Capítulo 6

Controlo Ótimo Linear Quadrático de Sistemas Multivariáveis

(K. Bousson)

Neste capítulo, vai-se apresentar o método de dimensionamento de

controladores lineares ótimos com base em critérios de desempenho
quadráticos para sistemas multivariáveis cujos parâmetros não variam no
tempo (mas sim permanecem constantes em torno de dados modos de
funcionamento). Considera-se o seguinte sistema linear ou linearizado:

x  Ax  Buc (1)

com: x n , uc m , A nn , B nm .

6.1. Estabilização para a origem (para x* igual a zero)

Assume-se nesta seção o sistema com estado controlável.

Num projeto de controlador quadrático, interessa escolher o vector

de controlo uc(t) para que um critério de desempenho quadrático (J) seja
minimizado, sabendo que este último é definido por:

J (uc )   L( x, uc )dt (2)
0

onde L(uc,x) é uma função quadrática de x e uc.

Uma vez que o controlo que se pretende determinar destina-se

basicamente a sistemas lineares com base em minimização de um critério
quadrático, o controlador resultante é um regulador linear quadrático, ou
seja em inglês: Linear Quadratic Regulator (LQR).

Interessa-se nos reguladores LQR em parametrizar o vector de

controlo como uma função linear do vector de estado x, isto é:

uc   Kx (3)

1
onde K é uma matriz com m linhas e n colunas ( K mn ), ou seja a
equação (3) pode ser escrita sob a forma:

 u1   k11 k12 . . . k1n   x1 

u  k k22 . . . k 2 n   x2 
 2  21  
 .   . .  . 
     
 .   . .  . 
 .   . .  . 
    
um   k m1 k m 2 . . . kmn   xn 

Portanto, o dimensionamento de um tal controlador resume-se em

determinar a matriz K de modo a minimizar o critério de desempenho J
com o controlo definida pela equação (3).

A expressão L(x,uc) na equação (2) está suposta ser quadrática em x e

u; portanto esta pode ser escrita sob a seguinte forma:

L( x, uc )  xT Qx  ucT Ruc (4)

onde: Q é uma matriz simétrica e positivamente semi-definida, enquanto a

matriz R é positivamente definida. Com a equação (4), o critério de
desempenho (equação 2) é de facto:

 x Qx  u Ruc  dt

J (uc )   T T
c (5)
0

Substituindo a expressão de uc (equação 3) nas equações (1) e (5),

obtêm-se respectivamente:

x  Ax  BKx  ( A  BK ) x (6)
x (Q  K T RK ) x  dt

J (uc )   T
(7)
0

A equação (6) é a equação do sistema de malha fechada (com o

controlador a funcionar). Para determinar a lei de controlo, é necessário
achar uma função de Liapunov V para o sistema de malha fechada sob a
forma: V ( x )  x T Px , sendo P uma matriz simétrica positivamente definida.
Neste caso, a derivada no tempo desta função de Liapunov deve ser igual à
oposta da função a ser integrada na equação (7), isto é:

2
 d
V ( x )  ( x T Px )   x T (Q  K T RK ) x
dt

Mas tem-se:
d T
( x Px )  x T Px  x T Px
dt

Portanto:

x T ( A  BK )T P  P ( A  BK )  x   x T (Q  K T RK ) x

Para que esta equação diferencial seja estável é preciso que a matriz K
satisfaça a seguinte equação (de Liapunov):

( A  BK )T P  P( A  BK )  (Q  K T RK )

Assumindo que a matriz K é a incógnita nesta última equação, então a

solução é:

K  R 1BT P (8)

Portanto, pela equação (3):

uc   Kx   R 1 BT Px (9)

Repare-se que neste caso, a matriz P da equação anterior deve satisfazer a

seguinte equação de Riccati:

AT P  PA  PBR 1BT P  Q  0 (10)

Em resumo, tem-se o seguinte algoritmo para o dimensionamento de um

controlador:

1. Considerar uma matriz Q simétrica e positivamente semidefinida e

uma outra matriz R simétrica mas positivamente definida.
2. Achar P pela equação de Riccati (equação 10), (utilizando por
exemplo a função lqr de Matlab).
3. Substituir P na equação (9) para achar a expressão do controlo ótimo
(isto é; uc   Kx   R 1BT Px ) que regule o sistema (e que minimize de
facto a função de custo na equação (5)).

3
Para simular o sistema de malha fechada (sistema controlado pela lei de
controlo uc  Kx ), basta simular a equação (6), isto é: x  ( A  BK)x , com a
matriz K  R 1BT P (equação (8)).

6.2. Estabilização fora da origem (para x* diferente de zero)

Consideremos um sistema cuja dinâmica seja descrita no espaço de estados

pelas seguintes equações:
x  Ax  Buc
y  Cx

Assume-se o sistema controlável (de estado e de saída) e pretende-se

projetar um controlador que mande a saída do sistema seguir uma
referência yref .

Aqui vai o procedimento:

1. Achar uma matriz simétrica e positivamente definida P que seja

solução da seguinte equação de Riccati:

AT P  PA  PBR 1BT P  Q  0

sendo Q uma matriz simétrica positivamente semidefinida e R uma

outra matriz simétrica que seja positivamente definida. Uma tal
matriz P pode ser determinada utilizando o método LQR. Com a
matriz P obtida deste modo, criar a função de Liapunov definida por:
V ( x )  x T Px .

2. Determinar o estado x * e o controlo uc* que correspondam à

referência de saída yref resolvendo o seguinte sistema de equações
(sendo x * e uc* as incógnitas):

x *  Ax *  Buc*  0
Cx*  yref

Este sistema de equações é equivalente a:

4
  A B   x*   0 
 C 0   *    I  yref
   uc   

Portanto a solução é dada por:

1
 x*   A B   0 
 *     yref
 uc   C 0   I 

3. Aplicar a cada instante tk o sinal de controlo calculado do seguinte

modo:

uc ,k  uc (tk )  uc*  R 1BT P ( xk  x* )

sendo xk  x (tk ) o estado corrente do sistema.