, 83, 84, 85, 88, 89, 90, 91, 92, 93
Conversor DA 40
D
Degrau 70, 71, 74, 75, 84, 88
Derivada 30, 48, 50
Distúrbio 32, 35, 45, 51, 52, 53, 54, 59, 64, 68, 69, 70
E
Erro de regime 31, 40, 41, 46, 54, 60, 61
H
Histerese 39
I
Inércias 30
Integrador 32, 60, 61, 93
Integral 30, 42, 48, 72, 97
K
Kd 50, 53, 64, 65, 68, 70, 72, 73, 78, 84, 92, 94
Ki 44, 47, 54, 61, 62, 64, 65, 66, 67, 68, 69, 70, 72, 73, 77, 78, 84, 92, 94
Kp 40, 41, 45, 46, 47, 48, 54, 60, 61, 64, 65, 66, 67, 68, 69, 70, 72, 73, 75, 76, 77, 78, 81, 84, 88, 89,
92, 93, 94
M
Malha aberta 70
Matlab 32, 36
Multivariável 36
O
Oscilações 36, 58
P
Parâmetros 13, 30, 35, 54, 57, 63, 64, 71, 72, 78, 79, 81, 84, 85, 86, 90, 91, 93
Pcr 77, 78, 89
Performance 30, 34, 50, 63, 64, 68, 79, 89, 90
Pi 30, 50, 52, 64, 68, 72, 73, 77, 100
Pid 13, 27, 28, 30, 32, 35, 39, 40, 41, 46, 48, 54, 57, 64, 72, 73, 74, 77, 78, 79, 81, 84, 85, 86, 87, 89,
90, 91, 92, 93, 94, 97, 98, 99, 100
Pwm 40, 58, 74, 75, 91
R
Ruído 50, 53, 54
S
Saturação 36, 37
Sensor 17, 28
Set point 42
Sintonia 13, 57, 63, 73, 78, 86, 87, 99
Siso 32
Sistema dinâmico 33
Sobressinal 32
T
Taxa de variação 30, 48, 50, 53, 54, 70, 83, 84, 92, 94
Tempo de estabilização 68
Tempo de resposta 61
Tempo total de pwm 40, 58, 74, 75
Termo derivativo 50, 51, 52, 53, 54, 62, 68, 70, 83, 92
Transitório 54, 62, 63, 68, 70
Tristor 40
SENAI – DEPARTAMENTO NACIONAL
projeto de capacitação/atualização tecnológica em automação industrial
Rolando Vargas Vallejos

Gerente Executivo
Felipe Esteves Morgado

Gerente Executivo Adjunto
Loni Elisete Manica

Coordenação Geral do Desenvolvimento dos Livros
SENAI – DEPARTAMENTO REGIONAL DO RIO GRANDE DO SUL
Claiton Oliveira da Costa

Coordenação do Desenvolvimento dos Livros no Departamento Regional
Cristiano Zanini Nazario

Elaboração
Giancarllo Josias Soares

Revisão Técnica
Enrique S. Blanco
Fernando R. G. Schirmbeck
Maria de Fátima R.de Lemos
Design Educacional
Regina Maria Recktenwald

Revisão Ortográfica e Gramatical
Bárbara Polidori Backes

Camila J. S. Machado
Rafael Andrade
Ilustrações
Bárbara V. Polidori Backes

Tratamento de imagens e Diagramação
i-Comunicação
Projeto Gráfico

Instrumentacao Livro 2

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

Instrumentacao Livro 2

Enviado por

Direitos autorais:

Formatos disponíveis

CONFEDERAÇÃO NACIONAL DA INDÚSTRIA – CNI

Robson Braga de Andrade

Diretoria de Educação e Tecnologia

SENAI-RS – SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL

Robson Braga de Andrade

SENAI – Departamento Nacional

Gustavo Leal Sales Filho

SENAI-RS – SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL

Diretor Regional e Membro Nato do Conselho Regional do SENAI-RS

Carlos Artur Trein

Carlos Heitor Zuanazzi

Figura 6 - Forno de revenimento

Na parte inferior do diagrama temos uma caixa denominada “sensor”. Em sua

Figura 7 - Banco de resistências

Como sabemos na prática, um forno não responde de forma

Vamos agora passar por todos os tipos de controladores, comentando-os rapi-

3.1 Controladores clássicos

O conceito de controlador clássico dominou até o final da década de 50, quan-

Pesquise mais detalhes sobre a história dos controladores

Figura 8 - Comportamento do Controle On / Off

A estratégia de controle PID será nosso principal objeto de estudo devido a

3.1.3 Avanço e atraso de fase

Para essa estratégia de controle e as próximas estratégias que serão apresentadas,

Figura 9 - Respostas em um sistema realimentado

O compensador de atraso de fase será utilizado justamente para eliminar ou

3.2 Controladores modernos

Com o aumento da complexidade dos sistemas como aviões de guerra, na-

Entendendo distúrbios em processos

Para entender melhor a teoria do controle moderno, precisaremos entender

Agora, vamos conhecer um pouco mais sobre o conceito de sistema dinâmico,

Figura 10 - Circuito e gráfico para identificação do comportamento do resistor

Já o capacitor e o indutor são elementos que possuem uma dinâmica em

Figura 11 - Comportamento do indutor e do capacitor

Figura 12 - Sistema massa-mola-amortecedor

3.2.1 Variáveis de estado ou multivariáveis

Devemos saber que as variáveis de estado equivalem às variáveis dinâmicas de

Figura 13 - Realimentação dos estados

Repare que as duas variáveis mencionadas são realimentadas na entrada multiplica-

O fato de podermos alterar a dinâmica das variáveis do

3.2.2 Controle adaptativo

Figura 14 - Diagrama do controle adaptativo

3.2.3 Controle ótimo

Imagine que você está projetando um controle por variáveis de estado e, ao

3.2.4 Controle não linear

Os elementos não-lineares estão presentes na maioria dos sistemas a serem

3.2.5 Controle preditivo

É um controle multivariável que usa as medições das variáveis de estado feitas

3.2.6 Controle robusto

Em contraste com o controlador adaptativo, essa forma de controle será estática,

Um exemplo de robustez é a eliminação do problema de saturação comenta-

3.2.7 Controle inteligente

É o tipo de estratégia baseada em modelos de aprendizado. Esse sistema

Modelos de aprendizado são recursos computacionais de

Como observamos, neste capítulo, existem inúmeras estratégias de controle

Figura 15 - Exemplo de um controlador com PID

Atenção quando utilizar uma contactora ligando um banco de

Um fato importante que deve ser ressaltado: esses

A Figura 17 mostra um diagrama do termo proporcional.

Figura 17 - Parte proporcional do PID

Acabamos de discutir um dos extremos do controle proporcional, que dará

Figura 18 - Comportamento gráfico de uma função conhecida

Tabela 3: Valores do processo de aquecimento do forno

Figura 19 - A) Representação gráfica do set point e a temperatura do processo.

;. Projeto de Controladores no Domínio da Freqüência. [s.d.]. Disponível em:

;. Representação de Sistemas Dinâmicos por Variábeis de Estado. [s.d.]. Disponí-

; . Sintonia de Controladores PID. Disponível em: <http://www.feng.pucrs.