Fadali Digital Control Engineering Traduzido

Machine Translated by Google
Academic Press é uma marca da Elsevier

Unidade Corporativa 30, Suíte 400
Burlington, MA 01803
Este livro foi impresso em papel sem ácido.
Copyright © 2009 da Elsevier Inc. Todos os direitos reservados.
As designações utilizadas pelas empresas para distinguir os seus produtos são frequentemente reivindicadas
como marcas comerciais ou marcas registadas. Em todos os casos em que a Academic Press tem
conhecimento de uma reclamação, os nomes dos produtos aparecem em letras maiúsculas ou em letras
maiúsculas. Os leitores, entretanto, deverão entrar em contato com as empresas apropriadas para obter
informações mais completas sobre marcas e registros.
Nenhuma parte desta publicação pode ser reproduzida, armazenada em um sistema de recuperação
ou transmitida de qualquer forma ou por qualquer meio, eletrônico, mecânico, fotocópia, digitalização
ou outro, sem permissão prévia por escrito do editor.
As permissões podem ser solicitadas diretamente ao Departamento de Direitos Científicos e

Tecnológicos da Elsevier em Oxford, Reino Unido: telefone: (+44) 1865 843830, fax: (+44) 1865 853333, e-
mail: permissions@elsevier.com. Você também pode preencher sua solicitação on-line na página inicial da
Elsevier (http:// elsevier.com), selecionando “Suporte e contato”, “Direitos autorais e permissão” e “Obtenção
de permissões”.
Dados de catalogação na publicação da Biblioteca do Congresso

Aplicação submetida
ISBN 13: 978-0-12-374498-2
Para obter informações sobre todas as publicações da Academic

Press, visite nosso website em www.books.elsevier.com
Impresso nos Estados Unidos

09 10 11 12 13 10 9 8 7 6 5 4 3 2 1
Trabalhando juntos para crescer

bibliotecas em países em desenvolvimento
www.elsevier.com | www.bookaid.org | www.sabre.org
Prefácio
Abordagem
Os sistemas de controle são parte integrante da vida cotidiana na sociedade atual. Eles controlam nossos
eletrodomésticos, nossos centros de entretenimento, nossos carros e nossos ambientes de escritório; controlam
os nossos processos industriais e os nossos sistemas de transporte; eles controlam nossa exploração da terra,
do mar, do ar e do espaço. Quase todas essas aplicações usam controladores digitais implementados com
computadores, microprocessadores ou eletrônicos digitais. Todo estudante de graduação ou pós-graduação em
engenharia elétrica, química ou mecânica deve, portanto, estar familiarizado com a teoria básica dos
controladores digitais.
Este texto foi elaborado para um curso sênior ou combinado de nível sênior/pós-graduação em controles
digitais em departamentos de engenharia mecânica, elétrica ou química.
Embora outros textos estejam disponíveis em controles digitais, a maioria não fornece um formato satisfatório
para uma turma de nível sênior/pós-graduação. Alguns textos têm poucos exemplos para apoiar a teoria, e
alguns foram escritos antes da ampla disponibilidade de pacotes de design auxiliado por computador (CAD).
Outros fazem algum uso de pacotes CAD, mas não exploram totalmente suas capacidades. A maioria dos textos
disponíveis baseia-se na suposição de que os alunos devem concluir vários cursos em sistemas e teoria de
controle antes de serem expostos ao controle digital. Discordamos dessa suposição e acreditamos firmemente
que os alunos podem aprender controle digital após um curso de um semestre que abrange os fundamentos do
controle analógico. Tal como acontece com outros tópicos que começaram no nível de pós-graduação – álgebra
linear e análise de Fourier, para citar alguns – chegou a hora de o controle digital se tornar parte integrante do
currículo de graduação.
Características
Para atender às necessidades de um curso típico de nível sênior/pós-graduação, este texto inclui os seguintes
recursos:
Numerosos exemplos. O livro inclui um grande número de exemplos. Normalmente, apenas um ou dois exemplos
podem ser abordados em sala de aula devido ao tempo
ÿ ÿ Prefácio
limitações. O aluno pode usar os exemplos restantes para auto-estudo. A experiência

dos autores é que os alunos precisam de mais exemplos para experimentar, a fim de
obter uma melhor compreensão da teoria. Os exemplos são variados para revelar
sutilezas da teoria que os alunos podem ignorar.
Uso extensivo de pacotes CAD. O livro faz uso extensivo de pacotes CAD.
Vai além da referência ocasional a comandos específicos para a integração desses
comandos na modelagem, projeto e análise de sistemas de controle digital. Por
exemplo, os procedimentos de projeto do lugar das raízes fornecidos na maioria dos
textos de controle digital não são procedimentos CAD e, em vez disso, enfatizam o
projeto em papel e lápis. O uso de pacotes CAD, como o MATLAB®, liberta os alunos
do trabalho enfadonho dos cálculos mundanos e permite-lhes ponderar aspectos mais
sutis da análise e projeto do sistema de controle. A disponibilidade de uma ferramenta
de simulação como o Simulink® permite ao aluno simular sistemas de controle em
malha fechada incluindo aspectos negligenciados no projeto, como não linearidades e perturbações.
Cobertura de material de fundo. O livro em si contém material de revisão de sistemas

lineares e controle clássico. Algum material de apoio está incluído em apêndices que
podem ser revisados em aula ou consultados pelo aluno conforme necessário. O
material de revisão, que muitas vezes é negligenciado em textos de controle digital, é
essencial para a compreensão da análise e projeto de sistemas de controle digital. Por
exemplo, o comportamento de sistemas de tempo discreto no domínio do tempo e no
domínio da frequência é um tópico padrão em textos de sistemas lineares, mas
geralmente recebe uma breve cobertura. O design do locus raiz é quase idêntico para
sistemas analógicos no domínio s e sistemas digitais no domínio z. O tópico é abordado
de forma muito mais extensa em textos de controle clássicos e de forma inadequada
em textos de controle digital. Espera-se que o aluno de controle digital se lembre deste
material ou confie em outras fontes. Muitas vezes, os instrutores são obrigados a
compilar o seu próprio material de revisão e a continuidade do curso é afetada negativamente.
Inclusão de tópicos avançados. Além dos tópicos básicos exigidos para um curso de
graduação/pós-graduação de um semestre, o texto inclui algum material avançado para
torná-lo adequado para um curso introdutório de pós-graduação ou para dois trimestres
de nível sênior/pós-graduação. Esperamos também que os alunos de um curso
semestral adquiram experiência e interesse suficientes para ler os capítulos adicionais
por conta própria. Exemplos de tópicos opcionais são métodos de espaço de estados,
que podem receber breve cobertura em um curso de um semestre, e sistemas não
lineares de tempo discreto, que podem não ser abordados.
Pré-requisitos matemáticos padrão. A formação matemática necessária para a compreensão

da maior parte do livro não excede o que pode ser razoavelmente esperado do veterano
médio em engenharia elétrica, química ou mecânica. Esta formação inclui três
semestres de cálculo, equações diferenciais e álgebra linear básica. Alguns textos
sobre controle digital exigem mais maturidade matemática e estão, portanto, fora do
alcance do idoso típico.
Prefácioÿ XI
Por outro lado, o texto inclui tópicos opcionais para o aluno mais avançado. O restante do texto não
requer conhecimento deste material opcional para que possa ser facilmente ignorado se necessário.
Pré-requisitos da teoria do sistema sênior. A base de controle e teoria de sistemas necessária para a
compreensão do livro não excede o material normalmente abordado em um semestre de sistemas
lineares e um semestre de sistemas de controle. Assim, os alunos deverão estar familiarizados com as
transformadas de Laplace, o domínio da frequência e o lugar das raízes. Eles não precisam estar
familiarizados com o comportamento de sistemas de tempo discreto no domínio da frequência e do
tempo ou ter vasta experiência com projeto de compensadores no domínio s. Para um público com
amplo conhecimento nesses tópicos, alguns tópicos podem ser ignorados e o material pode ser
abordado mais rapidamente.
Cobertura de teoria e aplicações. O livro tem dois autores: o primeiro está interessado principalmente na
teoria de controle e o segundo está principalmente interessado em aplicações práticas e implementação
de hardware. Embora alguns teóricos do controle tenham familiaridade suficiente com questões
práticas, como implementação de hardware e aplicações industriais, para abordar o assunto em seus
textos, o material incluído é muitas vezes deficiente devido aos rápidos avanços na área e ao
conhecimento limitado que os teóricos têm do assunto.
Ficou claro para o primeiro autor que para ter um texto adequado ao seu curso e cursos similares, ele
precisava encontrar um parceiro para completar o texto de forma satisfatória.
Aos poucos foi coletando material para o texto e passou a procurar um parceiro qualificado e interessado.
Finalmente, ele encontrou um coautor que compartilhava seu interesse pelo controle digital e a crença de
que ele pode ser apresentado em um nível acessível ao estudante médio de graduação em engenharia.
Há cerca de 10 anos, o Dr. Antonio Visioli ministra um curso introdutório e laboratorial sobre controle
automático, além de um curso sobre tecnologia de sistemas de controle. Além disso, seus interesses de
pesquisa estão nas áreas de reguladores industriais e robótica. Embora tenha contribuído com o material
apresentado ao longo do texto, sua maior contribuição foi agregar material relacionado ao projeto prático e
implementação de sistemas de controle digital. Este material raramente é abordado em textos sobre
sistemas de controle, mas é um pré-requisito essencial para a aplicação prática da teoria de controle digital.
O texto foi escrito para ser o mais independente possível. Contudo, espera-se que o leitor tenha
concluído um semestre de sistemas lineares e controle clássico.
Ao longo do texto, é feito uso extensivo do pacote de computação numérica e design auxiliado por
computador MATLAB. Tal como acontece com todas as ferramentas computacionais, as enormes
capacidades do MATLAB não substituem uma compreensão sólida da teoria apresentada no texto. Como
exemplo do uso inadequado de tecnologia de apoio, relembramos a história do motorista que seguiu as
instruções
xiiÿ Prefácio
de seu sistema GPS e colidiu com um trem que se aproximava!1 O leitor deve usar o MATLAB como uma
ferramenta para apoiar a teoria sem aceitar cegamente seus resultados computacionais.
Organização do Texto
O texto começa com uma introdução ao controle digital e as razões de sua popularidade. Ele também fornece
alguns exemplos de aplicações de controle digital da literatura de engenharia.
O Capítulo 2 considera modelos de tempo discreto e sua análise usando a transformada z . Revisamos a
transformada z, suas propriedades e seu uso para resolver equações de diferenças. O capítulo também revisa
as propriedades da resposta em frequência de sistemas de tempo discreto. Após uma breve discussão do
teorema da amostragem, podemos fornecer regras práticas para selecionar a taxa de amostragem
para um determinado sinal ou para uma determinada dinâmica do sistema. Este material é frequentemente
abordado em cursos de sistemas lineares, e grande parte dele pode ser ignorado ou abordado rapidamente
em um curso de controle digital. Contudo, o material está incluído porque serve de base para grande parte do
material do texto.
O Capítulo 3 deriva modelos matemáticos simples para sistemas lineares de tempo discreto.
Derivamos modelos para o conversor analógico-digital (ADC), o conversor digital-analógico (DAC) e para um
sistema analógico com um DAC e um ADC. Incluímos sistemas com atrasos que não são um múltiplo inteiro
do período de amostragem.
Estas funções de transferência são particularmente importantes porque muitas aplicações incluem uma planta
analógica com DAC e ADC. No entanto, existem situações em que diferentes configurações são utilizadas.
Portanto, incluímos uma análise de uma variedade de configurações com amostradores. Também caracterizamos
o erro de rastreamento em estado estacionário de sistemas de tempo discreto e definimos constantes de
erro para o caso de realimentação unitária. Essas constantes de erro desempenham um papel análogo às
constantes de erro para sistemas analógicos. Utilizando nossa análise de configurações mais complexas,
conseguimos obter o erro devido a uma entrada de perturbação.
No Capítulo 4 apresentamos testes de estabilidade para sistemas de entrada-saída. Examinamos as

definições de estabilidade de insumo-produto e estabilidade interna e derivamos condições para cada
uma delas. Ao transformar o polinômio característico de um sistema de tempo discreto, podemos testá-lo
usando o critério padrão de Routh-Hurwitz para sistemas analógicos. Utilizamos o critério de Júri, que nos
permite testar diretamente a estabilidade de um sistema em tempo discreto. Finalmente, apresentamos o
critério de Nyquist para o domínio z e o utilizamos para determinar a estabilidade em malha fechada de
sistemas de tempo discreto.
O Capítulo 5 apresenta o projeto analógico de domínio s de proporcional (P), proporcional mais integral
(PI), proporcional mais derivado (PD) e proporcional mais integral.
1
A história foi noticiada no Chicago Sun-Times, em 4 de janeiro de 2008. O motorista, um consultor de informática, escapou
bem a tempo antes de o trem bater em seu carro a 60 mph em Bedford Hills,
Nova Iorque.
fingirÿ xiii
controle mais derivado (PID) usando MATLAB. Usamos o MATLAB como parte integrante do processo de
design, embora muitas etapas do design possam ser concluídas usando uma calculadora científica. Parece
que um capítulo sobre design analógico não pertence a um texto sobre controle digital. Isto é falso. O
controle analógico pode ser usado como primeiro passo para obter um controle digital. Além disso, o projeto
de controle digital direto no domínio z é semelhante em muitos aspectos ao projeto do domínio s.
O projeto do controlador digital é tópico do Capítulo 6. Ele começa com o projeto do controle proporcional
e depois examina os controladores digitais baseados no projeto analógico. O projeto direto de controladores
digitais é considerado a seguir. Consideramos o projeto do lugar das raízes no plano z para controladores
PI e PID. Consideramos também uma abordagem de síntese devida a Ragazzini que nos permite especificar
a função de transferência em malha fechada desejada. Como um caso especial, consideramos o projeto
de controladores deadbeat que nos permitem rastrear exatamente uma entrada nos pontos de amostragem
após alguns pontos de amostragem. Para completar, também examinamos o design da resposta de
frequência no plano w . Esta abordagem requer mais experiência porque os valores das margens de
estabilidade devem ser significativamente maiores do que no projeto analógico mais familiar. Tal como
acontece com o projeto analógico, o MATLAB é parte integrante do processo de projeto para todas as
abordagens de controle digital.
O Capítulo 7 cobre modelos de espaço de estados e realizações de espaço de estados. Primeiro,

discutimos equações analógicas de espaço de estados e suas soluções. Incluímos equações analógicas
não lineares e sua linearização para obter equações lineares no espaço de estados. Mostramos então que
a solução das equações de estado analógicas durante um período de amostragem produz um modelo de
espaço de estados em tempo discreto. As propriedades da solução da equação de estado analógica podem,
portanto, ser usadas para analisar a equação de estado em tempo discreto. A equação de estado em tempo
discreto é uma recursão para a qual obtemos uma solução por indução. No Capítulo 8, consideramos
propriedades importantes dos modelos de espaço de estados: estabilidade, controlabilidade e
observabilidade. Tal como no Capítulo 4, consideramos a estabilidade interna e a estabilidade de entrada-
saída, mas o tratamento é baseado nas propriedades do modelo de espaço de estados e não nas da função
de transferência. Controlabilidade é uma propriedade que caracteriza nossa capacidade de conduzir o
sistema de um estado inicial arbitrário para um estado final arbitrário em tempo finito. A observabilidade
caracteriza nossa capacidade de calcular o estado inicial do sistema usando suas medidas de entrada e
saída.
Ambas são propriedades estruturais do sistema que independem de sua estabilidade.
A seguir, consideramos realizações de sistemas de tempo discreto. Estas são formas de implementar
sistemas de tempo discreto através de suas equações de espaço de estados usando verões e atrasos.
O Capítulo 9 aborda o projeto de controladores para modelos de espaço de estados. Mostramos que a
dinâmica do sistema pode ser escolhida arbitrariamente usando realimentação de estado se o sistema for
controlável. Se o estado não estiver disponível para feedback, podemos projetar um estimador ou
observador de estado para estimá-lo a partir das medições de saída. São sistemas dinâmicos que imitam
o sistema, mas incluem feedback corretivo para dar conta de erros inevitáveis em qualquer implementação.
Damos dois tipos de observadores. O primeiro é um observador de ordem completa mais simples, porém
mais caro computacionalmente, que estima todo o vetor de estado. O segundo é uma ordem reduzida
XIVÿ Prefácio
observador com a ordem reduzida em virtude do fato de que as medidas estão disponíveis e não precisam
ser estimadas. Qualquer observador pode ser usado para fornecer uma estimativa do estado para controle de
feedback ou para outros fins. Diz-se que os esquemas de controle baseados em estimativas de estado usam
feedback do estado do observador.
O Capítulo 10 trata do controle ideal de sistemas de controle digital. Consideramos o problema da
otimização irrestrita, seguida pela otimização restrita, e então generalizamos para a otimização dinâmica
conforme restringida pela dinâmica do sistema. Estamos particularmente interessados no regulador quadrático
linear, onde os resultados da otimização são fáceis de interpretar e o conhecimento matemático pré-requisito
é mínimo. Consideramos tanto o regulador de tempo finito quanto o regulador de estado estacionário e
discutimos as condições para a existência da solução de estado estacionário. Os primeiros 10 capítulos são
principalmente restritos a sistemas lineares de tempo discreto. O Capítulo 11 examina o comportamento muito
mais complexo de sistemas não lineares de tempo discreto. Começa com pontos de equilíbrio e sua
estabilidade. Ele mostra como modelos de tempo discreto equivalentes podem ser facilmente obtidos para
algumas formas de sistemas analógicos não lineares usando linearização global ou estendida. Ele fornece
teoremas de estabilidade e teoremas de instabilidade usando a teoria de estabilidade de Lyapunov. A teoria
fornece condições suficientes para sistemas não lineares, e a falha nos testes de estabilidade ou de
instabilidade é inconclusiva. Para sistemas lineares, a estabilidade de Lyapunov produz condições necessárias
e suficientes. A teoria de estabilidade de Lyapunov também nos permite projetar controladores selecionando
um controle que produza um sistema de malha fechada que atenda às condições de estabilidade de Lyapunov.
Para as classes de sistemas não lineares para os quais a linearização estendida é direta, as metodologias de
projeto linear podem produzir controladores não lineares.
O Capítulo 12 trata de questões práticas que devem ser abordadas para a implementação bem-sucedida
de controladores digitais. Em particular, são analisados os requisitos de hardware e software para a correta
implementação de um sistema de controle digital. Discutimos a escolha da frequência de amostragem na
presença de filtros anti-aliasing e os efeitos dos erros de quantização, arredondamento e truncamento.
Também discutimos a mudança contínua do controle automático para o manual, evitando descontinuidades
na entrada de controle. Nossa discussão leva naturalmente a abordagens para a implementação eficaz de um
controlador PID. Finalmente, consideramos a amostragem não uniforme, onde a frequência de amostragem é
alterada durante a operação de controle, e a amostragem multitaxa, onde amostras das saídas do processo
estão disponíveis a uma taxa mais lenta do que a taxa de amostragem do controlador.
Material de apoio
Os seguintes recursos estão disponíveis para instrutores que adotam este texto para uso em seus cursos.
Visite www.elsevierdirect9780123744982.com para se registrar e ter acesso a estes materiais:
Manual de soluções do instrutor. Soluções totalmente compostas para os problemas de final de

capítulo no texto.
Imagens do PowerPoint. Imagens eletrônicas das figuras e tabelas do livro, úteis para a criação de
palestras.
Prefácioÿ xv
AGRADECIMENTOS
Gostaríamos de agradecer aos revisores anônimos que forneceram excelentes
sugestões para melhoria do texto. Gostaríamos também de agradecer ao Dr. Qing-
Chang Zhong da Universidade de Liverpool que sugeriu a cooperação entre os dois
autores que levou à conclusão deste texto. Gostaríamos também de agradecer a
Joseph P. Hayton, Maria Alonso, Mia Kheyfetz, Marilyn Rash e à equipe da Elsevier
pela ajuda na produção do texto. Por fim, gostaríamos de agradecer às nossas esposas
Betsy Fadali e Silvia Visioli pelo apoio e amor durante os meses em que escrevi este
livro.
Capítulo
1
Introdução ao Digital
Ao controle
Na maioria dos sistemas de engenharia modernos, existe a necessidade de controlar a evolução com o tempo de
uma ou mais variáveis do sistema. Os controladores são necessários para garantir um comportamento transitório
e de estado estacionário satisfatório para esses sistemas de engenharia. Para garantir um desempenho satisfatório
na presença de perturbações e incertezas do modelo, a maioria dos controladores em uso hoje emprega alguma
forma de feedback negativo.
Um sensor é necessário para medir a variável controlada e comparar seu comportamento com um sinal de
referência. A ação de controle é baseada em um sinal de erro definido como a diferença entre os valores
de referência e os valores reais.
O controlador que manipula o sinal de erro para determinar a ação de controle desejada tem sido
classicamente um sistema analógico, que inclui componentes elétricos, fluidos, pneumáticos ou mecânicos.
Todos esses sistemas possuem entradas e saídas analógicas (ou seja, seus sinais de entrada e saída são
definidos em um intervalo de tempo contínuo e possuem valores definidos em uma faixa contínua de amplitudes).
Nas últimas décadas, os controladores analógicos foram frequentemente substituídos por controladores digitais
cujas entradas e saídas são definidas em instâncias de tempo discretas. Os controladores digitais estão na forma
de circuitos digitais, computadores digitais ou microprocessadores.
Intuitivamente, alguém poderia pensar que os controladores que monitoram continuamente a saída de um
sistema seriam superiores àqueles que baseiam seu controle em valores amostrados da saída. Parece que as
variáveis de controle (saídas do controlador) que mudam continuamente alcançariam um melhor controle do que
aquelas que mudam periodicamente. Isto é de facto verdade! Se todos os outros fatores fossem idênticos para o
controle digital e analógico, o controle analógico seria superior ao controle digital. Qual é então a razão por trás
da mudança do analógico para o digital que ocorreu nas últimas décadas?
Objetivos
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
1. Explique as razões da popularidade dos sistemas de controle digital.
2. Desenhe um diagrama de blocos para controle digital de um determinado sistema de controle analógico.
3. Explique a estrutura e os componentes de um sistema de controle digital típico.

ÿ ÿ CAPÍTULO 1 Introdução ao Controle Digital
1.1 Por que controle digital?

O controle digital oferece vantagens distintas sobre o controle analógico que explicam sua popularidade.
Aqui estão algumas de suas muitas vantagens:
Precisão. Os sinais digitais são representados em termos de zeros e uns com normalmente 12 bits ou mais
para representar um único número. Isto envolve um erro muito pequeno em comparação com sinais
analógicos onde o ruído e o desvio da fonte de alimentação estão sempre presentes.
Erros de implementação. O processamento digital de sinais de controle envolve adição e multiplicação

por valores numéricos armazenados. Os erros que resultam da representação digital e da aritmética
são insignificantes. Por outro lado, o processamento de sinais analógicos é realizado utilizando
componentes como resistores e capacitores com valores reais que variam significativamente dos valores
nominais de projeto.
Flexibilidade. Um controlador analógico é difícil de modificar ou redesenhar depois de implementado em

hardware. Um controlador digital é implementado em firmware ou software, e sua modificação é possível
sem a substituição completa do controlador original. Além disso, a estrutura do controlador digital não
precisa seguir uma das formas simples que são normalmente utilizadas no controle analógico. Estruturas
de controladores mais complexas envolvem algumas operações aritméticas extras e são facilmente
realizáveis.
Velocidade. A velocidade do hardware do computador aumentou exponencialmente desde a década de

1980. Este aumento na velocidade de processamento tornou possível amostrar e processar sinais de
controle em velocidades muito altas. Como o intervalo entre as amostras, o período de amostragem,
pode ser muito pequeno, os controladores digitais alcançam um desempenho que é essencialmente o
mesmo daquele baseado no monitoramento contínuo da variável controlada.
Custo. Embora os preços da maioria dos bens e serviços tenham aumentado constantemente, o custo dos
circuitos digitais continua a diminuir. Os avanços na tecnologia de integração em grande escala (VLSI)
tornaram possível fabricar circuitos integrados melhores, mais rápidos e mais confiáveis e oferecê-los
ao consumidor a um preço mais baixo. Isto tornou o uso de controladores digitais mais econômico,
mesmo para aplicações pequenas e de baixo custo.
1.2 A Estrutura de um Sistema de Controle Digital

Para controlar um sistema ou processo físico usando um controlador digital, o controlador deve receber
medições do sistema, processá-las e então enviar sinais de controle ao atuador que efetua a ação de
controle. Em quase todas as aplicações, tanto a planta quanto o atuador são sistemas analógicos. Esta é
uma situação
1.3 Exemplos de Sistemas de Controle Digital
Referência Controlada
Entrada Variável
Atuador do
Computador DAC
e Processo
ADC Sensor
Figura 1.1
Configuração de um sistema de controle digital.
onde o controlador e o controlado não “falam a mesma língua” e alguma forma de tradução é necessária. A
tradução da linguagem do controlador (digital) para a linguagem do processo físico (analógico) é realizada por
um conversor digital para analógico, ou DAC. A tradução da linguagem do processo para a linguagem do
controlador digital é realizada por um conversor analógico-digital, ou ADC. Um sensor é necessário para
monitorar a variável controlada para controle de feedback. A combinação dos elementos discutidos aqui em uma
malha de controle é mostrada na Figura 1.1. São possíveis variações nesta configuração de controle. Por
exemplo, o sistema poderia ter diversas entradas de referência e variáveis controladas, cada uma com um loop
semelhante ao da Figura 1.1. O sistema também pode incluir um circuito interno com controle digital ou analógico.

Nesta seção, discutimos brevemente exemplos de sistemas de controle onde a implementação digital é agora
a norma. Existem muitos outros exemplos de processos industriais controlados digitalmente, e o leitor é
encorajado a procurar outros exemplos na literatura.
1.3.1 Sistema de distribuição de medicamentos em circuito fechado
Várias doenças crônicas requerem a regulação dos níveis sanguíneos de um medicamento ou hormônio
específico do paciente. Por exemplo, algumas doenças envolvem a falha no controle natural do corpo em circuito
fechado dos níveis de nutrientes no sangue. A mais proeminente entre elas é a doença diabetes, em que a
produção do hormônio insulina que controla os níveis de glicose no sangue é prejudicada.
Para projetar um sistema de distribuição de medicamentos em circuito fechado, um sensor é utilizado para
medir os níveis do medicamento ou nutriente regulado no sangue. Essa medição é convertida para formato
digital e alimentada no computador de controle, que aciona uma bomba que injeta o medicamento no sangue
do paciente. Um diagrama de blocos do sistema de distribuição de medicamentos é mostrado na Figura 1.2.
Consulte Carson e Deutsch (1992) para um exemplo mais detalhado de um sistema de administração de
medicamentos.
Tanque de drogas
Computador
Regulamentado
Medicamento
Medicamento
ou Nutriente
Bombear
Sangue
Sensor
(a)
Referência Regulamentado
Sangue Medicamento
Nível ou Nutriente
Medicamento
Computador DAC Paciente
Bombear
Sangue
ADC
Sensor
(b)
Figura 1.2
Sistema de controle digital de entrega de medicamentos. (a) Esquema de um sistema de distribuição de medicamentos. (b) Diagrama de blocos de um
sistema de distribuição de medicamentos.
1.3.2 Controle computacional de um motor turbojato de aeronave
Para alcançar o alto desempenho exigido pelas aeronaves atuais, os motores turbojato
empregam estratégias sofisticadas de controle por computador. Um diagrama de blocos
simplificado para controle de turbojato por computador é mostrado na Figura 1.3. O controle
requer feedback do estado do motor (velocidade, temperatura e pressão), medições do
estado da aeronave (velocidade e direção) e comando do piloto.
1.3.3 Controle de um manipulador robótico
Os manipuladores robóticos são capazes de realizar tarefas repetitivas com velocidades e

precisões que excedem em muito as dos operadores humanos. Eles agora são amplamente
utilizados em processos de fabricação, como soldagem por pontos e pintura. Para executar
suas tarefas com precisão e confiabilidade, as posições e velocidades da mão do
manipulador (ou efetor final) são controladas digitalmente. Cada movimento ou grau de
liberdade (DOF) do manipulador é posicionado usando um sistema de controle de posição separado. Todos
(a)
Piloto Aeronave
Comando Estado
Turbojato Aeronave
Computador DAC
Motor
Motor Motor
ADC Estado
Sensores
Aeronave
ADC
Sensores
(b)
Figura 1.3
Sistema de controle do motor turbojato. (a) Avião de combate militar F-22. (b) Diagrama de blocos de um sistema de
controle de motor.
os movimentos são coordenados por um computador supervisor para atingir a velocidade

e o posicionamento desejados do efetor final. O computador também fornece uma interface
entre o robô e o operador que permite programar os controladores de nível inferior e
direcionar suas ações. Os algoritmos de controle são baixados do computador supervisor
para os computadores de controle, que normalmente são microprocessadores
especializados conhecidos como chips de processamento de sinal digital (DSP). Os chips
DSP executam os algoritmos de controle e fornecem controle de malha fechada para o
manipulador. Um manipulador robótico simples é mostrado na Figura 1.4a, e um diagrama
de blocos do seu sistema de controle digital é mostrado na Figura 1.4b. Para simplificar,
apenas uma malha de controle de movimento é mostrada na Figura 1.4, mas na verdade
existem n malhas para um manipulador nD.OF.
(a)
Referência
Trajetória Supervisão
Computadores DAC Manipulador
Computador
Posição
ADC
Sensores
Velocidade
ADC
Sensores
(b)
Figura 1.4
Sistema de controle de manipulador robótico. (a) Manipulador robótico 3-DOF. (b) Diagrama de blocos de um
sistema de controle de manipulador.
Recursos
Carson, ER e T. Deutsch, Um espectro de abordagens para controlar o diabetes, Controle
Sist. Mag., 12(6):25-31, 1992.
Chen, CT, Projeto de sistema de controle analógico e digital, Saunders – HBJ, 1993.
Koivo, AJ, Fundamentos para Controle de Manipuladores Robóticos, Wiley, 1989.
Shaffer, PL, Uma implementação multiprocessador de controle em tempo real de motor turbojato, Control Syst. Mag.,
10(4):38-42, 1990.
Problemas
Problemas
1.1 Um sistema de controle de nível de fluido inclui um tanque, um sensor de nível, uma fonte de fluido,
e um atuador para controlar o fluxo de fluido. Consulte qualquer texto de controle clássico1 para obter
um diagrama de blocos de um sistema analógico de controle de fluido. Modifique o diagrama de
blocos para mostrar como o nível do fluido pode ser controlado digitalmente.
1.2 Se a temperatura do fluido no Problema 1.1 precisar ser regulada juntamente com seu nível,
modifique o sistema de controle analógico para obter o controle adicional. (Dica: são necessários
um atuador e um sensor adicionais.) Obtenha um diagrama de blocos para o sistema de controle de
duas entradas e duas saídas com controle digital.
1.3 Servos de controle de posição são discutidos extensivamente em textos clássicos de controle.
Desenhe um diagrama de blocos para um sistema de controle de posição de motor de corrente
contínua após consultar seu texto de controle clássico. Modifique o diagrama de blocos para
obter um servo de controle de posição digital.
1.4 Repita o Problema 1.3 para um servo de controle de velocidade.
1.5 Um míssil balístico é obrigado a seguir uma trajetória de vôo predeterminada

ajustando seu ângulo de ataque a (o ângulo entre seu eixo e seu vetor velocidade v). O ângulo
de ataque é controlado ajustando o ângulo de impulso d
(ângulo entre a direção do impulso e o eixo do míssil). Desenhe um diagrama de blocos para
um sistema de controle digital para o ângulo de ataque, incluindo um giroscópio para medir o
ângulo a e um motor para ajustar o ângulo de impulso d.
a
Velocidade
Vetor v
Impulso
Direção
Figura P1.5
Controle do ângulo de ataque do míssil.
1.6 É proposto um sistema para controlar remotamente um míssil a partir de uma estação terrena.
Devido a restrições técnicas e de custo, as coordenadas do míssil seriam medidas a cada 20
segundos para uma velocidade do míssil de até 500 m/s. Esse esquema de controle é viável? O
que os projetistas precisariam fazer para eliminar possíveis problemas?
1
Ver, por exemplo, J. Van deVegte, Feedback Control Systems, Prentice Hall, 1994.
1.7 O controle do cabeçote de gravação de uma unidade de disco rígido (HDD) com
atuador duplo requer dois tipos de atuadores para atingir a alta densidade real necessária.
O primeiro é um motor de bobina de voz grossa (VCM) com curso grande, mas
dinâmica lenta, e o segundo é um transdutor piezoelétrico fino (PZT) com curso
pequeno e dinâmica rápida. Um sensor mede a posição da cabeça e o erro de
posição é enviado a um controlador separado para cada atuador. Desenhe um
diagrama de blocos para um sistema de controle digital de atuador duplo para o HDD.2
2
J. Ding, F. Marcassa, S.-C. Wu e M. Tomizuka, Controle multitaxa para economia computacional, IEEE Trans.
Tecnologia de Sistemas de Controle, 14(1):165-169, 2006.
Capítulo
2
Sistemas de Tempo Discreto
O controle digital envolve sistemas cujo controle é atualizado em instantes de tempo discretos.
Os modelos de tempo discreto fornecem relações matemáticas entre as variáveis do sistema nesses instantes de
tempo. Neste capítulo, desenvolvemos as propriedades matemáticas de modelos de tempo discreto que serão
usados no restante do texto. Para a maioria dos leitores, este material fornece uma revisão concisa do material
abordado em cursos básicos sobre controle e teoria de sistemas. No entanto, o material é independente e não é
necessária familiaridade com sistemas de tempo discreto. Começamos com um exemplo que ilustra como os
modelos de tempo discreto surgem de sistemas analógicos sob controle digital.
Objetivos
1. Explique por que as equações diferenciais resultam do controle digital de sistemas analógicos.
2. Obtenha a transformada z de uma determinada sequência temporal e a sequência temporal

correspondente a uma função de z.
3. Resolva equações de diferenças lineares invariantes no tempo (LTI) usando a transformada z.
4. Obtenha a função de transferência z de um sistema LTI.
5. Obtenha a resposta temporal de um sistema LTI usando sua função de transferência ou sequência de
resposta ao impulso.
6. Obtenha a transformada z modificada para uma função de tempo amostrada.
7. Selecione um período de amostragem adequado para um determinado sistema LTI com base na sua dinâmica.
2.1 Sistemas Analógicos com Entradas Constantes por Partes

Na maioria das aplicações de engenharia, é necessário controlar um sistema físico ou planta para que ele se
comporte de acordo com determinadas especificações de projeto. Normalmente, a planta é analógica, o controle
é constante por partes e a ação de controle é atualizada periodicamente. Este arranjo resulta em um sistema
global que é convenientemente
10ÿ CAPÍTULO 2 Sistemas de Tempo Discreto
descrito por um modelo de tempo discreto. Demonstramos esse conceito usando um

exemplo simples.
Exemplo 2.1
Considere o sistema de controle do tanque da Figura 2.1. Na figura, letras minúsculas indicam perturbações de
valores fixos de estado estacionário. As variáveis são definidas como
ÿ H = altura do fluido em estado estacionário no tanque

ÿ h = perturbação de altura do valor nominal
ÿ Q = fluxo em estado estacionário através do tanque
ÿ qi = perturbação de afluência a partir do valor nominal
ÿ q0 = perturbação de vazão do valor nominal
É necessário manter um nível de fluido constante ajustando a taxa de fluxo de fluido no tanque. Obtenha um
modelo matemático analógico do tanque e use-o para obter um modelo de tempo discreto para o sistema com entrada
constante por partes qi e saída h.
Solução
Embora o sistema de fluido seja não linear, um modelo linear pode descrever satisfatoriamente o sistema sob a
suposição de que o nível do fluido é regulado em torno de um valor constante. O modelo linearizado para a válvula
de saída é análogo a um resistor elétrico e é dado por
hRq= 0
onde h é a perturbação no nível do tanque em relação ao nominal, q0 é a perturbação na vazão do tanque a partir de
um nível nominal Q e R é a resistência ao fluido da válvula.
Assumindo um fluido incompressível, o princípio da conservação da massa se reduz ao equilíbrio volumétrico:
taxa de aumento do volume do fluido = taxa de volume do fluido em - taxa de volume
saída de fluido:
h H ( + ) dC
= +q( q) ÿq +q ( )
eu o
dt
onde C é a área do tanque ou sua capacitância de fluido. O termo H é uma constante e sua derivada é zero, e o termo
Q é cancelado de modo que os termos restantes envolvem apenas perturbações.
qi
h
q.o
Figura 2.1
Sistema de controle de nível de fluido.

2.2 Equações Diferenciais 11
ções. Substituir a vazão q0 da equação da válvula linearizada no balanço volumétrico de fluido fornece o modelo
matemático analógico
d sede
+= eu
dt t C
onde t = RC é a constante de tempo do fluido para o tanque. A solução desta equação diferencial é
ÿ ÿtt 0 )
1 t
hte( ( ) =
t
( ht 0 )+ ÿ etc.
ÿ ÿt ( )eu t
eu ( eu
) eu
C t0
Seja qi constante em cada período de amostragem T, ou seja, qi(t) = qi(k) = constante para t no intervalo [k
T, (k + 1) T ]. Então podemos resolver a equação analógica durante qualquer período de amostragem para obter
- T t - T t
onde ask.variáveis no tempo(kT
) +são 1 ) = pelo
ÿ [ ]denotadas
( ) ( hk ehk Rargumento
eqk 1 + eu
Este é o modelo de tempo discreto desejado que descreve o sistema com controle constante por partes. Os detalhes da solução são
deixados como exercício (Problema 2.1).
O modelo de tempo discreto obtido no Exemplo 2.1 é conhecido como equação de diferenças. Como o
modelo envolve uma planta analógica linear invariante no tempo, a equação é linear invariante no tempo. A
seguir, discutimos brevemente as equações às diferenças; então introduzimos uma transformação usada
para resolvê-los.
2.2 Equações Diferenciais

As equações diferenciais surgem em problemas onde se supõe que a variável independente,
geralmente o tempo, tenha um conjunto discreto de valores possíveis. A equação de diferença
não linear
( + ) = ( ) ( + ÿ ) 1 yknfyknykn 2 + ÿ ( +1) ,( )] ( + ) 1( ), ( + )
, ... , ykykukn , ,
(2.1)
[(+ÿ)
Reino Unido 1 , ... , você é ,
com função forçada u(k) é considerado de ordem n porque a diferença entre os

argumentos de tempo mais alto e mais baixo de y(.) e u(.) é n. As equações com as
quais tratamos neste texto são quase exclusivamente lineares e têm a forma
( ( + ) + ( yknaykn
n- 1 +
...+ ÿ
)++1 mês
1 +
1 ( ) + ( ) mês
0
= buknbukn ) + (2.2)
n n- 1 ( 1+- ) + +buk
... 1 ( 1+ ) + buk
( 0)
Assumimos ainda que os coeficientes ai, bi, i = 0, 1, 2,. a equação . . , são constantes. O
de diferenças é então referida como invariante linear no tempo, ou LTI. Se a função
forçante u(k) for igual a zero, a equação é considerada homogênea.
Exemplo 2.2
Para cada uma das seguintes equações de diferença, determine a ordem da equação. A equação
(a) é linear, (b) invariante no tempo ou (c) homogênea?
1. y(k + 2) + 0,8y(k + 1) + 0,07y(k) = você(k)

2. y(k + 4) + sen(0,4k)y(k + 1) + 0,3y(k) = 0
2
3. y(k + 1) = ÿ0,1y (k)
Solução
1. A equação é de segunda ordem. Todos os termos entram na equação linearmente e têm
coeficientes constantes. A equação é, portanto, LTI. Uma função forçante aparece na equação,
portanto ela não é homogênea.
2. A equação é de quarta ordem. O segundo coeficiente depende do tempo, mas todos os termos
são lineares e não há função de forçamento. A equação é, portanto, linear, variável no tempo
e homogênea.
3. A equação é de primeira ordem. O lado direito (RHS) é uma função não linear de y(k) , mas
não inclui uma função de força ou termos que dependam explicitamente do tempo. A equação
é, portanto, não linear, invariante no tempo e homogênea.
As equações diferenciais podem ser resolvidas usando métodos clássicos análogos aos
disponíveis para equações diferenciais. Alternativamente, as transformadas z fornecem uma
abordagem conveniente para resolver equações LTI, conforme discutido na próxima seção.
2.3 A Transformada z
A transformada z é uma ferramenta importante na análise e projeto de sistemas de tempo discreto.
Ele simplifica a solução de problemas de tempo discreto, convertendo equações de diferenças LTI
em equações algébricas e convolução em multiplicação.
Assim, desempenha um papel semelhante ao desempenhado pelas transformadas de Laplace
em problemas de tempo contínuo. Como estamos principalmente interessados na aplicação a
sistemas de controle digital, esta breve introdução à transformada z é restrita a sinais causais
(isto é, sinais com valores zero para tempo negativo) e a transformada z unilateral .
A seguir estão duas definições alternativas da transformada z.
Definição 2.1: Dada a sequência causal {u0, u1, u2, …, uk, …}, sua transformada z é definida como
- - 2 - k
Em( )Zuuzuz
=+ 0 1
1+ 2 + +... para
k
(2.3)
= ÿ para
k
- k
k =0 ÿ
ÿ1
A variável z na equação anterior pode ser considerado como um operador de
atraso de tempo. A transformada z de uma determinada sequência pode ser facilmente obtida
como no exemplo a seguir.
2.3 A Transformada z 13
Definição 2.2: Dada a representação do trem de impulso de um sinal de tempo discreto,

ututut
*( ) =T( ut
) +0Td ut kT 1
d ÿ ( ) + +) +
ÿ ( )2d+ ÿ ( 2 ... k
d ...
ÿ
(2.4)
= forad kT
ÿ( )
k
ÿk= 0
a transformada de Laplace de (2.4) é

- ST + você 2 - 2 ST + +... - ksT
Sua
*( )boca
=+ 0 1
você
k
+ ...
ÿ
(2.5)
=
ÿ você
k (
- st k
)
k=0
Seja z definido por

z éT = (2.6)
Então, substituindo (2.6) em (2.5) produz a expressão da transformada z (2.3). ÿ
Exemplo 2.3
= 1{ 1, 3, 2, 0, ,4 0 0, 0 , , , ... . }
ÿ
Obtenha a transformada z da sequência {} Reino Unido k= 0
Solução
A aplicação da Definição 2.1 dá U(z) = 1 + 3z
ÿ1
+ 2z ÿ2
+ 4z ÿ4
.
Embora as duas definições anteriores produzam a mesma transformação, cada uma

tem suas vantagens e desvantagens. A primeira definição permite evitar o uso de
impulsos e da transformada de Laplace. A segunda nos permite tratar z como uma
variável complexa e usar algumas das propriedades familiares da transformada de
Laplace (como a linearidade).
Claramente, é possível usar a transformação de Laplace para estudar tempo
discreto, tempo contínuo e sistemas mistos. No entanto, a transformada z oferece uma
simplificação significativa na notação para sistemas de tempo discreto e simplifica
bastante a sua análise e projeto.
2.3.1 Transformadas z de sinais de tempo discreto padrão

Tendo definido a transformada z, obtemos agora as transformadas z dos sinais de tempo
discreto comumente usados, como o degrau amostrado, o exponencial e o impulso de
tempo discreto. As seguintes identidades são usadas repetidamente para derivar vários
resultados importantes:
n
1- a n+1
ÿ ak =
1- a
, a ÿ 1
k=0
(2.7)
ÿ
1
ÿ a = k
1- a
, a <1
k=0
Exemplo 2.4: Impulso Unitário
Considere o impulso de tempo discreto (Figura 2.2)
1, k = 0
d k
()=()=
Reino Unido {0 k 0ÿ
,
A aplicação da Definição 2.1 fornece a transformada z
Vocêz ( ) = 1
Alternativamente, pode-se considerar a versão amostrada por impulso da função delta u*(t)
= d(t). Isso tem a transformada de Laplace
Você *( ) = 1
A substituição de (2.6) não tem efeito. Assim, a transformada z obtida usando a Definição 2.2 é idêntica
àquela obtida usando a Definição 2.1.
ÿ1 0 1
Figura 2.2
Impulso de tempo discreto.
Exemplo 2.5: Etapa Amostrada

ÿ
Considere a sequência {} Reino Unido k= 0 { = 1 1 1 1, 1 ,1,,, , ... . }A definição 2.1 fornece a transformada z
- - 2 - 3 - k
( )z= + +1+ + 1+zzz
Você + ... Com ...
ÿ
= ÿ Com
- k
k =0
Usar a identidade (2.7) fornece a seguinte expressão de forma fechada para a transformada z:
1
Você
( )z= 1 - 1
- Com
Com
=
Com
- 1
Observe que (2.7) só é válido para |z| < 1. Isto implica que a expressão da transformada z que obtemos
tem uma região de convergência fora da qual não é válida. A região de convergência deve ser dada claramente
ao usar a transformada bilateral mais geral com funções que
são diferentes de zero para tempo negativo. No entanto, para a transformada z unilateral e as funções de tempo
que são zero para tempo negativo, podemos essencialmente estender regiões de convergência e usar a
transformada z em todo o plano z.1 (Ver Figura 2.3.)
1
…
ÿ1 0 1 2 3
Figura 2.3
Etapa unitária amostrada.
Exemplo 2.6: Exponencial
Deixar
k
ÿ e , ÿ 0
()=
Reino Unido
ÿ
ÿ 0, k < 0
Então
- -
1 2 2 a zk k + -
Você
( )z =
1 + + + + ...
az az ...
Usando (2.7), obtemos

1
Você
( )z= 1
ÿ (o )
Com
=
-
para
Como no Exemplo 2.5, podemos usar a transformada em todo o plano z, apesar da condição de validade de
(2.7) , porque nossa função de tempo é zero para tempo negativo. (Veja a Figura 2.4.)
a …
a2
a3
k
ÿ1 0 1 2 3
Figura 2.4
Exponencial amostrado.
1
A ideia de estender a definição de uma função complexa a todo o plano complexo é conhecida como
continuação analítica. Para uma discussão deste tópico, consulte qualquer texto sobre análise complexa.
2.3.2 Propriedades da Transformada z

A transformada z pode ser derivada da transformada de Laplace conforme mostrado na Definição 2.2.
Conseqüentemente, compartilha várias propriedades úteis com a transformada de Laplace, que podem ser
afirmadas sem prova. Estas propriedades também podem ser facilmente provadas diretamente e as provas são
deixadas como exercício para o leitor. São fornecidas provas para propriedades que obviamente não decorrem
da transformada de Laplace.
Linearidade
Esta equação segue diretamente da linearidade da transformada de Laplace.

COM {a 1
FzFz b
( ) + ( )}b = 21( ) + 2( )afkfk (2.8)
Exemplo 2.7
Encontre a transformada z da sequência causal
( ) = × 2 1 ( ) +k 4 fk d ( kkkkk
), = 0 ,1 2, , ...
Solução
Usando linearidade, a transformada da sequência é
2 Com 64 -
Com
F z( ) = ×De{ 2 1 a 4 para
= ( ) +d( )} De k{ }( +) 4 De k=d(2){1} 4+=
Com
- 1 Com
- 1
Atraso de tempo
Esta equação segue da propriedade de atraso de tempo da transformada de Laplace e

da equação (2.6).
- n
( ÿ F){z}
Z fknz =() (2.9)
Exemplo 2.8
Encontre a transformada z da sequência causal
, k = 2 ,3 , ...
fk ( ) =
{40 , de outra forma
Solução
A sequência dada é uma etapa amostrada começando em k = 2 em vez de k = 0 (ou seja, é atrasada por
dois períodos de amostragem). Usando a propriedade de atraso, temos
- -
4 Com 4
( ) = {Z 4 1 ( } ) = 2 4
Fzk×ÿz
2
1Z ( ){ }kz
=
2 =
Com
- 1 z (-) 1
Avanço de tempo
COM ( foda-se
+ ){ }1= ( ) ÿ (zF
) zzf 0
(2.10)
COM
n
( + ){ } = ( ) ÿ ( ) ÿ ( ) ÿ 0 fknz F zzfzf 1
n n - 1
.... - zfn ( 1)-
Prova. Apenas a primeira parte do teorema é provada aqui. A segunda parte pode ser facilmente provada por indução.
Começamos aplicando a definição 2.1 da transformada z a uma função de tempo discreto avançada em um
intervalo de amostragem. Isto dá
ÿ
( + ){ } =
Do primeiro jogo ÿ +() 1
porra
- k
k =0
= Referência ÿ
(+() 1
ÿ +k 1)
k =0
Agora adicione e subtraia a condição inicial f(0) para obter
ÿÿ ÿ ÿ
f 0
k
Z fk 1 zffkz ÿ ( )0+ ÿ
+ (1) 1ÿ + ( ) ( + ){ } = ÿ ÿ
ÿÿ
k =0
ÿÿÿ() ÿ
Em seguida, altere o índice de soma para m = k + 1 e reescreva a transformada z como

ÿ
ÿÿ - ÿ ÿ
f 0
eu
De (foda
+ ){ } = 1 ÿ ÿ Com
( )ÿ ÿ
fmz ÿ
ÿ eu 0= ÿÿÿ() ÿ
= (zF
) ÿzzf
() 0 ÿ
Exemplo 2.9
Usando a propriedade de avanço de tempo, encontre a transformada z da sequência causal
fk ( ){ } = { 4 8 16, , , ... }
Solução
A sequência pode ser escrita como
2 ( ) = fk
k+2
= + ( ) gk 2 , k = 0 ,1 2
, , ...
onde g(k) é a função de tempo exponencial
k 2( ) = g
k
, k = 0 ,1 2
, , ...
Usando a propriedade de avanço de tempo, escrevemos a transformação
Com 4 Com
2 2 2 z 22
()G
F zz = zzg zg (z) ÿ ( ) ÿ ( ) = 0 1 -
ÿÿ=
-
Com 2 Com 2
Claramente, a solução pode ser obtida diretamente reescrevendo a sequência como
{ fk ( ){ } = 4 1 2 4, ,, ... }
e usando a linearidade da transformada z.
Multiplicação por Exponencial
ÿkF{ az
Z afk }()=() (2.11)
Prova
ÿ ÿ
- k
ÿ
- k - k
=
LHS afkz ( ) = ( )( ) ÿ= ( fk az F az ) ÿ
k =0 k =0
Exemplo 2.10
Encontre a transformada z da sequência exponencial
- a kT
fke( ) = , k = ...0
, 1
, 2,
Solução
Lembre-se de que a transformada z de uma etapa amostrada é
- 1
1
F z( ) = ÿ ( 1 Com
)-
e observe que f(k) pode ser reescrito como

-
a Tk
( fke
()= )× 1, k = 0 ,1 2
, , ...
Em seguida, aplique a multiplicação pela propriedade exponencial para obter
- 1
- - 1
T
{ Tk} Com
a a
De efk ) ()=ÿÿ(( ÿ
1 não ) ÿÿ= - a T
ela-
Esta é a mesma resposta obtida no Exemplo 2.6.
Diferenciação Complexa
eu
eu d
Prova.
{ } ( Para
) = Z kfk ÿ ÿÿ ÿ F z( ) (2.12)
provar a de div ÿ
propriedade por indução, primeiro estabelecemos a sua validade para m = 1. Depois assumimos a sua validade para
qualquer m e provamo-la para m + 1. Isto estabelece a sua validade para 1 + 1 = 2, depois 2 + 1 = 3 , e assim por
diante.
Para m = 1, temos
ÿ ÿ
- k d - k
De kfkkfkzfkz ÿ dz ÿ ÿ ( ){ } = ( ) = ( ) ÿÿ ÿ Com
k =0 k =0 ÿ
ÿ
d - k d
= ÿÿ ÿ () = ÿÿ ÿ F z( )
Com
ÿfk Com Com
ÿ dz ÿ k = 0 ÿ dz ÿ
A seguir, deixe a afirmação ser verdadeira para qualquer m e defina a sequência
eu
( ) = ( ), fkkfkk = ...0
, , 1, 2
eu
e obtenha a transformada
ÿ
De (kfk
){ }eu= ( ) ÿ kfkzeu
- k
k=0
ÿ
d
= ÿ fkz ( )dz
eu ÿ
ÿÿ ÿ
ÿ
Com
- k
k=0
d ÿ
d
= ÿÿ Com
ÿ f ( kz
)=ÿÿ
- k
ÿ ÿ F z( )
eu eu
ÿ dz ÿ kÿ0= de div ÿ
Substituindo Fm(z), obtemos o resultado

eu +1
d ÿ
ÿÿ F z( )
De (kfk
){ }ÿ=
eu ÿ ÿ
cadastro ÿÿ
Exemplo 2.11
Encontre a transformada z da sequência de rampa amostrada
()=
kkkkk , = ...0
, 1
, 2,
Solução
Lembre-se de que a transformada z de uma etapa amostrada é
Com
F z( ) =
Com ÿ1
e observe que f(k) pode ser reescrito como
( ) = × fkk 1 , k = 0 ,1 2
, , ...
Em seguida, aplique a propriedade de diferenciação complexa para obter
ÿÿ
d
ÿÿ
Com
ÿ (-)-1Com Com
=
Com
De para
{ } ×1 = Com
1 ÿ = ÿ( ) 2 2
ÿ de div ÿÿÿ Com
( Com
-)1 (-) 1
Com
2.3.3 Inversão da Transformada z

Como o objetivo da transformação z é muitas vezes simplificar a solução de problemas no domínio do tempo, é
essencial transformar funções no domínio z com transformação inversa. Como no caso das transformadas de Laplace,
uma integral complexa pode ser usada para transformação inversa. Esta integral é difícil de usar e raramente é
necessária em aplicações de engenharia. Duas abordagens mais simples para transformação z inversa são discutidas
nesta seção.
Divisão longa
Esta abordagem é baseada na Definição 2.1, que relaciona uma sequência temporal
diretamente à sua transformada z . Primeiro usamos a divisão longa para obter quantos
termos desejarmos da expansão da transformada z; então usamos os coeficientes da
expansão para escrever a sequência temporal. As duas etapas a seguir fornecem a
transformada z inversa de uma função F(z):
1. Usando divisão longa, expanda F(z) como uma série para obter
eu
()=+
Ft zffz 0 1
- 1 + +... fz eu
- eu
= ÿ fzk
- k
k =0
2. Escreva a transformada inversa como a sequência
{ aff
,0 1 , ... ,
eu
, ...}
O número de termos obtidos pela divisão longa i é selecionado para produzir um número
suficiente de pontos na sequência temporal.
Exemplo 2.12
Com + 1
Obtenha a transformada z inversa da função F z ()=
z 2 0 2 0 1. + + .
Solução
1. Divisão Longa
Com
- 1 .
+ z0 8
- 2 - 0 .26 Com
-
3+ ......
Com
2 . 01++z
02 +z 1
.)
- 1
z + +0 .2 0 1 .
0 .8 0- 10. Com
- 1
- 1 - 2
6 .0 8+0 1. Com + 0 .08 Com
- 0 .26 Com
- 1 - ...
ÿ1 ÿ2
Assim, Ft(z) = 0 + z +0,8z ÿ0,26z ÿ3
2. Transformação Inversa
, -, ...}
{ } fk = {0 1 ,0, 8. 0 26 .
Expansão de frações parciais

Este método é quase idêntico ao usado na inversão das transformadas de Laplace.
No entanto, como a maioria das funções z tem o termo z em seu numerador, muitas vezes é
conveniente expandir F(z)/z em vez de F(z). Tal como acontece com as transformadas de Laplace,
a expansão em frações parciais nos permite escrever a função como a soma de funções mais simples
essas são as transformadas z de funções de tempo discreto conhecidas. As funções de tempo estão
disponíveis em tabelas de transformação z, como a tabela fornecida no Apêndice I.
O procedimento para transformação z inversa é
1. Encontre a expansão em frações parciais de F(z)/z ou F(z).
2. Obtenha a transformada inversa f(k) usando as tabelas de transformada z.
Consideramos três tipos de funções F(z) no domínio z : funções com pólos reais
simples (não repetidos), funções com pólos reais e conjugados complexos e funções
com pólos repetidos. Discutimos exemplos que demonstram expansão de frações
parciais e transformação z inversa em cada caso.
Caso 1
Raízes reais simples
O método mais conveniente para obter a expansão em frações parciais de uma

função com raízes reais simples é o método dos resíduos. O resíduo de uma
função complexa F(z) em um pólo simples zi é dado por
A zz
= ÿF (z) ( )]
eu eu
zi ÿ z
(2.13)
º
Este é o coeficiente de fração parcial do i prazo da expansão
n
A eu
F z( ) = (2.14)
ÿ=ÿ1z
eu eu
Como a maioria dos termos nas tabelas de transformada z incluem z no numerador (ver Apêndice
I), muitas vezes é conveniente expandir F(z)/z e então multiplicar ambos os lados por z para obter
uma expansão cujos termos tenham z no numerador. Exceto para funções que já possuem z no
numerador, esta abordagem é um pouco mais longa, mas tem a vantagem de simplificar a
transformação inversa.
Ambos os métodos são examinados através do exemplo a seguir.
Exemplo 2.13
Com +1
Obtenha a transformada z inversa da função F z ()= .
. + .
2 0 3 0 02 z + z
Solução
É instrutivo resolver este problema usando dois métodos diferentes. Primeiro dividimos por z; então obtemos a
expansão em frações parciais.
1. Expansão de frações parciais

Dividindo a função por z, expandimos como
F z( ) Com +1
=
Com 2zz( + + 0 .3 0 02 . Com )
A B C
=+ +
Com Com + 0 .1 Com + 0 .2
onde os coeficientes de fração parcial são dados por
F z( )ÿ 1
A z= F 0 = 50
Com ÿ ÿ= 0= ( ) =
Com
0 .02
F z( )ÿ 1 -0 1 .
=+()01 .
beleza = =- 90
Com ÿ ÿ Com =ÿ 0 .1 (- 0 .1 )(0 1) .
F z( )ÿ 1 -0 2 .
C z= + ( 0 .2 = 40
) ÿ ÿ = (ÿ )(ÿ
0 .2
Com
) Com
=ÿ 0 .2 0 1 .
Assim, a expansão em fração parcial é
50 z
-
90 Com 40 Com
F z( ) = +
Com Com + 0 01 2. . + Com
2. Pesquisa de tabela
k k
ÿ 50 d k 90 0 1 40 0 2. ( ) ÿ ÿ( ) + ÿ( ) . , k ÿ 0
fk (ÿ ) = ÿ
0, k <0
Observe que f(0) = 0 então a sequência de tempo pode ser reescrita como
k k
ÿ ÿ ÿÿ( ) + ÿ(. ) 90 0 1 40 0. 2 , k ÿ 1
fk (ÿ ) =
0, k <1
Agora resolvemos o mesmo problema sem dividir por z.

Obtemos a expansão em frações parciais diretamente
Com +1
F z( ) =
z 2 0+3 + .
0 02 .
A B
= +
Com + 0 .1 Com + 0 .2
onde os coeficientes de fração parcial são dados por
1 -0 1 .
A z=0+1( ) ( )]. = F z Com
=ÿ
0 .1
=9
0 .1
1 -0 2 .
= + ( ) ( )] 0. 2 F z
beleza =ÿ
0 .2
= =- 8
Com
- 0 .1
9 8
F z( ) = -
z + z0 01 2. . +
As tabelas de transformação z padrão não incluem os termos na expansão de F(z). No entanto, F(z) pode ser
escrito como
9z - 1 8 Com - 1
F z( ) = Com
- Com
Com + 0 .1 Com + 0 .2
Então usamos o teorema do atraso para obter a transformada inversa
k- 1 k- 1
ÿ (ÿ ) ÿ.ÿ( ) 9 0 1 8 0 2 ÿ . , k ÿ 1
fk ÿ( ) =
0, k < 1
Verifique se esta é a resposta obtida anteriormente ao dividir por z escrito de forma diferente (observe o
expoente na expressão anterior).
Embora seja claramente mais fácil obter a expansão em frações parciais sem dividir por z, a transformação
inversa requer alguma experiência. Existem situações em que a divisão por z pode realmente simplificar os
cálculos, como pode ser visto no exemplo a seguir.
Exemplo 2.14
Encontre a transformada z inversa da função
Com
F z( )=
( + 0 1 .)( + )( +0 ).2 0 3
Com Com Com .
Solução

Dividir por z simplifica o numerador e dá a expansão
F z( ) 1
=
z ( + )(0+.1 )(0 2+0) 3 Com . Com .
A B C
= + +
Com + 0 .1 Com + 0 .2 Com + 0 .3
onde os coeficientes de fração parcial são
F z( )ÿ 1
A z=0+1( ) . = = 50
Com ÿ ÿ Com =ÿ 0 .1 (0)(.1 )0 2 .
F z( )ÿ 1
beleza
=+() 0 .2 = =- 100
Com ÿ ÿ Com =ÿ
0 .2 (- )(0 .1 0 1 . )
F z( )ÿ 1
C z=0+3( ) . = = 50
Com ÿ ÿ Com =ÿ
0 .3 0 .2 0 1
(ÿ )(ÿ . )
50 Com 100 Com 50 Com
F z( ) = - +
Com + 0 1. Com + 0 .2 Com + .03
k k k
ÿÿ (ÿ ) ÿ. ÿ( ) + ÿ( ) 50 0 1 100
. 0 2 50 0 3 ( ). = , k ÿ 0
foda-se
ÿ 0, k < 0
Caso 2
Conjugado Complexo e Raízes Reais Simples
Para uma função F(z) com pólos reais e complexos, a expansão em frações parciais inclui termos com
raízes reais e outros com raízes complexas. Supondo que F(z) tenha coeficientes reais, então suas
raízes complexas ocorrem em pares conjugados complexos e podem ser combinadas para produzir
uma função com coeficientes reais e um denominador quadrático. Para transformar inversamente tal
função, use as seguintes transformadas z:
- a
- a k e ohd ) Com
Ze { ( pecado k ohd )} = 2 - a
( pecado
- 2a (2.15)
-
2 eles porque ( ohd ) +ela
- a
- a k vir [ - porque ohd )]
Ze { porque ( k ohd )} = - a - 2a (2.16)
2 2- eles porque ( ohd ( )ela+
Os denominadores das duas transformadas são idênticos e possuem raízes conjugadas complexas. Os
numeradores podem ser escalonados e combinados para fornecer a transformada inversa desejada.
Para obter a expansão em frações parciais, utilizamos o método dos resíduos mostrado no Caso 1.
Com pólos conjugados complexos, obtemos a expansão em frações parciais
*
O Az
F z( ) = + (2.17)
- - *
zp zp
Em seguida, invertemos a transformada z para obter

k k
fk (Ap
) =A p + **
-
= Um ligado
A+e
ÿ
(eu eu
) + kj kp +eu(A)
j kp eu
ÿÿ onde qp e qA são o ângulo do pólo p e o ângulo do coeficiente de fração parcial A, respectivamente.

Usamos a expressão exponencial para a função cosseno para obter
k
fk (A) p= 2 porque ( eu k + p euA ) (2.18)
A maioria das calculadoras modernas pode realizar aritmética complexa, e o método

dos resíduos é preferível na maioria dos casos. Alternativamente, ao igualar coeficientes,
podemos evitar totalmente o uso de aritmética complexa, mas os cálculos podem ser
bastante tediosos. O exemplo a seguir demonstra os dois métodos.
Exemplo 2.15
Encontre a transformada z inversa da função
z3 + +
21
F z( ) = 2
( ÿ )( 0 .1 z + +
Com 0 .5 )
Solução: Equacionando Coeficientes

Dividir a função por z dá
F z( ) z3 + +
21
=
2
Com z ( - )( 0 .1 z + + 0 .5)
A A2 Az B+
1=+ + 2
Com Com
- 0 .1 z ++ 0 .5
Os dois primeiros coeficientes podem ser facilmente avaliados como antes. Por isso,
DE 0 -20
1= ( ) =
F z( )
A 2z= ÿ ( 0 .1 ) ÿ 19.689
Com
Para avaliar os coeficientes restantes, multiplicamos a equação pelo denominador e

igualar coeficientes para obter
z 3AAA
: 1 + + 2= 1
Com
1
: 0 .4 AAB
0 15+ 0 1. 2
- . =2
onde os coeficientes dos termos de terceira e primeira ordem produzem equações separadas em A e B. Como
A1 e A2 já foram avaliados, podemos resolver cada uma das duas equações para uma das incógnitas restantes
para obter
Um 1 311.ÿ B 1 557 ÿ ÿ .
Se tivéssemos escolhido igualar os coeficientes sem primeiro avaliar A1 e A2, teríamos enfrentado a tarefa
consideravelmente mais difícil de resolver quatro equações em quatro incógnitas. Os coeficientes restantes
podem ser usados para verificar nossos cálculos
de :
0 - 0 05
. A 1 = 0 05
. 20( )1=
2
de : 0 .9 0 1+ ÿ 1 2
AAAB . + = ÿ( ) +00. 9 20 19 689 . 311 1. 557
( . )0ÿ ÿ 1 1 . ÿ
Os resultados dessas verificações são aproximados, pois foram feitas aproximações nos cálculos dos
coeficientes. A expansão em fração parcial é
2 - 1 .557
.
19 689 Com .
1.311 z Com
F z( ) = ÿ + 20 +
- 01 2
Com . z ++ .
05
Os primeiros dois termos da expansão em frações parciais podem ser facilmente encontrados nas tabelas de
transformada z. O terceiro termo se assemelha às transformadas de uma senóide multiplicada por uma
exponencial se reescrita como
- -
1 .311 Com
2 - 1 .557 z. 1.311 vir [ -
a
porque ohd )] ÿ ) junho
a
en ( ohd )
=
-
Com
2
ÿ ÿ( ) + 2 0. 5 0Com5 . ela2 2-
a (( ohd + eles
porque
ÿ2 a
Começando com o termo constante no denominador, igualamos os coeficientes para obter
a
eÿ = 050=
707. .
A seguir, o termo denominador z1 dá
a
oh =- . 0= -
porque ( d ) = ÿ eÿ 0 5. 05 707 .
Assim, wd = 3p/4, um ângulo no segundo quadrante, com sin(wd) = 0,707.

Finalmente, igualamos os coeficientes de z1 no numerador para obter
-
- 1 311 . cosae ( ohd ) ÿ (Que- pecado
a
ohd ) = ÿ ÿ 557
( .) =eÿresolva
0 5 C .1para
311 1 .
C = 4,426.
Referindo-nos às tabelas da transformada z, obtemos a transformada inversa
k
fk ( )ÿ20 d 0 +1 () 0 707 1 311. . cos
= k ( ) + ( 19 689 . . ) k[ ( 3 p k ) ÿ426 .
4 43 pecado
( p k4 )]
para o tempo positivo k. Os termos senoidais podem ser combinados usando as identidades trigonométricas
(AB (ÿ )) (=) ÿ ( ) Sem porque

pecado Pecado B B porque ( A)
ÿ1
pecado . 1 311 4. 616 0 288 .
()=
2 2
e a constante 4 616 = (. ) + ( 4 4261).311
. Isto dá .
k k
. . . . -
fkk689 d616 0 707 ) 20
( ) =0ÿ1( )) ÿ+((419 3 4 pecado .
( 0k p288 )ÿÿ
Resíduos
Dividir por z dá
F z( 3
) = z + +2 1
2
Com z ( ÿ )ÿ(0+.1
) +ÿ Com 0 .5 0 5 . 2
ÿÿ
*
A A2 A3 A3
= + z1 + +
Com
- 0 .1 Com + 0 .5 - j 0 .5 Com 0 .5 0 5j + +.
A expansão em frações parciais pode ser obtida como na primeira abordagem
z 3 + +2 1
Um
3
= ÿ 0 .656 2 +
213 j .
z ( - )( 0+.1+ ) Com
0 .5 0 5j . z =ÿ + 0 .5 0 5j .
( 0 .656 2+
19.689 . . - .
213 ) )
j
+ ( 0 656 2 213
j
Com Com
F z( ) = ÿ + 20 com +
- 0 .1
Com Com +- 0 .5 0 5j . Com + +0 5 0 5.j .
Convertemos o coeficiente A3 da forma cartesiana para polar:
Um
3
= 0 .656 2 + j 2.308 = .
213 e
.
j 1 283
Invertemos a transformada z para obter

k
( ) = ÿ ( ) + ( )d+ ( 19 689 0 .1 4 616 0. 707 ) fk 20
. k k
. porque ( 3p mil4 + .
1 283 )ÿÿ
Isto é igual à resposta obtida anteriormente porque 1,283 ÿ p/2 = ÿ0,288.
Caso 3
Raízes Repetidas
Para uma função F(z) com uma raiz repetida de multiplicidade r, r coeficientes de fração parcial estão
associados à raiz repetida. A expansão da fração parcial é da forma
N z( ) R
A1 n A
F z( ) = =ÿ eu
+ ÿ j
(2.19)
n
(z- )
r + -1 eu
z -
(zz1
-)
R
ÿ z -
j
eu
=1 1 Jr+=1 j
Jr.= + 1
Os coeficientes para raízes repetidas são governados por

- 1
1 d eu
ÿ
A1 , =
eu - 1
(zz- F)z 1
R
() , eu
= 1, 2 , ... , R (2.20)
( - )1
eu j! eu
ÿÿ
z ÿ 1
Os coeficientes das raízes conjugadas simples ou complexas podem ser obtidos

como antes usando (2.13).
Exemplo 2.16
Obtenha a transformada z inversa da função
1
F z( ) =
2zz (-) 0 .5
Solução

Dividir por z dá
F z( ) 1 A 11 A 12 A A4
= = 13 + + + z
3 3 2 - 0 .5
Com z (-) 0 .5 Com Com Com
onde
F z( ) 1
A z 11= 3 = =- 2
Com Com
- 0 .5
Com
=0 Com
=0
F z( - 1
1 d ) d 1
A 12 = Com
3 = = =- 4
1 ! dz dz z - 0 .5 2
Com
z= 0 Com
=0 ( - ) 0 5.
Com
Com
=0
2
1 d F z( )
Um13 = Com
3
2 ! dz 2
Com
Com
=0
1 d - 1 1 (ÿ 1)(ÿ 2 )
= ÿ ÿ = ÿ ÿ =- 8
2
ÿ 2ÿ ( Diário de Direito
-
) 0.5 =0
ÿ 2ÿ ( - ) 0 5. Com
3
=0
Com Com
F z( ) 1
A 4z 0=5ÿ ( ) . = = 8
Com
Com
= 0 .5 z 3z=0 5.
Assim, temos a expansão em frações parciais
1 8 Com
F z( ) = = - 2zz - 2 ÿÿ
4
- 1 8
2 - 0 .5
z (-) 0 .5 Com
As tabelas de transformação z e o rendimento da Definição 2.1
k
ÿ5 ( ) ÿ. 8 0
2 d ÿÿ( 2k 4) d ÿ ( ) ÿ ( ) k 1 8dkk , ÿ 0
fk ÿ( ) = ÿ
0, k < 0
Avaliar f(k) em k = 0, 1, 2 produz
f ( 0) =
8 ÿ8 =0
8 (0 )5ÿ4=0.
f ( 1) =
2
8 (0)5ÿ = .
f ( 2) = 20
Podemos, portanto, reescrever a transformada inversa como
k - 3
. )ÿ
ÿ( 0 5 , k ÿ 3
fk ÿ( ) =
0, k < 3
Observe que a solução pode ser obtida diretamente usando o teorema do atraso sem a necessidade de
expansão em frações parciais porque F(z) pode ser escrito como
Com
- 3
F z( ) =
Com
- de. 0 5
O teorema do atraso e a transformada inversa de uma exponencial produzem a solução obtida anteriormente.
2.3.4 O Teorema do Valor Final

O teorema do valor final nos permite calcular o limite de uma sequência quando k tende ao infinito, se
existir, a partir da transformada z da sequência. Se alguém estiver interessado apenas no valor final da
sequência, isto constitui um atalho significativo.
A principal armadilha do teorema é que existem casos importantes onde o limite não existe. Os dois
principais casos são
1. Uma sequência ilimitada

2. Uma sequência oscilatória
O leitor é advertido contra o uso cego do teorema do valor final, porque isso pode produzir resultados
enganosos.
Teorema 2.1: O Teorema do Valor Final. Se uma sequência se aproxima de um limite constante
quando k tende ao infinito, então o limite é dado por
Com 1
ffk (ÿ) = Lim ( ) = Lim ÿ- ÿ F z( ) = Lim ÿ (z F z ) ( ) 1 (2.21)
k ÿÿ ÿ1z ÿ Com ÿ Com ÿ 1
Prova. Seja f(k) um limite constante quando k tende ao infinito; então a sequência pode ser
expresso como a soma
( ) = ÿ( ) + ( ), fkfgkk = ...0
, , 1, 2
com g(k) uma sequência que decai para zero à medida que k tende ao infinito; aquilo é,
( ) = ÿ(
Lim caramba )
k ÿÿ
A transformada z da expressão anterior é
fz (ÿ)
F z( ) = + ( ) 1 Gz
Com
-
O valor final f(ÿ) é o coeficiente de fração parcial obtido pela expansão F(z)/z
do seguinte modo:
F z( )
(ÿ) = ÿ (Lim
)f 1 Com
= Lim 1ÿ z( F
) (z) ÿ
de ÿ 1 Com Com ÿ 1
Exemplo 2.17
Verifique o teorema do valor final usando a transformada z de uma sequência exponencial decrescente e seu
limite quando k tende ao infinito.
Solução
O par de transformada z de uma sequência exponencial é
- akT COM Com
{ e}ÿ ÿÿÿ - no
ela-
com a > 0. O limite quando k tende ao infinito no domínio do tempo é
(ÿ) = f ÿ Lim e
akT
= 0
k ÿÿ
O teorema do valor final dá
Com 1 Com
(ÿ) = f ÿ- ÿÿ ÿ 0
- no
Cola1
ÿ
Com
ÿ Com ÿ ÿ ela
ÿ ÿ=
Exemplo 2.18
Obtenha o valor final para a sequência cuja transformada z é
(-) 2
por trás
F z( )=
( ÿzzbzc
)( ÿ1 )( ÿ )
O que você pode concluir sobre as constantes b e c se souber que o limite existe?
Solução
Aplicando o teorema do valor final, temos
(-) por trás 1- a

(ÿ) = f =
Cola1 (zbzc
Com ÿÿ )( ÿ ) ( ÿ )(b ÿ )1 c
1 Para transformar z inversamente a função dada, seria necessário obter sua expansão em fração parcial, que
incluiria três termos: a transformada da etapa amostrada, a transformada da exponencial (b)
k k
, e a transformada da exponencial (c) . Portanto, as condições para a
sequência convergir para um limite constante e para a validade do teorema do valor final são |b| < 1 e |c| < 1.
2.4 Projeto Assistido por Computador 31
2.4 Projeto Assistido por Computador

Neste texto, fazemos uso extensivo de projeto auxiliado por computador (CAD) e análise
de sistemas de controle. Usamos MATLAB,2 um pacote poderoso com vários comandos
úteis. Para conveniência do leitor, listamos alguns comandos do MATLAB após abordar a
teoria relevante. Presume-se que o leitor esteja familiarizado com o pacote CAD, mas não
com os comandos do sistema digital. Adotamos a notação de colocar em negrito todos os
comandos do usuário ao longo do texto. Os leitores que utilizam outros pacotes CAD
encontrarão comandos semelhantes para análise e projeto de sistemas de controle digital.
O MATLAB normalmente trata coeficientes como vetores com os coeficientes listados

em ordem decrescente. A função G(z) com numerador 5(z + 3) e denominador z3 + 0,1z2
+ 0,4z é representada como o polinômio do numerador
>> num = 5*[1, 3]

e o polinômio denominador
>> o = [1, 0,1, 0,4, 0]

A multiplicação de polinômios equivale à convolução de seus vetores de coeficientes e é
realizada por meio do comando
>> denp = conv(den1, den2)

onde denp é o produto de den1 e den2.
Os coeficientes de frações parciais são obtidos usando o comando
>> [ r , p , k ] = resíduo ( num , den )

onde p representa os pólos, r seus resíduos e k os coeficientes do polinômio resultante da
divisão do numerador pelo denominador. Se a maior potência no numerador for menor que
a maior potência no denominador, k é zero. Este é o caso usual encontrado em problemas
de controle digital.
MATLAB permite ao usuário amostrar uma função e transformá-la em z com o

comandos
>> g = tf(num, então)
>> gd = c2d(g, 0,1, 'imp')

Outros comandos úteis do MATLAB estão disponíveis na caixa de ferramentas de manipulação simbólica.
ztrans transformação z
transformada z inversa de iztrans
2
MATLAB® é propriedade da MathWorks Inc., de Natick, Massachusetts.
Para usar esses comandos, devemos primeiro definir variáveis simbólicas como z, g e k com o comando
>> syms zgk
Comandos poderosos para manipulações simbólicas também estão disponíveis através de pacotes como MAPLE,
MATHEMATICA e MACSYMA.
2.5 Solução de Equações Diferenciais com Transformada z

Por um processo análogo à solução de equações diferenciais por transformada de Laplace, pode-se facilmente
resolver equações de diferenças lineares. As equações são primeiro transformadas no domínio z (ou seja, tanto o
lado direito quanto o esquerdo da equação são transformados em z ). Em seguida, a variável de interesse é
resolvida e transformada em z. Para transformar a equação diferencial, normalmente usamos a propriedade de
atraso de tempo ou de avanço de tempo. A transformação z inversa é realizada usando os métodos da Seção 2.3.
Exemplo 2.19
Resolva a equação de diferença linear
x k( + 2 ) ÿ ( ) xk ( + ) + ( 3 2 1 12 ) xkk
( ) = ( )1
com as condições iniciais x(0) = 1, x(1) = 5/2.
Solução
1. Transformada z
Começamos transformando z a equação de diferença usando (2.10) para obter
[X 2zzx zx( ) ÿ z 2
) ÿ ( )] ÿ ( 1
(0 3 2 zX
)[ (z) zx 1 2)] + ( ) ( ) = ÿ ( 1)
ÿ (0 X zzz
2. Resolva para X(z)

Então substituímos as condições iniciais e reorganizamos os termos para obter
[ 2ÿ z(3 2 ) + ( 1 2 Com )] (X) zzz

= 1 5 2 3 2ÿ ( ) + + ÿ ( )2 z Com
Então
zzz[ 1+1+1 ( 3
)( - )] =
Com
X z( ) = 0
2
5 ( ÿ )( 1ÿ 1)(zzz
ÿ) . ( - ) (1-0)5
Com Com .

A fração parcial de X(z)/z é
2
X z( ) Com A 11 A 12 A3
= = + +
2 2 - 1 - 0 5.
Com
(-)
Com (1-0)5 Com . (-) Com 1 Com Com
2.6 A resposta temporal de um sistema de tempo discreto 33
onde
2
2 X z( ) Com 1
=ÿ(
A z 11 1) = = = 2
- 05
. - 5 .
10
Com
Com
=1 Com
Com
=1
2 2
X z( ) Com (0 .
) 5
A z 3= ÿ ( ) 0 5 . = = = 1
2 2
Com
Com
= 0 .5 ( Com
-)1 Com
= 0 .5 ( - ). 0 5 1
Para obter o coeficiente restante, multiplicamos pelo denominador e obtemos a equação
2 2
z A z= ÿ ( 0
115 . ) + A ÿ
z ( 0 5 . )(12ÿ+) zAzÿ(1 3
1)
Igualando o coeficiente de z 2 dá
2 11 z: = + = + 12 3 12
AAA UMA = ou 0
12 seja,
Assim, a expansão em frações parciais neste caso especial inclui apenas dois termos. Agora temos
2 Com Com
X z( )= +
2 - 05
(ÿ) Com 1 Com .
4. Transformação z inversa
Nas tabelas de transformada z, a transformada z inversa de X (z) é
k
xkk( ) = + 2 0 5. ( )
2.6 A resposta temporal de um sistema em tempo discreto
A resposta temporal de um sistema linear de tempo discreto é a solução da equação de diferenças que governa o
sistema. Para o caso linear invariante no tempo (LTI), a resposta devida às condições iniciais e a resposta devida à
entrada podem ser obtidas separadamente e depois somadas para obter a resposta global do sistema.
A resposta devida à entrada, ou resposta forçada, é a soma convolucional de sua entrada e sua resposta a um
impulso unitário. Nesta seção, derivamos esse resultado e examinamos suas implicações.
2.6.1 Soma de Convolução
A resposta de um sistema de tempo discreto a um impulso unitário é conhecida como sequência

de resposta ao impulso. A sequência de resposta ao impulso pode ser usada para representar a
resposta de um sistema linear de tempo discreto a uma sequência de entrada arbitrária
( grandeza
){ } = { (0 1, , )... , ( ) ( ) , ... }
interface do usuário
(2.22)
Para derivar esse relacionamento, primeiro representamos a sequência de entrada em termos de

impulsos discretos como segue
pague 1 ( ) = 0
( ) (d) + ( ) luz d ( ÿ ) +1 ( ) (emÿ 2) 2+d+ k( ) ( ÿ ) +... d ...
ÿ
= (2.23)
ÿ ( ) d( - )para
ui
=0
eu
Para um sistema linear, aplica-se o princípio da superposição e o sistema

a saída devido à entrada é a seguinte soma de sequências de resposta ao impulso:
) + + ÿ ( ){ } (1) + ylhlu 2 hluhliui
( ){ } = ( ){ } (0 ) + ÿ ( ){ } ( ) + ÿ ( ){ 1} (valor 2 ... ...
Portanto, a saída no tempo k é dada por

ÿ
( ) = ( )ÿ ( ) =
ykhkuk ÿ ( ) ( ) hkiui (2.24)
ÿ0
=
eu
onde (*) denota a operação de convolução.

Para um sistema causal, a resposta devida a um impulso no tempo i é uma
resposta ao impulso começando no tempo i e a resposta atrasada h(k - i) satisfaz (Figura 2.5)
> 0,
( - ik) = hki (2.25)
Em outras palavras, um sistema causal é aquele cuja resposta ao impulso é um tempo causal
seqüência. Assim, (2.24) reduz para
()=()
1 ykuhkuhk (0 ) + ( ) ( ÿ ) + ( ) ( ÿ 1) + +2 (uhhuh
)() 2 ... 0
k
= (2.26)
()(ÿ
) uihki
= ÿi
0
Uma simples mudança na variável de soma ( j = k - i) transforma (2.26) em

( ) (+) ÿ=(())(ykukh 0112
) + ÿ ( ukukhuhk 2 0... )()++()()
k
(2.27)
= ÿ ÿ()(
) ukjhj
j =0
A equação (2.24) é o somatório da convolução para um sistema não causal, cuja resposta
ao impulso é diferente de zero para tempo negativo, e se reduz a (2.26) para um sistema causal.
d(k – eu) {h(k – eu)}
…
isto isto
Sistema LTI
Figura 2.5
Resposta de um sistema causal LTI de tempo discreto a um impulso em iT.

sistema. Os somatórios para sistemas variantes no tempo são semelhantes, mas a

resposta ao impulso no tempo i é h(k, i). Aqui, restringimos a nossa análise aos sistemas
LTI. Podemos agora resumir o resultado obtido no seguinte teorema.
Teorema 2.2: Resposta de um Sistema LTI. A resposta de um sistema LTI de tempo

discreto a uma sequência de entrada arbitrária é dada pela soma da convolução da
sequência de entrada e da sequência de resposta ao impulso do sistema. ÿ
Para entender melhor as operações envolvidas na soma de convolução,

avalie um ponto na sequência de saída usando (2.24). Por exemplo,
2
(2
)=e ÿ ()
legal ( ÿ2)
eu
=0
= (1) 1( 0)ah
+2 (ah
)()+()() 20
Na Tabela 2.1 e na Figura 2.6, pode-se ver a saída correspondente aos vários
componentes da entrada de (2.23) e como eles contribuem para y(2). Observe que
os valores de entrada futuros não contribuem porque o sistema é causal.
Tabela 2.1 Componentes de entrada e componentes de saída

correspondentes
Entrada Resposta Figura 2.6 Cor
você(0) d(k) você(0) {h(k)} Branco
você(1) d(kÿ1) você(1) {h(kÿ1)} Cinza
você(2) d(kÿ2) você(2) {h (kÿ2)} Preto
você(0) h(2)
k
você(1) h(1)
você(2) h(0)
k
0 1 2 3
Figura 2.6
Saída em k = 2.
2.6.2 O Teorema da Convolução
A soma da convolução é consideravelmente mais simples do que a integral de convolução

que caracteriza a resposta de sistemas lineares de tempo contínuo. No entanto, é uma
operação bastante complexa, especialmente se a sequência de saída for necessária
durante um longo período de tempo. O teorema a seguir mostra como a soma da
convolução pode ser evitada pela transformação z.
Teorema 2.3: O Teorema da Convolução. A transformada z da convolução de duas sequências

temporais é igual ao produto de suas transformadas z.
Prova. transformação z (2.24) dá

ÿ
ÿ
E z( ) = ( ) ver - k
k =0
ÿ ÿ
(2.28)
= ÿ ÿ
ÿÿ ( ) ( ÿ ) uihkiz
- k
k = 00 ÿ ÿ = eu
ÿÿ
Troque a ordem de soma e substitua j = k - i para obter

ÿ ÿ
E z( ) = )
()() (2.29)
ÿÿ0 uihjz
ÿ + ( ij
eu
= j
=ÿ
eu
Usando a propriedade de causalidade, (2.24) reduz (2.29) para
ÿÿ ÿ
ÿ ÿ
ÿ - -
Yzÿ
()= ÿ uiz( ) eu
hjz
ÿ (ÿ) ÿÿ ÿ j (2.30)
ÿ =0 =0 ÿÿ
eu
j
Portanto,
Y z( )H=z (U) z( ) (2.31)
ÿ
A função H(z) de (2.31) é conhecida como função de transferência z ou simplesmente função

de transferência. Desempenha um papel importante na obtenção da resposta de um sistema LTI
a qualquer entrada, conforme explicado posteriormente. Observe que a função de transferência e
a sequência de resposta ao impulso são pares de transformada z.
Aplicar o teorema da convolução à resposta de um sistema LTI nos permite usar a
transformada z para encontrar a saída de um sistema sem convolução fazendo o seguinte:
1. transformação z da entrada
2. Multiplicando a transformada z da entrada e a função de transferência z
3. Transformação z inversa para obter a sequência temporal de saída
Uma vantagem adicional desta abordagem é que a saída muitas vezes pode ser obtida de forma fechada. O
procedimento anterior é demonstrado no exemplo a seguir.
Exemplo 2.20
Dado o sistema de tempo discreto
ykykuky ) ÿ( ) =. ( ),a(0resposta
( +1 0 encontre
5 0 ) = ao
impulso do sistema h(k):
1. Da equação de diferença
2. Usando transformação z
Solução
Seja você(k) = d(k). Então
e (1)
0 (5 )1=.0 5
aa( 2) = .
2
aa( 3) 0=5( 2).0= 5( ) .
1 = 1, 2, 3 , ...
ÿ(0
) .-5 eu
, eu
oi ( ) =
ou seja, ÿ
ÿ0 , eu < 1
Alternativamente, a transformação z da equação de diferença produz a função de transferência
E z(
) 1
Hz ( ) = =
( ) zz
Você - 0 .5
E z( ) 1
= =
( ) zz
Você - 0 .5
A transformação inversa com o teorema do atraso fornece a resposta ao impulso

- 1
) 0. 5
ÿ( ÿ
eu
, eu
= 1, 2 3
, , ...
oi ( ) =
ÿ 0, eu < 1
Observe que a resposta decai exponencialmente porque o pólo tem magnitude menor que a unidade. No Capítulo
4, discutimos esta propriedade e a relacionamos com a estabilidade de sistemas de tempo discreto.
Exemplo 2.21
Dado o sistema de tempo discreto
yk( +1) ÿ ( ) =+ ykuk

( 1)
encontre a função de transferência do sistema e sua resposta a um passo unitário amostrado.
Solução
A função de transferência correspondente à equação de diferenças é
Com
Hz ( ) =
Com ÿ1
Multiplicamos a função de transferência pela transformada z da etapa unitária amostrada para obter
2
Com Com Com Com
E z( ) = - ÿ ÿ×ÿ ÿ ÿ ÿ Com
- 1ÿ ÿ - 1ÿ = ÿ - 1ÿ = 2
Com Com Com
( -1)
Com
A transformada z de uma rampa unitária é
Com
F z( ) =
2
( -1)
Com
Então, usando a propriedade de avanço de tempo da transformada z, temos a transformada inversa
+ =,
eu 1 eu 0 ,1 ,2 3, , ...
()=
fazer {0 , eu 0<
É óbvio a partir deste exemplo simples que a transformação z produz a resposta de um sistema na forma fechada mais
facilmente do que a avaliação direta. Para equações de diferenças de ordem superior, obter a resposta diretamente na forma fechada
pode ser impossível, enquanto a transformação z para obter a resposta permanece uma tarefa relativamente simples.
2.7 A Transformada z Modificada

A amostragem e a transformação z capturam os valores de uma função de tempo contínuo apenas nos pontos
de amostragem. Para avaliar a função de tempo entre os pontos de amostragem, precisamos atrasar a forma
de onda amostrada em uma fração de um intervalo de amostragem antes da amostragem. Podemos então
variar os pontos de amostragem alterando o período de atraso. A transformada z associada à forma de onda
atrasada é conhecida como transformada z modificada.
Consideramos uma função causal de tempo contínuo y(t) amostrada a cada T segundos.
A seguir, inserimos um atraso Td < T antes do amostrador conforme mostrado na Figura 2.7.
A saída do elemento de atraso é a forma de onda
)ÿd ,
( - t,
sim, 0
d( ) =
sim {0 , 0t <
(2.32)
T milho (kT)
você(t) jarda (t)
Atraso Td
Figura 2.7
Amostragem de um sinal atrasado.

2.7 A Transformada z Modificada 39
Observe que atrasar uma sequência causal sempre resulta em um valor inicial zero. Para
evitar valores iniciais inadequados, reescrevemos o atraso como
TT
d
=mT
- m , 0 ÿ< 1
(2.33)
= -1
m TT d
Por exemplo, um atraso de 0,2 s com um período de amostragem T de 1 s corresponde

a m = 0,8 – ou seja, um avanço de 0,8 de um período de amostragem e um atraso de um
período de amostragem. Se yÿ1(t + mT) for definido como y(t + mT) atrasado por um
período de amostragem completo, então, com base em (2.32), yd(t) é dado por
) =mT yt mT
( d( ) = ÿ + + ÿ1( ) ytyt T (2.34)
Agora amostramos a forma de onda atrasada com o período de amostragem T para obter
d(k) == 0+ 1ÿ1(
mT 2 y kT y kT ), , , , ... (2.35)
A partir do teorema do atraso, conhecemos a transformada z de yÿ1(t)

-
1(Y) z=
Y- zz ( )1 (2.36)
Precisamos determinar o efeito do avanço de tempo por mT para obter a

transformada z de yd(t). Determinamos esse efeito considerando exemplos específicos.
Neste ponto, basta escrever
( nós )kT
Y z, =mzy
COM(kT
){ }mT
=
-
Z1 {( + )} (2.37)
onde Zm { }• denota a transformada z modificada.
Exemplo 2.22: Etapa
A função step possui amplitude fixa para todos os argumentos de tempo. Assim, deslocá-lo ou atrasá-lo não
altera os valores amostrados. Concluímos que a transformada z modificada de uma etapa amostrada é igual à
ÿ1
sua transformada z, vezes z para todos os valores do avanço de tempo mT - ou seja, 1/(1ÿz
ÿ1
).
Exemplo 2.23: Exponencial
Consideramos a forma de onda exponencial
-
()=
rendimento ponto
(2.38)
O efeito de um avanço de tempo mT nos valores amostrados para um decaimento exponencial é mostrado na
Figura 2.8. Os valores amostrados são dados por
= pkm T e kT mT e
ÿ+()(+) = sim
-
pmT ptT
-
, k = ...0
, , 1, 2 (2.39)
Observamos que o avanço no tempo resulta em um escalonamento da forma de onda pelo fator eÿpmT.
Pela linearidade da transformada z, temos o seguinte:
Com
-
pmT (2.40)
Z e{(kT
+ )}
mT =e
ela-
-
PT
Usando (2.37), temos a transformada z modificada

-
e pmT
E zm
(, )= (2.41)
ela-
-
PT
Por exemplo, para p = 4 e T = 0,2 s, para atrasar 0,7 T, deixamos m = 0,3 e calculamos eÿpmT
= eÿ0,24 = 0,787 e eÿpT = eÿ0,8 = 0,449. Temos a transformada z modificada
0 .787
( ,
E zm )=
Com
- 0 .449
ÿpkT
e
ÿp (k +mÿ1)T
e
......
ÿp (k + m)T
e
0T2T 3T kT
Figura 2.8
Efeito do avanço do tempo na amostragem de um decaimento exponencial.
As transformadas z modificadas de outras funções importantes, como a rampa e a senóide, podem ser
obtidas seguindo o procedimento apresentado anteriormente. As derivações dessas transformadas z
modificadas são deixadas como exercícios.
2.8 Resposta em Frequência de Sistemas de Tempo Discreto

Nesta seção, discutimos a resposta em estado estacionário de um sistema de tempo discreto a uma
entrada senoidal amostrada.3 É mostrado que, como no caso de tempo contínuo, a resposta é uma
senóide da mesma frequência que a entrada com mudança de fase dependente da frequência e
escala de magnitude. O fator de escala e
3
Ao contrário das sinusóides contínuas, as sinusóides amostradas só são periódicas se a razão entre o período
da forma de onda e o período de amostragem for um número racional (igual a uma razão de números inteiros).
No entanto, o envelope contínuo da forma amostrada é claramente sempre periódico. Ver o texto de Oppenheim
et al., 1997, p. 26) para mais detalhes.
2.8 Resposta em Frequência de Sistemas de Tempo Discreto 41
a mudança de fase define uma função complexa de frequência conhecida como resposta de frequência.
Primeiro obtemos a resposta em frequência usando amostragem de impulso e a transformada de Laplace

para explorar a relação bem conhecida entre a função de transferência Ha(s) e a resposta em frequência
Ha( jw)
Hs oh) = ( ) =
Hj uma( a sj oh (2.42)
A representação amostrada por impulso de uma forma de onda em tempo discreto é

ÿ
*(
fora ) = (ÿ você kT d
t kT ) ( ÿ ) (2.43)
k =0
onde u(kT) é o valor no tempo kT, e d(t ÿ kT) denota um delta de Dirac no tempo kT. A representação (2.43)
permite que a transformação de Laplace obtenha
ÿ
kTs
Nós
*( ) = você
( ) - kT e (2.44)
kÿ0=
Agora é possível definir uma função de transferência para entradas amostradas como
*( E *sim
()
Hs )= (2,45)
)*
(Nós zero condições iniciais
Então, usando (2.42), obtemos

*( ) = ( ) =*
Hj Hs oh sj oh (2.46)
Para reescrever (2.46) em termos da variável complexa z = esT, usamos a equação
H z(H) s= ()* 1 (2.47)

s= ln ( ) Com
Assim, a resposta em frequência é dada por

*( ) = ()
H j Hz zoh oh
j T = eles
(2.48)
= (Ele
A
oh
j-T
)
equação (2.48) também pode ser verificada sem o uso de amostragem por impulso, considerando o
exponencial complexo amostrado
(
você kT ue
)= 0
oh0
jk T
(2.49)
= [em0 porque ( oh(0)] sen k T jk T k oh0
)+ , = 0 ,1 2, , ...
Isso eventualmente produz a resposta senoidal, evitando sua transformada z de segunda ordem. A
transformada z da sequência de entrada escolhida é a função de primeira ordem
Com
você
( )também
= 0 (2,50)
eles-
oh0
jT
Suponha que a função de transferência z do sistema seja
N z( )
Hz( ) = n (2.51)
( - ) z pi
= ÿ1
eu
onde N(z) é um polinômio numerador de ordem n ou menos, e os pólos do sistema pi

são assumidos como estando dentro do círculo unitário.
A saída do sistema devido à entrada de (2.49) tem a transformada z
ÿ ÿ
ÿ
N z( ) ÿ
Com
E z( ) = ÿ
n ÿ em0
oh0 (2.52)
eles-
jT
ÿ
(zp
-) eu
ÿ
ÿ = ÿ1
ÿ
eu ÿ ÿ
Isso pode ser expandido para as frações parciais

n
O beleza
eu
E z( ) = oh
j-T
+ (2,53)
ela- 0 ÿ1 eu
= zp
- eu
Então a transformação z inversa fornece a saída

n
kT( Sim
)=y
oh0
brincadeira
T+ ÿ =1
B pk ,
eu para
= 0 ,1 2
, , ... (2,54)
eu
A suposição de pólos dentro do círculo unitário implica que, para k suficientemente grande, a
saída se reduz a
oh0
jk T ()
ss = y kT Sim , k grande (2,55)
onde yss (kT) denota a saída em estado estacionário.

O termo A é o coeficiente de fração parcial
E z( ) oh0
A = (ela- j-T
)
Com ela= j-Toh0 (2,56)
oh0
= (H e u
j-T
) 0
Assim, escrevemos a saída em estado estacionário na forma

oh0 oh0 j Toh
0
jkÿTH (eÿ) = ( y
ss
( kT H eue
j-T
) 0
+ÿ )ÿ
, k grande (2,57)
A parte real desta resposta é a resposta devida a uma entrada de cosseno amostrado, e a parte
imaginária é a resposta de um seno amostrado. A resposta cosseno amostrada é
oh0 oh0
ss ) = ( j T ( y kT H e ) você é porque 0 [THohe0 +ÿ(
jT k
)] , k grande (2,58)
A resposta senoidal amostrada é semelhante a (2.58) com o cosseno substituído por seno.
As equações (2.57) e (2.58) mostram que a resposta a uma senóide amostrada é uma
senóide da mesma frequência escalonada e desfasada pela magnitude e ângulo
oh oh0
Ele( Ele
j T 0j T
)ÿ( ) (2,59)
2.8 Resposta de Frequência de Sistemas de Tempo Discreto 43
respectivamente. Esta é a função de resposta em frequência obtida anteriormente usando

amostragem de impulso. Assim, pode-se usar aritmética complexa para determinar a resposta
em estado estacionário devido a uma senóide amostrada sem a necessidade de transformação z.
Exemplo 2.24
Encontre a resposta em estado estacionário do sistema
1
Hz ( )=
( ÿ )( ÿ0 1) 5. .
Com Com
devido à senóide amostrada u(kT) = 3 cos(0,2 k).
Solução
Usar (2.58) dá a resposta
. j 0 .2
ss ) = ( j 0 2 ( y kT H e
)3 (0 2 k H+eÿcos
( . )) , k grande
1 ÿ0 2 k 1 ÿ
= cos . +ÿ
j 0 .2 j 0 2. e j 0 2. e j 0 2. e
(e ) - 0 .1 ( 3 )0-.5 ÿÿ
( ) ÿ0 .1( ) - 0 .5 ÿ
ÿ
= 6 4porque
. ( 0. .2 0 614 k- )
2.8.1 Propriedades da Resposta em Frequência

de Sistemas de Tempo Discreto
Usando (2.48), as seguintes propriedades de resposta em frequência podem ser derivadas:
1. Ganho DC: O ganho DC é igual a H(1).
Prova. De (2.48),
oh
Ele( j-T
) ohÿ0 = (Hz
) Com ÿ1
= (H) 1 ÿ
2. Natureza periódica: A resposta de frequência é uma função periódica da frequência

com período ws = 2p/T rad/s.
Prova. O complexo exponencial

ohe
jT
= cos (ohT j)pecado
+ (ohT )
é periódico com período ws = 2p/T rad/s. Como H(ejwT ) é uma função de valor único de
seu argumento, segue-se que ela também é periódica e tem a mesma frequência de
repetição. ÿ
3. Simetria: Para funções de transferência com coeficientes reais, a magnitude da

função de transferência é uma função par de frequência e sua fase é uma função
ímpar de frequência.
Prova. Para frequências negativas, a função de transferência é

Ele( Ele
ÿ j Toh
jT oh
)
)=(
Para coeficientes reais, temos
Ele( Ele
j Toh
jT oh
)
)=(
Combinando as duas últimas equações dá
Ele( Ele
ÿ j Toh
jT
)=( oh
)
Equivalentemente, temos
- oh
Ele Ele jTjT
)=()
oh
)
- oh
( ÿEle( j-T = ÿÿ Ele j-Toh
) ÿ
( Portanto, só é necessário obter H(ejwT ) para frequências w na faixa de DC a ws/

2. A resposta de frequência para frequências negativas pode ser obtida por simetria, e
para frequências acima de ws /2 a resposta de frequência é repetida periodicamente.
Se a resposta de frequência tiver amplitudes desprezíveis em frequências acima de ws/
2, os ciclos repetidos de resposta de frequência não se sobrepõem. O efeito geral da
amostragem para tais sistemas é produzir uma repetição periódica da resposta de
frequência. resposta de frequência de um sistema de tempo contínuo.
Como as funções de resposta em frequência dos sistemas físicos não são limitadas
em banda, ocorre a sobreposição dos ciclos repetidos de resposta em frequência,
conhecida como dobramento . A frequência ws/2 é conhecida como frequência de
dobramento. A dobra resulta em distorção da resposta de frequência e deve ser minimizada.
Isto pode ser conseguido pela escolha adequada da frequência de amostragem ws/2 ou filtragem. Figura 2.9
mostra a resposta de frequência de um sistema digital subamortecido de segunda ordem.
2.8.2 Comandos MATLAB para Tempo Discreto

Resposta de frequência
Os comandos MATLAB bode, nyquist e nichols calculam e traçam a resposta de frequência de um sistema
de tempo discreto. Para um período de amostragem de 0,2 s e uma função de transferência com numerador
num e denominador den, os três comandos têm a forma
>> g = tf (num, então, 0,2)

>> bom (g)
>> nyquist(g)
>> nichols(g)
2.8 Resposta de Frequência de Sistemas de Tempo Discreto 45
2,5
| 1,5
0,5
0
0 200 400 600 800 1000 1200
em rad/s
Figura 2.9
Resposta em frequência de um sistema digital.
O MATLAB não permite que o usuário selecione a grade para gráficos gerados automaticamente. Porém,
todos os comandos possuem formas alternativas que permitem ao usuário obter os dados de resposta em
frequência para posterior plotagem.
Os comandos bode e nichols possuem a forma alternativa
>> [M, P, w] = bode(g, w)
>> [M, P, w] = nichols (g, w)
onde w é a grade de frequência predefinida, M é a magnitude e P é a fase da resposta de frequência. O

MATLAB seleciona a grade de frequências se nenhuma for fornecida e retorna a mesma lista de saídas. O
vetor de frequência também pode ser eliminado da saída ou substituído por um escalar para cálculos de
frequência única. O comando nyquist pode assumir formas semelhantes às que acabamos de descrever,
mas produz as partes real e imaginária da resposta de frequência como segue
>> [Real, Imagem, w] = nyquist(g, w)
Tal como acontece com todos os comandos MATLAB, a impressão da saída é suprimida se qualquer um
dos comandos de resposta em frequência for seguido por ponto e vírgula. A saída pode então ser usada
com o comando plot para obter especificações de plotagem selecionadas pelo usuário. Por exemplo, um
gráfico dos pontos reais de resposta em frequência sem conexões é obtido com o comando
>> enredo(Real(:), Imagem(:), '*')
onde as localizações dos pontos de dados são indicadas com o '*'. O comando
>> subtrama(2, 3, 4)
cria uma grade de 2 linhas e 3 colunas e desenha eixos na primeira posição da segunda linha (os três primeiros
gráficos estão na primeira linha e 4 é o número do gráfico). O próximo comando plot sobrepõe o gráfico nesses
eixos. Para outros gráficos, os comandos subplot e plot são repetidos com os argumentos apropriados. Por
exemplo, um gráfico na primeira linha e na segunda coluna da grade é obtido com o comando
>> subtrama(2, 3, 2)
2.9 O Teorema da Amostragem
A amostragem é necessária para o processamento de dados analógicos utilizando elementos digitais.

O processamento de dados digitais bem sucedido requer que as amostras reflitam a natureza do
sinal analógico e que os sinais analógicos sejam recuperáveis, pelo menos em teoria, a partir de
uma sequência de amostras. A Figura 2.10 mostra duas formas de onda distintas com amostras
idênticas. Obviamente, uma amostragem mais rápida das duas formas de onda produziria
sequências distinguíveis. Assim, é óbvio que uma amostragem suficientemente rápida é um pré-
requisito para o sucesso do processamento digital de dados. O teorema da amostragem fornece
um limite inferior para a taxa de amostragem necessária para um determinado sinal de banda
limitada (isto é, um sinal com uma largura de banda finita conhecida).
Figura 2.10
Duas formas de onda diferentes com amostras idênticas.
Teorema 2.4: O Teorema da Amostragem. O sinal de banda limitada com
F
F j F joh ,
( )ÿ ÿÿ ( ) ( pés oh) ÿ ÿ ÿ ÿ ,0oheu oh oheu
(2,60)
F j ( )oh
= 0, em outro lugar
com F denotando a transformada de Fourier, pode ser reconstruída a partir da forma de onda em tempo
discreto
*( ) =
pés d ( - ) tkT (2.61)
ÿ ( ) pés
k =ÿÿ
2.9 O Teorema de Amostragem 47
se e somente se a frequência angular de amostragem ws = 2p/T satisfaz a condição
ohé > 2oheu (2,62)

O espectro da forma de onda de tempo contínuo pode ser recuperado usando um filtro
passa-baixa ideal de largura de banda wb na faixa
ohMB <<2
oh ohé (2,63)
Prova. Considere o trem de impulso unitário

ÿ
d T (t ) = ÿ d ÿkT
( t) (2,64)
k =ÿÿ
e sua transformada de Fourier

ÿ
p
d T 2oh
()=
T
ÿ fazer
( -n ) ohé (2,65)
n =ÿÿ
A amostragem de impulso é obtida multiplicando as formas de onda f(t) e dT(t). Pelo teorema da convolução
de frequência, o espectro do produto das duas formas de onda é dado pela convolução dos seus dois espectros;
aquilo é,
1
ÿ{ ( d
) ×T ( )} = tft 2 oh( j F j oh)
d T ( )ÿ
p
1
ÿ
= ÿ ÿ fazer ohéj
(ÿ)nF
ÿ
oh)
Tn
ÿÿ ÿ ÿÿ ( =ÿÿ
= Fn
(oh
- ohé )
Tÿ1n =ÿÿ
onde wm é a largura de banda do sinal. Portanto, o espectro da forma de onda amostrada é uma função periódica
da frequência ws. Supondo que f(t) seja uma função com valor real, então é bem conhecido que a magnitude |
F( jw)| é uma função par de frequência, enquanto a fase F( jw) é uma função ímpar. Para uma função limitada em
banda, a amplitude e a fase na faixa de frequência de 0 a ws/2 podem ser recuperadas por um filtro passa-baixa
ideal, conforme mostrado na Figura 2.11.
ÿ
-Emé –ws oheu ohé ohé

2 2
ohb
Figura 2.11
Teorema de amostragem.
2.9.1 Seleção da Frequência de Amostragem

Na prática, a largura de banda finita é uma idealização associada a sinais de duração infinita, enquanto a duração
finita implica largura de banda infinita. Para mostrar isso, suponha que um determinado sinal seja limitado em
banda. A limitação de banda é equivalente à multiplicação por um pulso no domínio da frequência. Pelo teorema
da convolução, a multiplicação no domínio da frequência é equivalente à convolução das transformadas inversas
de Fourier. Conseqüentemente, a transformada inversa da função limitada por banda é a convolução da função
de tempo original com a função sinc, uma função de duração infinita. Concluímos que uma função limitada por
banda tem duração infinita.
Uma função limitada no tempo é o produto de uma função de duração infinita e um pulso. O teorema da
convolução de frequência afirma que a multiplicação no domínio do tempo é equivalente à convolução das
transformadas de Fourier no domínio da frequência. Assim, o espectro de uma função limitada no tempo é a
convolução do espectro da função de duração infinita com uma função sinc, uma função de largura de banda
infinita. Conseqüentemente, a transformada de Fourier de uma função limitada no tempo tem largura de banda
infinita. Como todas as medições são feitas durante um período de tempo finito, larguras de banda infinitas são
inevitáveis. No entanto, um determinado sinal muitas vezes tem uma “largura de banda efetiva” finita, além da
qual seus componentes espectrais são insignificantes. Isso nos permite tratar os sinais físicos como banda
limitada e escolher uma taxa de amostragem adequada para eles com base no teorema de amostragem.
Na prática, a taxa de amostragem escolhida é muitas vezes maior que o limite inferior
especificado no teorema da amostragem. Uma regra prática é escolher ws como
ohé = k oheu , 5 mil

ÿ ÿ 10 (2,66)
A escolha da constante k depende da aplicação. Em muitas aplicações, o limite superior da frequência de

amostragem está bem abaixo das capacidades do hardware de última geração. Um sistema de controle em
malha fechada não pode ter um período de amostragem inferior ao tempo mínimo necessário para a medição da
saída; isto é, a frequência de amostragem é limitada superiormente pelo atraso do sensor.
4
Por exemplo, sensores de
oxigênio usados no controle da relação ar/combustível automotivo têm um atraso de sensor de cerca de 20 ms,
o que corresponde a um limite superior de frequência de amostragem de 50 Hz. Outra limitação é o tempo
computacional necessário para atualizar o controle. Isto está se tornando menos restritivo com a disponibilidade
de microprocessadores mais rápidos, mas deve ser considerado na seleção da taxa de amostragem.
No controle digital, a frequência de amostragem deve ser escolhida de forma que as amostras forneçam
uma boa representação das variáveis físicas analógicas. Uma discussão mais detalhada das questões práticas
que devem ser consideradas ao escolher a frequência de amostragem é apresentada no Capítulo 12. Aqui,
discutiremos apenas a escolha do período de amostragem com base no teorema da amostragem.
4
É possível ter o atraso do sensor como um múltiplo inteiro do período de amostragem se um estimador de estado for usado,
conforme discutido em Franklin et al. (1998).
2.9 O Teorema de Amostragem 49
Para um sistema linear, a saída do sistema possui um espectro dado pelo produto da resposta em frequência
pelo espectro de entrada. Como a entrada não é conhecida a priori, devemos basear a nossa escolha da
frequência de amostragem na resposta em frequência.
A resposta de frequência de um sistema de primeira ordem é
K
Hj ( )= (2,67)
Oh +1j b oh
onde K é o ganho DC e wb é a largura de banda do sistema. A amplitude da resposta de frequência cai abaixo
do nível DC por um fator de cerca de 10 na frequência 7wb. Se considerarmos wm = 7wb, a frequência de
amostragem é escolhida como
oh = k oh b, 35 mil
ÿ 70ÿ (2,68)
é
Para um sistema de segunda ordem com resposta em frequência
K
Hj ( )= (2,69)
ah, euj 2vivo oh 1 + - ( Oh
n n
)2
e a largura de banda do sistema é aproximada pela frequência natural amortecida
oh = ÿ1
oh 2
d n g (2,70)
Usando uma frequência de 7wd como frequência significativa máxima, escolhemos

a frequência de amostragem como
oh = k oh d, 35 mil
ÿ 70ÿ (2,71)
é
Além disso, a resposta ao impulso de um sistema de segunda ordem é da forma
-
()=
yt Sim ao vivonão
( oh
+ )tdpecado
Fi (2,72)
onde A é uma amplitude constante e f é um ângulo de fase. Assim, a escolha da frequência

de amostragem de (2.71) é suficientemente rápida para oscilações de frequência wd e tempo
para o primeiro pico p/wd.
Exemplo 2.25
Dado um sistema de primeira ordem com largura de banda de 10 rad/s, selecione uma frequência de amostragem adequada
e encontre o período de amostragem correspondente.
Solução
Uma escolha adequada de frequência de amostragem é ws = 60, wb = 600 rad/s. O período de amostragem correspondente
é de aproximadamente T = 2p/ws ÿ 0,01 s.
Exemplo 2.26
Um sistema de controle de malha fechada deve ser projetado para um erro em estado estacionário não
superior a 5%, uma taxa de amortecimento de cerca de 0,7 e uma frequência natural não amortecida de 10 rad/s.
Selecione um período de amostragem adequado para o sistema se o sistema tiver um atraso de sensor de
1.0,02s
2.0,03s
Solução
Seja a frequência de amostragem
ohé ÿ 35ohd
- 2
= 35 oh
1 n g
-
= 350 1 0 49 .
= 249 95
. linha p
O período de amostragem correspondente é T = 2p/ws ÿ 0,025 s.
1. Uma escolha adequada é T = 20 ms porque é igual ao atraso do sensor.

2. Somos forçados a escolher T = 30 ms, que é igual ao atraso do sensor.
Recursos
Chen, C.-T., Análise de Sistema e Sinal, Saunders, 1989.
Feuer, A. e GC Goodwin, Amostragem em Processamento e Controle de Sinais Digitais,
Birkhauser, 1996.
Franklin, GF, JD Powell e ML Workman, Controle Digital de Sistemas Dinâmicos,
Addison-Wesley, 1998.
Goldberg, S., Introdução às Equações Diferenciais, Dover, 1986.
Jacquot, RG, Sistemas Modernos de Controle Digital, Marcel Dekker, 1981.
Kuo, BC, Sistemas de Controle Digital, Saunders, 1992.
Mickens, RE, Equações Diferenciais, Van Nostrand Reinhold, 1987.
Oppenheim, AV, AS Willsky e SH Nawab, Sinais e Sistemas, Prentice Hall,
1997.
Problemas 51
Problemas
2.1 Derive o modelo de tempo discreto do Exemplo 2.1 a partir da solução da equação diferencial
do sistema com tempo inicial kT e tempo final (k + 1)T.
2.2 Para cada uma das equações a seguir, determine a ordem da equação e então teste-a
quanto a (i) linearidade, (ii) invariância no tempo, (iii) homogeneidade.
(a) y(k + 2) = y(k + 1) y(k) + você(k)
(b) y(k + 3) + 2 y(k) = 0
(c) y(k + 4) + y(k ÿ 1) = você(k)
(d) y(k + 5) = y(k + 4) + você(k + 1) ÿ você(k)
(e) y(k + 2) = y(k) você(k)
2.3 Encontre as transformadas das seguintes sequências usando a Definição 2.1.
(a) {0, 1, 2, 4, 0, 0, . . .}
(b) {0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}
(c) {0, 2ÿ0,5, 1, 2ÿ0,5, 0, 0, 0 ,. . .}
2.4 Obtenha formas fechadas das transformadas do Problema 2.3 usando a tabela de z-
transformações e a propriedade de atraso de tempo.
2.5 Prove as propriedades de linearidade e atraso de tempo da transformada z do básico

princípios.
2.6 Use a linearidade da transformada z e a transformada da exponencial
função para obter as transformadas das funções de tempo discreto.
(a) sen(kW)
(b) cos(kwT)
2.7 Utilize a propriedade da multiplicação por exponencial para obter as transformadas do
funções de tempo discreto.
(a) eÿakTsin(kwT)
(b) eÿakTcos(kwT)
2.8 Encontre as transformadas inversas das seguintes funções usando a Definição 2.1 e,
se necessário, divisão longa.
(a) F (z) = 1 + 3zÿ1 + 4zÿ2
(b) F (z) = 5zÿ1 + 4zÿ5
Com
(c) Fz ( ) =
z 2 0+3 +0 02. .
Com
- 0 .1
(d) Fz ( ) = 2
+ z 0 .04 0 25
+ . Com
2.9 Para os Problemas 2.8(c) e (d), encontre as transformadas inversas das funções usando
expansão de fração parcial e consulta de tabela.
2.10 Resolva as seguintes equações às diferenças.
(a) y(k + 1) ÿ 0,8 y(k) = 0, y(0) = 1
(b) y(k + 1) ÿ 0,8 y(k) = 1(k), y(0) = 0
(c) y(k + 1) ÿ 0,8 y(k) = 1(k), y(0) = 1

(d) y(k + 2) + 0,7 y(k + 1) + 0,06 y(k) = d(k), y(0) = 0, y(1) = 2
2.11 Encontre as funções de transferência correspondentes às equações de diferença de

Problema 2.2 com entrada u(k) e saída y(k). Se nenhuma função de transferência for definida,
explique o porquê.
2.12 Teste a linearidade em relação à entrada dos sistemas para os quais você encontrou
funções de transferência no Problema 2.11.
2.13 Se as funções racionais dos Problemas 2.8.(c) e (d) são funções de transferência de
Sistemas LTI, encontre a equação diferencial que rege cada sistema.
2.14 Podemos usar transformadas z para encontrar a soma de inteiros elevados a várias potências.
Isto é conseguido reconhecendo primeiro que a soma é a solução da equação de diferenças
()=ÿ
foda-se ( 1) + ( ) e
onde a(k) é o k -ésimo termo no somatório. Avalie os seguintes somatórios usando

transformadas z.
n
(a) k
=
k ÿ1
n
(b) k ÿ 2
k =1
2.15 Encontre as funções de resposta ao impulso para os sistemas governados pelas seguintes equações
de diferenças.
(a) y(k + 1) ÿ 0,5 y(k) = você(k)
(b) y(k + 2) ÿ 0,1 y(k + 1) + 0,8 y(k) = você(k)
2.16 Encontre o valor final para as funções, se existir.

Com
(a) Fz ( ) = 2
Com ÿ +1
z 2 0 2. .
Com
(b) F z ( ) =
z 2 0+3 +2.
2.17 Encontre a resposta em estado estacionário dos sistemas resultantes da entrada senoidal u(k)
= 0,5 sen(0,4 k).
Com
(a) Hz ( ) =
Com ÿ 0 4.
Com
(b) Hz ( ) =
2 de + + .
0 4 0 03.
Com
2.18 Encontre a resposta em frequência de um sistema não causal cuja sequência de resposta ao
impulso é dada por
K k(=),ÿÿ
( )ÿ}
= + ( {ukukuk ), , ... ,
Exercícios de computador 53
Dica: A sequência de resposta ao impulso é periódica com período K e pode ser expressa como
K - 1 ÿ
fora ( tl mK ) d ( --
ÿÿ *( ) = ul +mK )
ml= 0 =ÿÿ
2.19 O conhecido teorema de reconstrução de Shannon afirma que qualquer sinal u(t) com banda limitada e
largura de banda ws/2 pode ser reconstruído exatamente a partir de suas amostras a uma taxa ws = 2p/T.
A reconstrução é dada por
ÿ ohé ÿ
ÿ pecado ( - ) tkT
2
fora
()= ÿ ()
Reino Unido
ohé
ÿÿ ÿÿ
k =ÿÿ
(tkT
-)
2
Use o teorema da convolução para justificar a expressão anterior.
2.20 Obtenha a convolução das duas sequências {1, 1, 1} e {1, 2, 3}.

(a) Diretamente
(b) Usando transformação z
2.21 Obtenha as transformadas z modificadas para as funções dos Problemas (2.6) e

(2.7).
2.22 Usando a transformada z modificada, examine o comportamento entre amostras do

funções h(k) do Problema 2.15. Use atrasos de (1) 0,3T, (2) 0,5T e (3) 0,8T.
Tente obter a transformada z modificada para o Problema 2.16 e explique por que ela não está definida.
2.23 Os seguintes sistemas de malha aberta devem ser controlados digitalmente por feedback. Selecione um
período de amostragem adequado para cada um se o sistema de malha fechada for projetado para as
especificações fornecidas.
1
Constante de tempo = 0,1 s
(a) Gs ol( ) =
é + 3
1
(b) Gs ol( ) = Frequência natural não amortecida = 5 rad/s, amortecimento
ss2 4 3 + +
proporção = 0,7
2.24 Repita o problema 2.23 se os sistemas tiverem os seguintes atrasos de sensor.

(a) 0,025 segundos
(b) 0,03s
Exercícios de computador
2.25 Considere o sistema em malha fechada do Problema 2.23(a).

(a) Encontre a resposta ao impulso da função de transferência em malha fechada e obtenha a
sequência de resposta ao impulso para uma saída do sistema amostrado.
(b) Obtenha a função de transferência z transformando z a resposta ao impulso

seqüência.
(c) Usando MATLAB, obtenha os gráficos de resposta de frequência para amostragem
frequências ws = kwb, k = 5, 35, 70.
(d) Comente as escolhas dos períodos de amostragem da parte (b).
2.26 Repita o Problema 2.25 para o sistema de malha fechada de segunda ordem do Problema
2.23(b) com gráficos para frequências de amostragem ws = kwd, k = 5, 35, 70.
2.27 Use MATLAB com período de amostragem de 1 s e atraso de 0,5 s para verificar a
ÿ1
resultados do Problema 2.17 para w = 5 rad/s e a = 2 s .
2.28 A seguinte equação de diferenças descreve a evolução do esperado

preço de uma mercadoria5
( ok
e 1+ ) = ÿ1( c ) pkpk
( ) + ( )c
e
onde pe(k) é o preço esperado após k trimestres, p(k) é o preço real após k trimestres e g é uma
constante.
(a) Simule o sistema com g = 0,5 e um preço real fixo de uma unidade e represente graficamente
os preços reais e esperados. Discuta a precisão da previsão do modelo.
(b) Repita a parte (a) para um preço em declínio exponencial p(k) = (0,4)k .
(c) Discuta as previsões do modelo referentes aos resultados da sua simulação.
5
DN Gujarate, Econometria Básica. McGraw-Hill, p. 547, 1988.
Capítulo
3
Modelagem de Digital
Sistemas de controle
Tal como no caso do controle analógico, são necessários modelos matemáticos para a análise e projeto de sistemas de
controle digital. Uma configuração comum para sistemas de controle digital é mostrada na Figura 3.1. A configuração inclui
um conversor digital para analógico (DAC), um subsistema analógico e um conversor analógico para digital (ADC). O DAC
converte números calculados por um microprocessador ou computador em sinais elétricos analógicos que podem ser
amplificados e usados para controlar uma planta analógica. O subsistema analógico inclui a planta, bem como os
amplificadores e atuadores necessários para acioná-la. A produção da planta é medida periodicamente e convertida em
um número que pode ser retornado ao computador usando um ADC. Neste capítulo, desenvolvemos modelos para os
vários componentes desta configuração de controle digital. Muitas outras configurações que incluem os mesmos
componentes podem ser analisadas de forma semelhante. Começamos desenvolvendo modelos para ADC e DAC, depois
para a combinação de DAC, subsistema analógico e ADC.
Objetivos
1. Obtenha a função de transferência de um sistema analógico com conversores analógico-digital e digital-analógico

incluindo sistemas com atraso de tempo.
2. Encontre a função de transferência em malha fechada para um sistema de controle digital.
3. Encontre o erro de rastreamento em estado estacionário para um sistema de controle em malha fechada.
4. Encontre o erro em estado estacionário causado por uma entrada de perturbação para uma malha fechada
Sistema de controle.
3.1 Modelo ADC

Assuma isso
ÿ As saídas do ADC são exatamente iguais em magnitude às suas entradas (ou seja, quantização
erros de configuração são insignificantes).
56ÿ CAPÍTULO 3 Modelagem de Sistemas de Controle Digital
Externo Analógico
Entrada Saída
Computador ou Analógico
DAC
Microprocessador Subsistema
ADC
Figura 3.1
Configuração comum do sistema de controle digital.
ÿ O ADC produz uma saída digital instantaneamente.

ÿ A amostragem é perfeitamente uniforme (isto é, ocorre a uma taxa fixa).
Então o ADC pode ser modelado como um amostrador ideal com período de amostragem T conforme
mostrado na Figura 3.2.
Claramente, as suposições anteriores são idealizações que só podem ser aproximadamente
verdadeiras na prática. Os erros de quantização são normalmente pequenos, mas diferentes de
zero; ocorrem variações na taxa de amostragem, mas são insignificantes, e os ADCs físicos têm
um tempo de conversão finito. No entanto, o modelo de amostrador ideal é aceitável para a
maioria das aplicações de engenharia.
Figura 3.2
Modelo de amostrador ideal de um ADC.
3.2 Modelo DAC

Assuma isso
ÿ As saídas do DAC são exatamente iguais em magnitude às suas entradas.

ÿ O DAC produz uma saída analógica instantaneamente.
ÿ As saídas DAC são constantes durante cada período de amostragem.
Então a relação entrada-saída do DAC é dada por

( ){
Reino Unido
ZOH
} ÿ ÿÿÿ ( ) = ( ), ÿ < utuk
+(1 kT tk T k ) , = 0 ,1 ,2 , ... (3.1)
3.3 A Função de Transferência do ZOH 57
kT Ordem Zero kT (k+1)T

Segurar
Passo Positivo
Passo Negativo
Figura 3.3
Modelo de um DAC como retenção de ordem zero.
onde {u(k)} é a sequência de entrada. Esta equação descreve uma retenção de ordem zero
(ZOH), mostrado na Figura 3.3. Outras funções também podem ser utilizadas para construir um
sinal analógico a partir de uma sequência de números. Por exemplo, uma retenção de primeira
ordem constrói sinais analógicos em termos de linhas retas, enquanto uma retenção de segunda ordem
os constrói em termos de parábolas.
Na prática, o DAC requer um intervalo curto, mas diferente de zero, para produzir uma saída;
sua produção não é exatamente igual em magnitude à sua entrada e pode variar ligeiramente durante
um período de amostragem. Mas o modelo de (3.1) é suficientemente preciso para a maioria das
aplicações de engenharia. A retenção de ordem zero é o modelo DAC mais comumente usado e é
adotado na maioria dos textos de controle digital. As análises envolvendo outros circuitos de retenção
são semelhantes, como visto no Problema 3.1.
3.3 A Função de Transferência do ZOH
Para obter a função de transferência do ZOH, substituímos o impulso numérico ou discreto

mostrado na Figura 3.3 por um impulso d(t). A função de transferência pode então ser obtida
pela transformação de Laplace da resposta ao impulso. Conforme mostrado na figura, a
resposta ao impulso é um pulso unitário de largura T. Um pulso pode ser representado como
um passo positivo no tempo zero seguido por um passo negativo no tempo T. Usando a
transformada de Laplace de um passo unitário e o atraso de tempo teorema para
transformadas de Laplace;
1
eu ( 1){ }t =
é
- ST (3.2)
e
eu ( 1ÿ ){tT} =
é
onde 1(t) denota um passo unitário.

Assim, a função de transferência do ZOH é

- ST
- e
GsZOH 1()= (3.3)
é
A seguir, consideramos a resposta de frequência do ZOH:
-
ÿ1 e
oh
j-T
Gj ZOH ( oh) = (3.4)

j oh
Reescrevemos a resposta em frequência na forma
-
T T -
T
j oh
e 2 ÿ e j oh 2 - e
j oh
2 ÿ
GjZOH ( )= ÿ ÿ
Oh ÿ
j ÿ
ÿ ÿ
T T
-
j oh
2 T pecado (oh )
e T -
j oh 2
= ÿ 2 pecado ÿ oh ÿ ÿ O 2
oh ÿ ÿ 2ÿÿ= T
oh
2
Agora temos
ohT T
Gj ( oh) ÿ (
GjZOH ZOH oh) = T sinc ÿ ÿ ÿ- oh (3.5)
ÿ 2 ÿ 2
O ângulo de resposta de frequência da retenção ZOH diminui linearmente com a frequência,

enquanto a magnitude é proporcional à função sinc. Conforme mostrado na Figura 3.4, a
magnitude é oscilatória com sua magnitude de pico igual ao período de amostragem e
ocorrendo na frequência zero.
3.4 Efeito do Amostrador na Transferência

Função de uma cascata
Em um sistema de tempo discreto incluindo vários subsistemas analógicos em cascata e
vários amostradores, a localização do amostrador desempenha um papel importante na
determinação da função de transferência geral. Assumindo que a interligação não altera os
modelos matemáticos dos subsistemas, a transformada de Laplace da saída do sistema da
Figura 3.5 é dada por
S (H)S=X( S
)2( )
(3.6)
= (H) 2s H s U1 (s ) ()
3.4 Efeito do Amostrador na Função de Transferência de uma Cascata 59
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
–30 –20 –10 0 10 20 30
Figura 3.4
Magnitude da resposta de frequência da retenção de ordem zero com T = 1 s.
Nós) X(s) S(s)

H1(s) H2(s)
Figura 3.5
Cascata de dois sistemas analógicos.
A transformação inversa de Laplace fornece a resposta no tempo

t
yt ( ) = ÿ0 htxd
2 ÿ ( )t ( ) t t
t t (3.7)
=ÿ 2 ÿ ( ht t
ÿÿ h1 t
( - ) () eu
ímpar eu euÿ t
0 )ÿ 0 ÿ
Mudando a ordem e as variáveis de integração, obtemos

t t
yt ( ) = ÿ0 fora
ÿÿ h1 t euÿ
ÿ( t ( ÿ ) ( eu 2 eu
) disco
rígido t
)ÿ 0 ÿ
t
(3.8)
= ÿ thdÿ ( )t ( ) equação
t t
0
t
onde ht eq ( ) = ÿ0 1Assim,
ÿ ( ) (at)resposta
2 eu
hthd t .
ao impulso equivalente para a cascata é dada pela convolução das respostas ao impulso em cascata. A
mesma conclusão pode ser alcançada por
Nós) Nós) S(s)

H(s)
T
Figura 3.6
Sistema analógico com entrada amostrada.
transformação inversa do produto das funções de transferência do domínio s. A expressão

no domínio do tempo mostra mais claramente que a cascata resulta em uma nova forma
para a resposta ao impulso. Portanto, se a saída do sistema for amostrada para obter
isto
ÿ ( ) ( ) tvocê é hdi
t t , = ...1
,,2 (3.9)
eT=( ) ÿ o
equação
não é possível separar as três funções de tempo que são convolvidas para produzi-
lo.
Por outro lado, a convolução de uma função amostrada por impulso u*(t) com um
sinal de tempo contínuo, como mostrado na Figura 3.6, resulta em repetições da função
de tempo contínuo, cada uma das quais é deslocada para a localização de um impulso no trem.
Ao contrário da situação anterior, a função de tempo resultante não é inteiramente
nova e há esperança de separar as funções que a produziram. Para um sistema linear
invariante no tempo (LTI) com entrada amostrada por impulso, a saída é dada por
t
sim( ) = ÿÿ ( ) ( ) t t t
0
t
ÿ
(3.10)
= ÿ ÿ
ÿ0 ht (- t ) ( você kTdt) ( ÿ ) kT d t
ÿÿ kÿ= 0 ÿÿ
Alterar a ordem de soma e integração dá

ÿ
t
yt ( ) = ÿ ÿkT(ht
k =0
) ( ÿ ) você
0
( - ) kT d
e não t
(3.11)
ÿ
= ÿ você
( kT) ( ht
- ) kT
k =0
A amostragem da saída produz a soma da convolução

ÿ
iT ( ) = y ÿ ( 1 2) (3ÿ ) = u kT h iT, kT
i ...0 , , , , (3.12)
k =0
Conforme discutido anteriormente, o somatório da convolução tem a transformada z
Y z( H
)=z U( z) () (3.13)
ou em notação de domínio s
*
S e (H)e=nós
* *
() () (3.14)
3.4 Efeito do Amostrador na Função de Transferência de uma Cascata 61
Se um único bloco for uma função de transferência equivalente para a cascata da Figura 3.5, então seus
componentes não poderão ser separados após a amostragem. No entanto, se a cascata for separada por
amostradores, cada bloco terá uma saída e uma entrada amostradas, bem como uma função de transferência
no domínio z. Para n blocos não separados por amostradores, usamos a notação
Y z( H) z=U (z ) ()
(3.15)
= ( HHH z U z 1 2 ... n
)( ) ( )
em oposição a n blocos separados por amostradores onde

Y z( H) z=U (z ) ()
(3.16)
= H z1 H( )z H( z) 2U...z ( ) ( ) n
Exemplo 3.1
Encontre a sequência de resposta ao impulso amostrada equivalente e a função de transferência z equivalente para a
cascata dos dois sistemas analógicos com entrada amostrada
1 2
Hs1 ( ) = Hs 2 ( ) =
é +2 é 4+
1. Se os sistemas estiverem conectados diretamente.

2. Se os sistemas estiverem separados por um amostrador.
Solução
1. Na ausência de amostradores entre os sistemas, a função de transferência global é
2
Hs ( ) =
(é+ )(2+ é) 4
1 1
= -
s + 2 é +4
A resposta ao impulso da cascata é
- - 4t
hte( ) =
2 toneladas
-
e a resposta ao impulso amostrada é
- 2 kT - e - 4kT k =
e ( ) = h kT 0 1 2, , , , ...
Assim, a função de transferência do domínio z é
Com Com e
- 2T - 4T
- não )
Hz ( ) = - =
ela-
- 2T
ela-
- 4T
(Tzezé
( ) ÿ2 ( -
- - 4T
)
2. Se os sistemas analógicos forem separados por um amostrador, então cada um terá uma transferência de domínio z
função e as funções de transferência são dadas por
Com 2z
Hz1 ( ) = -
Hz 2 ( ) = - 4T
ela- 2T
ela-
A função de transferência geral para a cascata é
2z2
Hz( ) =
) ÿ (2
(Tzezé -
)-
- 4T
A expansão em fração parcial da função de transferência é

- -
2 2T
ÿ não não4 T ÿ
Hz( ) = -
- - e - 4T - -
e
2T
ÿÿ
ela- 2T
ela- 4T ÿ
A transformação z inversa fornece a sequência de resposta ao impulso
2 2 T kT ee
( h kT )= - 2T - e - 4T
[ ÿÿ
2 - 4 TkT - 4
- sim ]
e
2
=
- 2T - e - 4T
[e ÿ +2 1( ) kT - +k( T
41e)ÿ
] ,=k 0 ,1, 2, ...
e
O Exemplo 3.1 mostra claramente o efeito de colocar um amostrador entre blocos analógicos nas respostas
ao impulso e na função de transferência do domínio z correspondente.
3.5 DAC, subsistema analógico e combinação ADC

Função de transferência
A cascata de um DAC, subsistema analógico e ADC, mostrada na Figura 3.7, aparece frequentemente em
sistemas de controle digital (ver Figura 3.1, por exemplo). Como tanto a entrada quanto a saída da cascata
são amostradas, é possível obter sua função de transferência no domínio z em termos das funções de
transferência dos subsistemas individuais. A função de transferência é derivada usando a discussão sobre
cascatas apresentada na Seção 3.4.
T
kT Ordem Zero kT (k+1)T Analógico
Segurar Subsistema
Passo positivo em kT
kT (k+1)T
Passo negativo em (k+1)T
Figura 3.7
Cascata de um DAC, subsistema analógico e ADC.

3.5 DAC, Subsistema Analógico e Combinação ADC 63
Usando o modelo DAC da Seção 3.3, e assumindo que a função de transferência

do subsistema analógico é G(s), a função de transferência da cascata do DAC e do
subsistema analógico é
( ) Gs
Gs Gs =()
PARA ZOH ()
- ST Gs( ) (3.17)
= ÿ1( e )
é
A resposta ao impulso correspondente é

( ) = ( )ÿ ( )
gtgtgt
PARA ZOH
= (gtgtT
)é ÿ ÿ ( é )
(3.18)
Gs( )
gt ( ) = eu
é
1 -
{ }
é
A resposta ao impulso de (3.18) é a resposta ao degrau do sistema analógico menos uma

resposta ao segundo degrau atrasada por um período de amostragem. Esta resposta é mostrada
na Figura 3.8 para um subsistema analógico subamortecido de segunda ordem. A resposta
analógica de (3.18) é amostrada para fornecer a resposta ao impulso amostrada
PARA
( ) = ( ÿé ( ) g )kT
- g ékT g kT T (3.19)
Pela transformação z, obtemos a função de transferência z da cascata DAC (retenção de

ordem zero), subsistema analógico e ADC (amostrador ideal).
1,5 1,0
1,0 0,8
Passo Positivo
0,5 0,6
0,0 0,4
ÿ0,5 0,2
Negativo atrasado
Etapa
ÿ1,0 0,0
ÿ1,5 ÿ0,2
0 2 4 6 8 10 0 2 4 6 8 10
Tempo Tempo
(a) (b)
Figura 3.8
Resposta ao impulso de um subsistema DAC e analógico. (a) Resposta de um sistema analógico a entradas
escalonadas. (b) Resposta de um sistema analógico a uma entrada de pulso unitário.
*
) gtS ( )}
-
G NOVAMENTE
z 1
()=ÿ(
Com
1 COM
(3.20)
ÿ Gs( ) ÿ *
= ÿ 1( Com
- 1
) ZL { { - 1
ÿÿÿ é ÿ}
A notação complicada em (3.20) é enfatizar que a amostragem de uma função de tempo é

necessária antes da transformação z. Tendo feito este ponto, a equação pode ser reescrita de
forma mais concisa como
Gs( )
G NOVAMENTE
z 1 ÿ 1z
()=ÿ( ) COM
{ é
} (3.21)
Exemplo 3.2
Encontre GZAS(z) para o sistema de controle de cruzeiro do veículo mostrado na Figura 3.9, onde u é a força de entrada,
v é a velocidade do carro e b é o coeficiente de atrito viscoso.
Solução
Primeiro desenhamos um esquema para representar o sistema de controle de cruzeiro conforme mostrado na Figura 3.10.
Usando a lei de Newton, obtemos o seguinte modelo:
Mv ÿ(
t bv) faz
+( )=()
que corresponde à seguinte função de transferência:
Vs( ) = 1
Gs(()) =
Você é Sra. b +
Figura 3.9
Veículo automotivo.
bv em
Figura 3.10
Representação esquemática de um sistema de controle de cruzeiro para um veículo automotor.

Reescrevemos a função de transferência na forma
K K t
Gs( ) = =
t + s1 é 1+ t
onde K = 1/b e ÿ = M/ b. A expansão de fração parcial correspondente é
Gs( ) = ÿO ÿÿ 1
A2 ÿ
+
é ÿ t ÿ ÿÿ é é +1t ÿÿ
onde
1 1
A1 = =t A2 = =- t
+ s1 t é = 0 é é =ÿ 1 t
Usando (3.21) e a tabela de transformada z (ver Apêndice I), a transferência desejada do domínio z
função é
K t t
G z ( ) = ÿ (1
DE NOVO
Com
- 1
) COM
ÿ
ÿ
ÿ ÿÿ ÿÿ
ÿ
ÿÿ t ÿ ÿÿ ss +1t ÿÿ ÿ
- 1
= +K ÿ 1
Com
ÿÿ
ela-
- T t
ÿÿ ÿÿ
Simplificamos para obter a função de transferência
-
ÿ2
T
G z K( ) =
Com
ÿ +1( e t
)ÿ
ela-
DE NOVO
- T t
ÿÿ ÿÿ
Exemplo 3.3
Encontre GZAS(z) para o sistema de controle de posição do veículo mostrado na Figura 3.10, onde u é a força de
entrada, y é a posição do carro e b é o coeficiente de atrito viscoso.
Solução
Tal como acontece com o exemplo anterior, obtemos a seguinte equação de movimento:
ÿÿ ÿ
Meu(t )por
+ tut
() =()
e a função de transferência correspondente
() =
E sim 1
Gs( )=
( ) é Sra.( +
Você b )
Reescrevemos a função de transferência em termos da constante de tempo do sistema
K K t
Gs( ) = =
ss(t + ) 1 ss( + )1 t
onde K = 1/b e ÿ = M/ b. A expansão de fração parcial correspondente é
Gs( ) O A 12 A2
= ÿ ÿÿ 11
++ ÿ
2
é ÿ t ÿ ÿÿ é é é +1t ÿÿ
onde
1 d ÿ 1 ÿ 2
A 11 = =t A 12 = t
s + 1t S= 0
ds 1 + ÿÿ
t ÿ Sÿ==0 ÿ
1 2
A2 = =t
2s é =ÿ 1t
Usando (3.21), a função de transferência desejada no domínio z é
- ÿ ÿ 1 t t ÿÿ
G NOVAMENTE
z 1 z K )Z
()=ÿ(
1
ÿ
ÿ+ ÿ
ÿ ÿÿ
2s ss +1t ÿÿ ÿ
1 t ( ) -1
= K ÿ ÿ
Com
ÿ +t 1
ÿ ÿ Com
- Com
- ÿ eÿTt ÿ
que pode ser simplificado para

- -
ÿ (1ÿ +t ÿ t não
T t
[ ) + ÿ (t ÿ ) e
T t
(t + 1)] ÿ
G DE NOVO
(z) = K - T t
ÿ ( vir 1 - ) ÿ
ÿ
Exemplo 3.4
Encontre GZAS(z) para o circuito RL em série mostrado na Figura 3.11 com a tensão do indutor como saída.
Solução
Usando a regra do divisor de tensão dá
EMo Ls ( LRs
) t é eu
= = = t =
EMem +
R-Ls ( 1+ LRs ) 1+ t é R
eu Vô
vir
Figura 3.11
Circuito série RL.

Portanto, usando (3.21), obtemos
- 1 ÿ 1 ÿ
Gz DE NOVO
()=ÿ( 1 Com ) Com
ÿ ÿ
ÿ é + 1 t ÿ
Com
- Com Com
- 1
= 1× -
= - T
T t t
Com ela- ela-
Exemplo 3.5
Encontre a função de transferência no domínio z do forno esboçado na Figura 3.12, onde a temperatura
interna Ti é a variável controlada, Tw é a temperatura da parede e To é a temperatura externa. Assuma um
isolamento perfeito para que não haja transferência de calor entre a parede e o ambiente. Suponha também
que o aquecimento é fornecido por um resistor e que a variável de controle u tem a dimensão de temperatura
com a inclusão de um amplificador com ganho K.
Para
Dois
em
De
Figura 3.12
Esquema de um forno.
Solução
O sistema pode ser modelado por meio das seguintes equações diferenciais:
tg(Ku
T Em ) t=T (tgrwT t T t ( ) ÿ ( )) + ( ( ) eu
ÿ ( ))Em Em
T tg( T) t=
eu
T ( (eu)e ÿeu (t)) eu
onde grw e giw são os coeficientes de transferência de calor. Aplicando a transformada de Laplace e após
alguns cálculos triviais, obtemos a seguinte função de transferência
Ts ( ) kg grw euw
Gs( )= eu
=
(Nós
) 2+ ()
sggsgg + 2ei + rw rw euw
Observe que os dois pólos são reais e, portanto, a função de transferência pode ser reescrita como
()
E sim K
Gs( )= = (3.22)
(Nós
) (spsp
+ )( +1 ) 2
com valores apropriados de p1 e p2. A expansão de fração parcial correspondente é
Gs( ) A 1 A2 A3
= K ÿ + + ÿ
é ÿÿ é sp+ 1
sp+ 2 ÿÿ
onde
1 1
A1 = =
( + )( + ) spsp 1 2 =
segundos 0
pp. 12
1 1
A2 = =-
(+)
ssp 2 =ÿ
sp 1 12 ( ÿ ) ppp 1
1 1
A3 = =
( + ) ssp
1 =ÿ
sp 2 22 ( ÿ ) ppp 1
ÿ ÿ ÿÿ
- 1 1 1 + 2 1 1
1 z K )Z - pp.
ÿ ÿ
G NOVAMENTE
z
ÿÿ
+ - ÿÿ
ÿ 2 2
()=ÿ( ÿ
pps 12
ppsppppp
2
1
2
2
2
1 ( ÿ2 )( + 1) 1 2(pp.
- 2) 1
ÿ ÿ
(sp
+)
ÿ ÿ ÿ ÿ
ÿ
ÿ
ÿ
ÿ 2 ÿÿ
ÿ ÿ
ÿ ÿ
ÿ
1 p +p 1 2 1 1 ÿ
= K -
2 2 + 2
-
2
ÿ
ÿ ppz
12 (-) 1 pp.
1 2 1 ( - 2)
ppp 2
ppp
( - 2) 1
ÿ
ÿ
ÿ
- )( 1
( vir
- 1 T
1 hora
) (-)1
( vir -
ÿTp 2
)ÿ ÿ
que pode ser reescrito como
- - ÿ +( )
- -
p T1
- 2 p 2T + 2
12
pp.
ÿ 2
- 2
p T1 1
ÿ querido ÿTÿ
1
( p T pepe ÿ + ÿ )2 + ppz1 - (1
ÿ +pp.
) 2
ÿ 1
sobre ÿ ÿ
Guarda
(z) Geral
=
DE NOVO - -
ÿ
122
( ppppzeze
(ÿ) 1 - pT1
)( - p T2
) ÿ
ÿ ÿ
ÿ
ÿ
ÿ
ÿ
Exemplo 3.6
Encontre a função de transferência no domínio z de um motor CC controlado por armadura.
Solução
O sistema pode ser modelado por meio das seguintes equações diferenciais:
ÿÿ ÿ
tbt( K-lo
J eu ) + ( eu
)= () t
di t( ) ÿ
eu + (Ri) =faz
( )Kÿ t( ) e
eu
dt
()
sim ( )t
= eu
onde ÿ é a posição do eixo (ou seja, a saída y do sistema), i é a corrente de armadura, u é a tensão da fonte
(ou seja, a entrada do sistema), J é o momento de inércia do motor, b é o coeficiente de atrito viscoso, Kt é a
constante da armadura, o torque Ke é a constante do motor, o torque R é a resistência elétrica e L é a
indutância elétrica. Aplicando a transformada de Laplace e após alguns cálculos triviais, obtemos a seguinte
função de transferência:
()
E sim Kt
Gs( )= =
(Nós
) [( + )( + ) + s Js b Ls
RKK t e
]
()
E sim K
Gs( )= =
(Nós
) ( + )(
sspsp +1 ) 2
com valores apropriados de K, p1 e p2. A expansão de fração parcial correspondente é
Gs( ) = ÿ A 11 A A2
+
A3 ÿ
K 12 + +
é ÿÿ é2 é sp+ sp+ ÿÿ
1 2
onde
1 1
A 11 = =
( + )( + 1) spsp 2 é=0
pp.
12
d ÿ 1 ÿ pp. +
A 12 = 1 2
2 2
(+
ds spsp ÿÿ )( +1 ) 2 ÿ éÿ= =
0
ÿ pp.
1 2
1 1
A2 = =
2
ppp( - 2)
2
( + ) ssp
2
sp
=ÿ
1
1 1
1 1
A3 = =-
2 2
( + ) ssp
1
sp
=ÿ
2
2 ( ÿ 2) ppp 1
ÿ ÿ ÿÿ
ÿ
1 pp. + 1 1 ÿ
-
K1 - 1 2 -
G NOVAMENTE
z 1 z )Z +
ÿÿ ÿÿ
()=ÿ( ÿ ÿ ÿ ÿ
2 2
ÿ ÿ
pps
12
2
ppsppppp
1
2
2
2
1 ( ÿ2 )( + )1 1 2(pp.
- 2) 1 ÿ ÿ
ÿ
ÿ
ÿ
ÿ
(sp
+) 2 ÿÿ
ÿ ÿ
ÿ ÿ
ÿ
1 p1 +p 1 1 ÿ
= K ÿ
- 2
+ - ÿ
2 2 2
ÿ ppz
12 (-) 1 pp.
1 2 1 (
ppp
2
- 2) 1 ppp2 ( - 2) 1 ÿ
- -
ÿ
ÿ
- )( 1
( vir p 1T
) ( - ) - 1 ( ela
Com
ÿT p
2
)ÿ ÿ
eu t a função de
Observe que se a velocidade do motor for considerada como saída (ou seja, yt ( ) = ( ) ), temos
transferência
()
E sim Kt
Gs( ) = =
(Nós
) ( Js
+ )(b +Ls) +
RKK t e
e os cálculos do Exemplo 3.5 podem ser repetidos para obter a função de transferência do domínio z (ver (3.22)).
Nos exemplos anteriores, observamos que se o sistema analógico tiver um pólo em. A
= p Ts
pS, então GZAS(z) tem um pólo em pe divisão por s em (3.21) resulta em um pólo em z
Com
= 1 que se cancela, deixando os mesmos pólos obtidos na amostragem e na transformação

z da resposta ao impulso do subsistema analógico. Porém, os zeros da função de
transferência são diferentes na presença de um DAC.
3.6 Sistemas com Atraso de Transporte
Muitos modelos de sistemas físicos incluem um atraso ou atraso de transporte em suas

funções de transferência. Isso inclui processos químicos, motores automotivos, sensores,
sistemas digitais e assim por diante. Nesta seção, obtemos a função de transferência z
GZAS(z) de (3.21) para um sistema com atraso de transporte.
A função de transferência para sistemas com atraso de transporte é da forma
G (s )G=se
( )a ÿ Tsd (3.23)
onde Td é o atraso de transporte. Tal como na Secção 2.7, o atraso de transporte pode ser reescrito como
T dlT=mT
- mÿ<1 , 0 (3.24)
onde m é um número inteiro positivo. Por exemplo, um atraso de 3,1 s com um período de
amostragem T de 1s corresponde a l = 4 e m = 0,9. Um atraso de um múltiplo inteiro do
período de amostragem não afeta a forma da resposta ao impulso do sistema. Portanto,
usando o teorema do atraso e (3.20), a função de transferência z para o sistema de (3.23)
pode ser reescrita como
ÿ(ÿ )
ÿ T-lms
Gase ÿ *
G z ( ) = ÿ (1
DE NOVO Com
- 1
) ZL { - 1()
ÿÿ
é ÿÿ }
(3.25)
()
Gase mTs
= Com
- eu
ÿ1( Com
- 1
) ZL { - 1ÿ ÿ
ÿÿ é ÿÿ *}
De (3.25), observamos que a transformada inversa de Laplace da função
Gs
a
()
Gsé (=) (3.26)
é
3.6 Sistemas com Atraso de Transporte 71
é amostrado e transformado em z para obter a função de transferência z desejada. Reescrevemos

(3.26) em termos de Gs(s) como
] *}
- - - mTs
Gzz ( ) =
DE NOVO
eu
ÿ1( Com
1
) ZL { 1
[G se( )é (3.27)
Usando o teorema do avanço no tempo das transformadas de Laplace dá

Gzz ( ) =
DE NOVO
- eu
ÿ1( Com
- 1
{ * ( ) + gt mT }
) COM é (3.28)
onde a forma de onda amostrada por impulso deve ser usada para permitir a
transformação de Laplace. O restante da derivação não requer amostragem de impulso,
e podemos substituir a forma de onda amostrada por impulso pela sequência correspondente
- - 1
Gzz ( ) = ÿ1(
eu
DE NOVO Com
) COM
{( + )} ég kT mT (3.29)
O resultado anterior depende da nossa capacidade de obter o efeito de um avanço de

tempo mT em uma forma de onda amostrada. Na Seção 2.7, discutimos a transformada z de
um sinal atrasado por T e avançado por mT, que é conhecida como transformada z modificada .
Para expressar (3.29) em termos da transformada z modificada, dividimos o atraso lT em
um atraso (l ÿ 1)T e um atraso T e reescrevemos a função de transferência como
- 1 - 1
ÿ1( zzg kT) mT COM {( + )}
ÿÿ
Gzz
eu
DE NOVO
(1)()= é (3h30)
Finalmente, expressamos a função de transferência z em termos da transformada z modificada
Com 1
G z ÿ( ) =
DE NOVO
ÿ- ÿ COMEM ( ){ } gkT (3.31)
eu z ÿ
Lembramos duas importantes transformadas modificadas fornecidas na Seção 2.7:

1
( 1){ } kT
Alterar = - 1
(3.32)
Com
-
e
MPT
-
Morreu {e pontos
}= -
(3.33)
ela- PT
Voltando ao nosso exemplo numérico anterior, um atraso de 3,1 períodos de amostragem

dá um atraso de 3 períodos de amostragem e o termo zÿ3 correspondente e a transformada
z modificada de g(kT) com m = 0,9.
Exemplo 3.7
Se o período de amostragem for 0,1 s, determine a função de transferência z GZAS(z) para o sistema
0 31. é
ÿ3e
Gs( ) =
é + 3
Solução
Primeiro escreva o atraso em termos do período de amostragem como 0,31 = 3,1 × 0,1 = (4 - 0,9) × 0,1.
Assim, l ÿ 1 = 3 e m = 0,9. A seguir, obtenha a expansão em frações parciais
3 1 1
Gs =-
s()=
ss( + ) 3 ss +3
Esta é a transformada da função de tempo contínuo mostrada na Figura 3.13, que deve ser amostrada,
deslocada e transformada em z para obter a função de transferência desejada. Usando as transformadas z
modificadas obtidas na Seção 2.7, a função de transferência desejada é
Com 1 1 e ÿ×0 .3 0 9.
ÿ- ÿ -
G DE
z ÿNOVO ( ) =
Com
4 ÿÿ
{ Com 1 ela-
- 0 .3
}
- 0 .741 0- 763
. + .
0 .237 0 022
=
Com
( Com
-)1 Com
Com
- 4
{ - 0 .741
Com }= 4zz ( -0 741. )
gs(t)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,5 1 1,5 2
Tempo
Figura 3.13
Função de tempo contínuo gs(t).
3.7 A Função de Transferência em Malha Fechada

Usando os resultados da Seção 3.5, o sistema de controle digital da Figura 3.1 produz o
diagrama de blocos em malha fechada da Figura 3.14. O diagrama de blocos inclui um
comparador, um controlador digital com função de transferência C(z) e a função de
transferência ADC-subsistema analógico-DAC GZAS(z). O controlador e o comparador são
na verdade programas de computador e substituem o bloco de computador da Figura 3.1. O
diagrama de blocos é idêntico àqueles comumente encontrados na análise de domínio s de sistemas analógicos
3.7 A Função de Transferência em Malha Fechada 73
R(z) + E (Com) você(z)

S(z)
C(z) GZAS(z)
Figura 3.14
Diagrama de blocos de um sistema de controle digital de malha única.
com a variável s substituída por z. Portanto, a função de transferência em malha fechada para
o sistema é dada por
C z( G
)z DE NOVO ()
G clz 1
()= (3.34)
+() CzGz ()
DE NOVO
e a equação característica de malha fechada é
1 + C z( G z NOVO ( ) = 0
) DE (3,35)
As raízes da equação são os pólos do sistema em malha fechada, que podem ser selecionados para
especificações de resposta de tempo desejadas, como no projeto de domínio s. Antes de discutirmos isso com
algum detalhe, primeiro examinaremos configurações alternativas do sistema e suas funções de transferência.
Ao derivar funções de transferência em malha fechada de outras configurações, os

resultados da Seção 3.4 devem ser considerados cuidadosamente, como pode ser visto no
exemplo a seguir.
Exemplo 3.8
Encontre a transformada de Laplace da saída analógica e amostrada para o diagrama de blocos da Figura 3.15.
Solução
A variável analógica x(t) possui a transformada de Laplace
X s(H) s=G(s)D(s)E(s) ()
que envolve três multiplicações no domínio s. No domínio do tempo, x(t) é obtido após três convoluções.
Do diagrama de blocos
E s( R) s=X(s) ÿ *( )
Substituindo na expressão X(s) , a amostragem dá então
X s(H) s=G(s)D(s)R(s)[X (s ) ÿ *( )]
T
S*(s)
R(s) + E(s) Nós)
D(s) G(s)
S(s)
–
H(s)
X*(s) X(s)
Figura 3.15
Diagrama de blocos de um sistema com amostragem no caminho de feedback.
Assim, a variável amostrada por impulso x*(t) tem a transformada de Laplace
X s*(HGDR
) = ( s HGD)*(
sX *( )
) ÿs ( )* ( )
onde, como na primeira parte do Exemplo 3.1, vários componentes não são mais separáveis.
Esses termos são obtidos conforme mostrado no Exemplo 3.1 por transformação inversa de Laplace, amostragem
de impulso e, em seguida, transformação de Laplace da forma de onda amostrada por impulso.
A seguir, resolvemos para X*(s)
( HGDRs
)() *
Xs* ( ) =
1 + ( DGHs) *( )
e então E(s)
( HGDRs
)() *
Eé
( )R
= (é) ÿ + ( *1
DGHs) ( )
Com alguma experiência, as duas últimas expressões podem ser obtidas diretamente do diagrama de blocos.
Os termos combinados são claramente aqueles não separados por amostradores no diagrama de blocos.
No diagrama de blocos, a transformada de Laplace da saída é Y(s) = G(s)D(s)E(s).
Substituindo por E(s) dá
( HGDRs
)() *
ÿ ÿ
S (G) S= D
( )S( R) S ()ÿ
ÿÿ + ( *1 DGHs) ( ) ÿÿ
Assim, a saída amostrada é
( HGDRs
)() *
E *é( GDR
) = ( é GD )é*( ) ÿ ( *
)()1 *
+ ( DGHs) ( )
Com a transformação z = est, podemos reescrever a saída amostrada como
( HGDR
)( ) z
Y (z )RDA
= ( z GD )(z ) ÿ ( )( )
1 + ( HGD z)( )
3.8 Perturbações Analógicas em um Sistema Digital 75
A última equação demonstra como, para alguns sistemas digitais, nenhuma expressão está
disponível para a função de transferência, excluindo a entrada. No entanto, o sistema anterior
tem uma equação característica de malha fechada semelhante a (3.35) dada por 1 + (HGD)(z)
= 0.
Esta equação pode ser usada em projetos como nos casos onde uma transferência em malha fechada
função é definida.
3.8 Perturbações Analógicas em um Sistema Digital
Perturbações são variáveis que não estão incluídas no modelo do sistema, mas que afetam sua
resposta. Eles podem ser determinísticos, como o torque de carga em um sistema de controle de
posição, ou estocásticos, como o ruído do sensor ou do atuador. Entretanto, quase todas as
perturbações são analógicas e são entradas para o subsistema analógico em uma malha de
controle digital. Usamos os resultados da Seção 3.7 para obter uma função de transferência com
uma entrada de perturbação.
Considere o sistema com entrada de perturbação mostrado na Figura 3.16. Como o sistema é linear, a
entrada de referência pode ser tratada separadamente e é assumida como zero.
A transformada de Laplace da saída amostrada por impulso é

S *(
GG) D
= s( GG s C s Y s
d )*( ) ÿ (
*( )
ZOH )* ( ) ( )
*
(3.36)
Resolvendo para Y*(s), obtemos

(GG
) ( d)Ds *
*( ) =
E sim (3.37)
é C) *é( )
1 + ( GG ZOH *( )
O denominador envolve a função de transferência para retenção de ordem zero, subsistema

analógico e amostrador. Podemos, portanto, reescrever (3.37) usando a notação de (3.21) como
(GG dDs ) *( )
*( ) =
E sim (3.38)
1 + ( (Gs ) *( )
) Cs
DE NOVO
*
D(s)
D'us(s)
T +
T S*(s)
GZOH(s)
C*(s) + G(s)
-
Figura 3.16
Diagrama de blocos de um sistema digital com perturbação analógica.

ou em termos de z como
(GG
)( )Dd z
E z( ) = ( ) (3.39)
( ) 1 +G z C z
DE NOVO
Exemplo 3.9
Considere o diagrama de blocos da Figura 3.16 com as funções de transferência
Kp
Gs( ) = , Gsd 1 ( ) = , C z( )K= c
é + 1 é
Encontre a resposta em estado estacionário do sistema a uma perturbação impulsiva de força A.
Solução
Primeiro avaliamos
Op ÿ1 - 1 ÿ
Gs( Gs
) ( )Ds
(d) = = O
p
ss( + )1 ss
ÿÿ + 1ÿÿ
A transformada z da sequência de resposta ao impulso correspondente é
ÿ Com
-
Com
ÿ
( GG
)( ) =D
d z KA p
ÿ ÿ Com
- 1 ela- ÿ Tÿ ÿ
Usando (3.21), obtemos a função de transferência

- T
1- e
G z K( ) =
DE NOVO
p - T
ela-
De (3.38), obtemos a saída amostrada
OP
ÿ Com
-
Com
ÿ
- T
ÿ ÿ Com
- 1 ela- ÿÿ
E z( ) = - T
ÿ 1- e ÿ
1 KK + CP - T
ÿÿ
ela- ÿÿ
Para obter a resposta em estado estacionário, usamos o teorema do valor final
(ÿ) = ÿ ( ez e z 1) () Com
=1
Op
=
1 + KkCP
Assim, como acontece com os sistemas analógicos, aumentar o ganho do controlador reduz o erro
devido ao distúrbio. Equivalentemente, um amplificador analógico antes do ponto de injeção de
perturbação pode aumentar o ganho e reduzir a saída devido à perturbação e tem menos probabilidade
de saturar o DAC. Observe que é mais simples aplicar o teorema do valor final sem simplificação porque
os termos que não envolvem (z ÿ 1) são eliminados.
3.9 Erro em estado estacionário e constantes de erro 77
3.9 Erro em estado estacionário e constantes de erro

Nesta seção, consideramos o diagrama de blocos de realimentação unitário mostrado na
Figura 3.14 sujeito a entradas padrão e determinamos o erro de rastreamento associado
em cada caso. As entradas padrão consideradas são a etapa amostrada, a etapa amostrada
rampa e a parabólica amostrada. Tal como acontece com os sistemas analógicos, uma
constante de erro está associada a cada entrada e um número de tipo pode ser definido para
qualquer sistema a partir do qual a natureza da constante de erro possa ser inferida. Todos os
resultados são obtidos por aplicação direta do teorema do valor final.
Na Figura 3.13, o erro de rastreamento é dado por
R (z )
Ez( ) =
(1)+( G
) zCzDE NOVO
(3,40)
R (z )
=
1 + (eu
) z
onde L(z) denota o ganho de loop do sistema.

A aplicação do teorema do valor final produz o erro de estado estacionário
-
e
(ÿ) = ÿ (1 z E1 )z ( )
Com
=1
= (z
- )R
1z () (3.41)
(1+z( ))
z eu Com
=1
O limite existe se todos os termos (z ÿ 1) no denominador se cancelarem. Isto depende

da entrada de referência, bem como do ganho do loop.
Para examinar o efeito do ganho do loop no limite, reescreva-o na forma
N z( )
eu( )z = n
0, (n) ÿ (3.42)
(z
- )D
1z
onde N(z) e D(z) são polinômios de numerador e denominador, respectivamente, sem raízes
unitárias. A definição a seguir desempenha um papel importante na determinação do erro de
estado estacionário de sistemas de realimentação unitários.
Definição 3.1: Tipo Número. O número do tipo do sistema é o número de pólos unitários
na função de transferência z do sistema. ÿ
O ganho de malha de (3.42) tem n pólos na unidade e é, portanto, do tipo n. Esses pólos
desempenham o mesmo papel que os pólos na origem para uma função de transferência no domínio s
na determinação da resposta em estado estacionário do sistema. Observe que os pólos do domínio s
em zero desempenham o mesmo papel que os pólos do domínio z em e0 .
Substituindo de (3.42) na expressão de erro (3.41) dá
n +1
(z
- )D
1 zRz ()()
e (ÿ) = z n
N zz( D( z) +-( )1 ( )) =1
Com
1n+
(3.43)
(com
ÿ ) 1(DR
1) ) z (
= n
N z( )D+ 1ÿ ( ) ( ) 1 1 Com
=1
A seguir, examinamos o efeito da entrada de referência no erro em estado estacionário.
3.9.1 Entrada de etapa amostrada
A transformada z de uma entrada de degrau unitário amostrada é
Com
R (z ) =
Com ÿ1
Substituir em (3.41) dá o erro de estado estacionário

1
e (ÿ) = (3.44)
+ 1( ) =eu z Com 1
O erro em estado estacionário também pode ser escrito como
1
e (ÿ) = 1 (3,45)
+ Kp
onde Kp é a constante de erro de posição dada por

KL p = (1) (3.46)
O exame (3.42) mostra que Kp é finito para sistemas do tipo 0 e infinito para sistemas do
tipo 1 ou superior. Portanto, o erro em estado estacionário para uma entrada de degrau
unitário amostrado é
1
ÿ
ÿ
, n =0
e (ÿ) = + ( ÿ) 1 1 eu (3.47)
ÿÿ
0, n ÿ 1
3.9.2 Entrada de rampa amostrada
A transformada z de uma entrada de rampa unitária amostrada é
Tz
R (z ) = 2
( -1)Com
Substituir em (3.41) dá o erro de estado estacionário

T
e (ÿ) = [
Com
] ÿ1[ 1] + ( eu
) z Com
=1
(3.48)
1
=
K em
3.9 Erro em estado estacionário e constantes de erro 79
onde Kv é a constante de erro de velocidade. A constante de erro de velocidade é então dada

por
1
K = ÿ()()1zLz (3.49)
em
T Com
=1
De (3.49), a constante de erro de velocidade é zero para sistemas do tipo 0, finita para sistemas do tipo 1 e
infinita para sistemas do tipo 2 ou superiores. O erro em estado estacionário correspondente é
ÿ
ÿ, n = 0
T
ÿ
n = 1
ÿ
e (ÿ) = ÿ , (3,50)
) ( 1z) ÿ
( zÿ eu Com
=1
ÿ
ÿ 0 n ÿ 2
Da mesma forma, pode ser mostrado que para uma entrada parabólica amostrada, uma constante
de erro de aceleração dada por
1
Ka = ÿ()()1zLz
2
(3.51)
T2 Com
=1
pode ser definido, e o erro em estado estacionário associado é

ÿ ÿ, n ÿ 1
ÿ
T 2
n = 2
ÿ
e (ÿ) = ÿ , (3.52)
2
( - ) () 1
Com eu z
ÿ
Com
=1
ÿÿ
0, n ÿ 3
Exemplo 3.10
Encontre o erro de posição em estado estacionário para o sistema de controle de posição digital com realimentação unitária e com as funções
de transferência
K-za
(+) Para( coletar
-)
c
G z ( ÿ( )) = , C (z ) = , << 1
0 abc ,,
zc-
DE NOVO
(ÿ) 1 unidade
1. Para uma entrada de degrau unitário amostrado.
2. Para uma entrada de rampa de unidade amostrada.
Solução
O ganho de malha do sistema é dado por
Kk para
(+ )
c
L z( C
) =z (G)z( ()ÿ1)(
= ÿ) DE NOVO
zzc
O sistema é do tipo 1. Portanto, ele tem erro de estado estacionário zero para uma entrada degrau amostrada e um erro de estado estacionário
finito para uma entrada de rampa amostrada dado por

T T 1- c
e (ÿ) = = ÿ ÿ
(ÿ)()1zLz =1
Kk
c
ÿ1+ a ÿ
Com
Claramente, o erro em estado estacionário é reduzido pelo aumento do ganho do controlador e também é afetado
pela escolha do pólo e do zero do controlador.
Exemplo 3.11
Encontre o erro em estado estacionário para o sistema analógico
K
Gs( ) = a >0
+
sobre
1. Para controle analógico proporcional com uma entrada de degrau unitário.

2. Para controle digital proporcional com uma entrada de degrau unitário amostrado.
Solução
A função de transferência do sistema pode ser escrita como
K
Gs( ) = a > 0
sobre + 1
Assim, a constante de erro de posição para controle analógico é K/ a, e o erro em estado estacionário é
1 a
e (ÿ) = 1 =
+ K Ké+
p
Para controle digital, pode ser mostrado que para o período de amostragem T, a função de transferência z DAC-planta-
ADC é
-
K
ÿ1
- no
e
Gz ()= ÿ
DE NOVO
a - - no
ÿ
ÿ ÿ ela ÿ
Assim, a constante de erro de posição para controle digital é
KG z= K a DE NOVO () =
p z =1
e o erro em estado estacionário associado é o mesmo do sistema analógico com controle proporcional. Em geral, pode
ser mostrado que o erro em estado estacionário para a mesma estratégia de controle é idêntico para implementação digital
ou analógica.
3.10 Comandos MATLAB

A função de transferência para a combinação ADC, subsistema analógico e DAC pode ser
facilmente obtida usando o programa MATLAB. Suponha que a amostragem
Recursos 81
período é igual a 0,1 s e que a função de transferência do subsistema analógico é G.
3.10.1 MATLAB
O comando MATLAB para obter uma função de transferência digital a partir de uma função de transferência
analógica é
>> g = tf(num,então)
>> gd = c2d(g, 0,1, 'método')
onde num é um vetor contendo os coeficientes do numerador da função de transferência analógica em

ordem decrescente, e den é um vetor definido de forma semelhante de denom-+ 4s + 3) são coeficientes
2
exemplo, o polinômio numerador (2s inatores. Por
inserido como
>> num = [2, 4, 3]
O termo “método” especifica o método usado para obter a função de transferência digital. Para um
sistema com retenção e amostrador de ordem zero (DAC e ADC), nós
usar
>> gd = c2d(g, 0,1, 'zoh')
Para uma retenção de primeira ordem, usamos
>> gd = c2d(g, 0,1, 'foh')
Outras opções de comandos MATLAB estão disponíveis, mas não são relevantes para o material apresentado
neste capítulo.
Para um sistema com atraso de tempo, a função de transferência discreta pode ser obtida
usando os comandos
gdelay = tf(num, den, 'inputdelay', Td)% Atraso = Td
gdelay_d = c2d(gdelay, 0.1, 'método')
Recursos
Katz, P., Controle Digital Usando Microprocessadores, Prentice Hall International, 1981.
Ogata, K., Sistemas de Controle de Tempo Discreto, Prentice Hall, 1987.
Problemas
3.1 Encontre a magnitude e a fase na frequência w = 1 de uma retenção de ordem zero com
tempo de amostragem T = 0,1 s.
3.2 A retenção de primeira ordem usa os dois últimos números em uma sequência para gerar sua saída. A
saída tanto da retenção de ordem zero quanto da retenção de primeira ordem é dada por
( kT( ) uk
você ÿ ÿT
[)]1
kT(a) =( )+ ( tkT
- ) carga , kT tkÿ Tÿ k+ ( )1
= 0,1, 2, ...
T
com a = 0,1, respectivamente.

(a) Para uma entrada de impulso discreta, obtenha e esboce a resposta ao impulso para a equação
anterior com a = 0 e a = 1.
(b) Escreva uma versão amostrada por impulso da resposta ao impulso anterior, e
Mostre que a função de transferência é dada por
1 - ST ÿ - st a - ST ÿ
GsH ( ) = ÿ ( 1 e
) ÿ1ÿ mas + ÿ1( e
)
é ÿ ST ÿÿ
(c) Obtenha as funções de transferência para a retenção de ordem zero e para a retenção de primeira
ordem da função de transferência anterior. Verifique se a função de transferência da retenção de
ordem zero é a mesma obtida na Seção 3.3.
3.3 Muitos processos químicos podem ser modelados pela seguinte função de transferência:
K -
Tsd
Gs( ) = e
t é +1
onde K é o ganho, t é a constante de tempo e Td é o atraso de tempo. Obtenha a função de transferência

GZAS(z) para o sistema em termos dos parâmetros do sistema. Suponha que o atraso de
tempo Td seja um múltiplo do tempo de amostragem T.
3.4 Obtenha a função de transferência de uma massa pontual (m) com força como entrada e
deslocamento como saída negligenciando a dinâmica do atuador; então encontre GZAS(z) para o sistema.
3.5 Para um motor de combustão interna, a função de transferência com vazão de combustível injetado
como entrada e vazão de combustível no cilindro como saída é dada por1
anoé +1
Gs( ) =
t é +1
onde t é uma constante de tempo e e é conhecido como parâmetro de divisão de combustível. Obtenha a
função de transferência GZAS(z) para o sistema em termos dos parâmetros do sistema.
1
J. Moskwa, Modelagem de motores automotivos e controle em tempo real, tese de doutorado do MIT, 1988.
Problemas 83
3.6 Repita o Problema 3.5 incluindo um atraso de 25 ms na função de transferência com

um período de amostragem de 10 ms.
3.7 Encontre a sequência de resposta ao impulso amostrada equivalente e o z-

função de transferência para a cascata dos dois sistemas analógicos com entrada amostrada
1 10
Hs1 ( ) = Hs2 ( ) =
é +6 é 1+
(a) Se os sistemas estiverem diretamente conectados.

(b) Se os sistemas forem separados por um amostrador.
3.8 Obtenha expressões para as saídas analógicas e amostradas do bloco
diagramas mostrados na Figura P3.8.
R(s) você(s) você*(s) S(s) S*(s)

C(s) G(s)
+ - T
T
H(s)
(a)
R(s) E(s) E*(s) S(s) S*(s)

C(s) G(s)
+- T
T
H(s)
(b)
R(s) E(s) E*(s) você(s) você*(s) S(s) S*(s)

C(s) G(s)
+ - T T
T
H(s)
(c)
Figura P3.8
Diagramas de blocos para sistemas com múltiplos amostradores.
3.9 Para o sistema de realimentação unitário mostrado na Figura P3.9, temos o analógico
subsistema
é +8
Gs( ) =
é +5
O sistema é controlado digitalmente com um período de amostragem de 0,02 s. A função de

transferência do controlador foi selecionada como
0 .35 Com
C z( ) =
Com
- 1
(a) Encontre a função de transferência z para o subsistema analógico com DAC e ADC.
(b) Encontre a função de transferência em malha fechada e a equação característica.
(c) Encontre o erro em estado estacionário para um degrau unitário amostrado e uma rampa unitária
amostrada. Comente o efeito do controlador no erro em estado estacionário.
R(z) E(z) você(z) S(z)

C(z) DAC G(s) ADC
+-
Figura P3.9
Diagrama de blocos para um sistema em malha fechada com controle digital.
3.10 Encontre o erro em estado estacionário para uma entrada de perturbação em degrau unitário para os sistemas
mostrado na Figura P3.10 com um período de amostragem de 0,03 s e as funções de transferência
ST
2 (é+
42 ) e - 0 .95
Gsd ( ) = Gs( ) = Cs* ( ) = sT -
é + 1 ss( + ) 3 e 1
D(s)
D'us(s)
R(s) + S(s) S*(s)

C*(s) ZOH G(s)
+-
T T + T
(a)
D(s)
D'us(s)
+
R(s) + S(s) S*(s)
C*(s) ZOH
+ ÿT T G(s) T
(b)
Figura P3.10
Diagramas de blocos para sistemas com entradas de perturbação.

3.11 Para os seguintes sistemas com realimentação unitária, encontre

(a) A constante de erro de posição.
(b) As constantes de erro de velocidade.
(c) O erro em estado estacionário para uma entrada em degrau unitário.
(d) O erro em estado estacionário para uma entrada de rampa unitária.
. 0(2+
04 Com ) .
G z ( ÿ )( (ÿ) )= (i)
1zz .
01
.
05 ( + ) 0 2.
Com
(ii) G z ( ÿ( )) =
(ÿ) Com .
01 Com .
08
3.12 Para o sistema analógico com período de amostragem de 0,05 s
10 2(é+ )
Gs( )=
( ss
+) 5
(a) Obtenha a função de transferência para o sistema com entrada e saída amostradas.
(b) Obtenha a função de transferência para o sistema com DAC e ADC.
(c) Obtenha a resposta ao degrau unitário do sistema com saída amostrada e
entrada analógica.
(d) Obtenha os pólos dos sistemas em (a) e (b), e a saída de (c), e
comente as diferenças entre eles.
3.13 Para o sistema do Problema 3.9

(a) Obtenha a função de transferência para o subsistema analógico com DAC e
ADC.
(b) Obtenha a resposta ao degrau do sistema analógico em malha aberta e do sistema fechado
sistema de controle digital de loop e comentar sobre o efeito do controlador no tempo de
resposta.
(c) Obtenha a resposta de frequência do sistema de controle digital e verifique
que 0,02 s é uma escolha aceitável de período de amostragem. Explique brevemente por que
o período de amostragem é escolhido com base na dinâmica de malha fechada e não na
dinâmica de malha aberta.
3.14 Considere o modelo do motor de combustão interna do Problema 3.5. Assuma isso,
para as condições operacionais de interesse, a constante de tempo t é de aproximadamente 1,2 s, enquanto
o parâmetro e pode variar na faixa de 0,4 a 0,6. O controlador digital em cascata
.
0 02 Com
C z( ) =
Com
- 1
foi selecionado para melhorar o tempo de resposta do sistema com feedback unitário.
Simule o sistema de controle digital com e = 0,4, 0,5 e 0,6 e discuta o comportamento do controlador
em cada caso.
3.15 Simule o sistema discreto contínuo discutido no Problema 3.9 e examine o

comportamento tanto da saída contínua quanto da saída amostrada. Repita a
simulação com erro de 10% no ganho da planta. Discuta os resultados da
simulação e comente sobre o efeito do erro de parâmetro na rejeição de
perturbações.
Capítulo
Estabilidade do digital
Sistemas de controle
4
A estabilidade é um requisito básico para sistemas de controle digitais e analógicos. O controle digital é
baseado em amostras e é atualizado a cada período de amostragem, e existe a possibilidade de o
sistema ficar instável entre as atualizações. Isto obviamente torna a análise de estabilidade diferente no
caso digital. Examinamos diferentes definições e testes de estabilidade de sistemas digitais lineares
invariantes no tempo (LTI) baseados em modelos de funções de transferência. Em particular,
consideramos a estabilidade insumo-produto e a estabilidade interna. Fornecemos vários testes de
estabilidade: o critério de Routh-Hurwitz, o critério de Júri e o critério de Nyquist. Também definimos a
margem de ganho e a margem de fase para sistemas digitais.
Objetivos
1. Determine a estabilidade de entrada-saída de uma função de transferência z.

2. Determine a estabilidade assintótica de uma função de transferência z.
3. Determinar a estabilidade interna de um sistema de controle de realimentação digital.
4. Determine a estabilidade de um polinômio z usando o critério de Routh-Hurwitz.
5. Determine a estabilidade de um polinômio z usando o critério de Júri.
6. Determine o intervalo estável de um parâmetro para um polinômio z.
7. Determinar a estabilidade em malha fechada de um sistema digital utilizando o critério de Nyquist.
8. Determine a margem de ganho e a margem de fase de um sistema digital.
4.1 Definições de Estabilidade

As definições de estabilidade mais comumente utilizadas baseiam-se na magnitude da resposta do
sistema no estado estacionário. Se a resposta em estado estacionário for ilimitada, o sistema é
considerado instável. Neste capítulo, discutimos duas definições de estabilidade que dizem respeito à
limitação ou decaimento exponencial da saída do sistema.
88ÿ CAPÍTULO 4 Estabilidade de Sistemas de Controle Digital
A primeira definição de estabilidade considera a saída do sistema devido às suas condições iniciais.
Para aplicá-lo aos modelos de função de transferência, precisamos assumir que nenhum cancelamento
do pólo zero ocorre na função de transferência. As razões para esta suposição são apresentadas
posteriormente e discutidas mais detalhadamente no contexto dos modelos de espaço de estados.
Definição 4.1: Estabilidade Assintótica. Diz-se que um sistema é assintoticamente estável se

a sua resposta a quaisquer condições iniciais decai para zero assintoticamente no estado
estacionário - isto é, a resposta devida às condições iniciais satisfaz
Lim sim
()=0 (4.1)
k ÿÿ
Se a resposta devido às condições iniciais permanecer limitada, mas não decair para zero, o
sistema é considerado marginalmente estável. ÿ
A segunda definição de estabilidade diz respeito à resposta forçada do sistema

para uma entrada limitada. Uma entrada limitada satisfaz a condição
ukbk
()< , = ...0
, ,1 2,
em
(4.2)
0 < <bÿ em
Por exemplo, uma sequência limitada que satisfaz a restrição |u(k)| <3 é mostrado na
Figura 4.1.
Reino Unido)
–1
–2
–3
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 kT
Figura 4.1
Sequência limitada com bu vinculado = 3.

4.3 Condições de Estabilidade 89
Definição 4.2: Estabilidade de entrada-saída limitada. Diz-se que um sistema é estável

em termos de entrada-saída limitada (BIBO) se sua resposta a qualquer entrada limitada
permanecer limitada - isto é, para qualquer entrada que satisfaça (4.2), a saída satisfaz.
()<
ykbk , = ...0
, ,1 2,
e
(4.3)
0b< < ÿ
e
ÿ
4.2 Locais estáveis de pólos do domínio z

Os exemplos fornecidos no Capítulo 2 mostram que as localizações dos pólos da função de
transferência z do sistema determinam a resposta no tempo. As implicações deste facto
para a estabilidade do sistema são agora examinadas mais de perto.
Considere a exponencial amostrada e sua transformada z
Com
k
,
pacote = 0 ,1, 2, ... ÿ ÿÿ
COM
- (4.4)
zp
onde p é real ou complexo. Então a sequência temporal para k grande é dada por
0
ÿ , p <1
p =1
k
1,
ÿ
p ÿ ÿ (4.5)
ÿÿ
ÿ >, p 1
Qualquer sequência de tempo pode ser descrita por
n n Com
= 0 ,1 ,2, ... FzA (4.6)
( ) = euÿ euE pk ,
COM
foda-se ÿ ÿÿ ( ) = ÿ eu
-
eu
=1 eu
=1 zp eu
onde Ai são coeficientes de frações parciais e pi são pólos do domínio z. Portanto,

concluímos que a sequência é limitada se seus pólos estiverem no disco unitário fechado
(isto é, dentro ou dentro do círculo unitário) e decai exponencialmente se seus pólos
estiverem no disco unitário aberto (isto é, dentro do círculo unitário). Esta conclusão
permite-nos derivar condições de estabilidade com base nas localizações dos pólos do
sistema. Observe que o caso de pólos repetidos no círculo unitário corresponde a uma
sequência de tempo ilimitada (ver, por exemplo, a transformada da rampa amostrada).
Embora a conclusão anterior seja válida tanto para sequências complexas como para
sequências em tempo real, geralmente restringiremos nossas discussões a sequências em
tempo real. Para sequências em tempo real, os pólos e os coeficientes de frações parciais em
(4.6) são pares conjugados reais ou complexos.
4.3 Condições de Estabilidade

A análise da Seção 4.2 permite a derivação de condições para estabilidade assintótica e BIBO com
base em modelos de funções de transferência. É demonstrado que, na ausência
do cancelamento do pólo zero, as condições para estabilidade BIBO e estabilidade assintótica são idênticas.
4.3.1 Estabilidade Assintótica
O teorema a seguir fornece condições para estabilidade assintótica.
Teorema 4.1: Estabilidade Assintótica. Na ausência de cancelamento de pólo zero, um sistema digital
LTI é assintoticamente estável se seus pólos de função de transferência estiverem no disco unitário aberto
e marginalmente estável se os pólos estiverem no disco unitário fechado sem pólos repetidos no círculo
unitário.
Prova. Considere o sistema LTI governado pela diferença de coeficiente constante

equação
-
ayk n 1) +
( + )++()( +yknaykn
+ ayk +ÿ11 ... 1 0 ()
= eu + ( ) + ( livro eu - 1 +- 1) + + 1( ),( ...
buk buk
+ =1)0+1 2 0 , , , ...
. .a transformada z da saída, observamos que a resposta

com condições iniciais y(0), y(1), y(2), . , você(n ÿ 1). Usando
do sistema devido às condições iniciais com a entrada zero é da forma
N z( )
E z( ) = n n-
za + n- 1 1 + + ...
+ não 1 0
onde N(z) é um polinômio dependente das condições iniciais. Como os zeros da função de transferência surgem da
transformação dos termos de entrada, eles não têm influência na resposta devido às condições iniciais. O denominador
da transformada z de saída é igual ao denominador da função de transferência z na ausência de cancelamento do pólo
zero. Portanto, os pólos da função Y(z) são os pólos da função de transferência do sistema.
Y(z) pode ser expandido como frações parciais da forma (4.6). Assim, a saída devido às condições iniciais é
limitada pelos pólos do sistema no disco unitário fechado, sem pólos repetidos no círculo unitário. Ele decai
exponencialmente para pólos do sistema no disco unitário aberto (isto é, dentro do círculo unitário).
ÿ
O Teorema 4.1 se aplica mesmo que ocorra o cancelamento do pólo zero, desde que
os pólos que se cancelam sejam estáveis. Isto decorre do fato de que o teste de estabilidade
é essencialmente uma busca por pólos instáveis, sendo o sistema declarado estável se
nenhum for encontrado. Pólos invisíveis mas estáveis não nos levariam a uma conclusão
errada. No entanto, pólos invisíveis, mas estáveis, o fariam. O próximo exemplo mostra
como determinar a estabilidade assintótica usando o Teorema 4.1.
Exemplo 4.1
Determine a estabilidade assintótica dos seguintes sistemas:
4 2(Com- ) 4 0(Com
2- ) .
(a) Hz ( ) (=ÿ )( ÿ ) (b) Hz ( ) =( ÿ )
Com 2 0 1.
Com
(ÿ) Com . 0 1Com
02 .
(Com3-
50 ) . 8 0(Com
2- ) .
(c) Hz ( ) (=ÿ )( ÿ ) (d) Hz ( ) =( ÿ )( ÿ )
Com . 0 1Com
02 . Com . 1
01 Com
Solução
O Teorema 4.1 só pode ser usado para funções de transferência (a) e (b) se seus pólos e zeros não forem cancelados.
Ignorando os zeros, que não afetam a resposta às condições iniciais, (a) tem um pólo fora do círculo unitário e os pólos de (b)
estão dentro do círculo unitário. Portanto, (a) é instável, enquanto (b) é assintoticamente estável.
O Teorema 4.1 pode ser aplicado às funções de transferência (c) e (d). Os pólos de (c) estão todos dentro do círculo
unitário e o sistema é, portanto, assintoticamente estável. No entanto, (d) tem um pólo no círculo unitário e é apenas
marginalmente estável.
4.3.2 Estabilidade BIBO

A estabilidade BIBO diz respeito à resposta de um sistema a uma entrada limitada. A
resposta do sistema a qualquer entrada é dada pela soma da convolução
k
sim
()= ÿ ( ) ( ) hkiuik , = 0 ,1 2
, , ... (4.7)
= ÿ0
eu
onde h(k) é a sequência de resposta ao impulso.

Pode parecer que um sistema deva ser estável BIBO se sua resposta ao impulso for
limitada. Para mostrar que isso é geralmente falso, deixe a resposta ao impulso de um
sistema linear ser limitada e estritamente positiva com limite inferior bh1 e limite superior
bh2 - isto é,
0 < < bhkb
h1 ( ) < < ÿ =h20 1 2 , k , , , ... (4.8)
Então, usar o limite (4.8) em (4.7) dá a desigualdade

k k
yk( ) = ÿ ÿ ( ) ( ) > ( ) hkiuibuik

h1 ÿ , = 0 ,1 2
, , ... (4.9)
eu
=0 eu
=0
que é ilimitado como k ÿ ÿ para a entrada limitada u(k) = 1, k = 0,1,2, . . .

O teorema a seguir estabelece condições necessárias e suficientes para BIBO
estabilidade de um sistema linear de tempo discreto.
Teorema 4.2: Um sistema linear em tempo discreto é BIBO estável se e somente se sua sequência
de resposta ao impulso for absolutamente somável - isto é,
ÿ
oi ( ) < ÿ (4.10)
=
ÿ0
eu
Prova
1. Necessidade (somente se)
Para provar a necessidade por contradição, suponha que o sistema seja BIBO estável, mas não
satisfaz (4.10). Então considere a sequência de entrada dada por
1, oi( ) ÿ 0
uki( - ) =
{- 1, oi(0) <
A saída correspondente é
k
sim
()= oi ( )
= ÿ0
eu
que é ilimitado como k ÿ ÿ. Isto contradiz a suposição de estabilidade do BIBO.
2. Suficiência (se)
Para provar a suficiência, assumimos que (4.10) é satisfeita e então mostramos que o sistema é
BIBO estável. Usar o limite (4.2) no somatório da convolução (4.7) dá a desigualdade
k k
yk( ) ÿ ÿ () ( - ) < () = hiukibhik 0 1 2 em ÿ , , , , ...

eu
=0 eu
=0
que permanece limitado como k ÿ ÿ se (4.10) for satisfeito. ÿ
Como a transformada z da resposta ao impulso é a função de transferência, BIBO

a estabilidade pode ser relacionada à localização dos pólos da seguinte forma.
Teorema 4.3: Um sistema linear em tempo discreto é BIBO estável se e somente se os pólos de sua
função de transferência estiverem dentro do círculo unitário.
Prova. A aplicação de (4.6) à resposta ao impulso e à função de transferência mostra que a resposta
ao impulso é limitada se os pólos da função de transferência estiverem no disco unitário fechado
e decai exponencialmente se os pólos estiverem no disco unitário aberto. Já foi estabelecido que
sistemas com uma resposta ao impulso limitada que não decai exponencialmente não são BIBO
estáveis. Assim, é necessário para a estabilidade do BIBO que os pólos do sistema estejam dentro
do círculo unitário.
Para provar a suficiência, assuma uma resposta ao impulso com decaimento exponencial (ou
seja, pólos dentro do círculo unitário). Seja Ar o coeficiente de maior magnitude e |ps | < 1 seja o
pólo do sistema de maior magnitude em (4.6). Então a resposta ao impulso (assumindo que não
há pólos repetidos para simplificar) é limitada por
n n
ok ÿ ÿ Um
()= ÿ
p ÿeu eu E Sr. E Sr. eu eu
k
R é
k
, k = 0 ,1, 2, ...
eu
=1 eu
=1
Conseqüentemente, a resposta ao impulso decai exponencialmente a uma taxa determinada pelo

maior pólo do sistema. Substituindo o limite superior em (4.10) dá
ÿ ÿ
1
eu
= <ÿ
ÿ ÿ ( ) ÿ não A pn
R A é R
1- p é
eu
=0 eu
=0
Assim, a condição é suficiente pelo Teorema 4.2. ÿ

Exemplo 4.2
Investigue a estabilidade BIBO da classe de sistemas com a resposta ao impulso
0 ÿÿ<ÿ
Para km
hk( ) =
{0
,, em outro lugar
onde K é uma constante finita.
Solução
A resposta ao impulso satisfaz
ÿ eu
ÿ ÿoi ( ) = K )( <) =ÿ +
1 ( ele
eu
=0 eu
=0
Usando a condição (4.10), os sistemas são todos BIBO estáveis. Esta é a classe de impulso finito
sistemas de resposta ao impulso (FIR) (ou seja, sistemas cuja resposta ao impulso é diferente de zero em
um intervalo finito). Assim, concluímos que todos os sistemas FIR são estáveis BIBO.
Exemplo 4.3
Investigue a estabilidade BIBO dos sistemas discutidos no Exemplo 4.1.
Solução
Após o cancelamento do pólo zero, as funções de transferência (a) e (b) têm todos os pólos dentro do círculo
unitário e são, portanto, estáveis BIBO. A função de transferência (c) possui todos os pólos dentro do círculo
unitário e é estável; (d) tem um pólo no círculo unitário e não é estável BIBO.
A análise e os exemplos anteriores mostram que para sistemas LTI, sem cancelamento
de pólo zero, BIBO e estabilidade assintótica são equivalentes e podem ser investigados
usando os mesmos testes. Conseqüentemente, o termo estabilidade é usado na sequência
para denotar BIBO ou estabilidade assintótica com a suposição de nenhum cancelamento
instável do pólo zero. As localizações dos pólos para um sistema estável (dentro do círculo
unitário) são mostradas na Figura 4.2.
Eu sou[z]
Círculo Unitário
Estábulo
R[z]
Instável
Figura 4.2
Locais estáveis dos pólos no plano z. Im[z] denota a parte imaginária e Re[z] denota a parte real de z.
D(z)
R(z) + E(z) você(z) S(z)
C(z) GZAS(z)
Figura 4.3
Sistema de controle digital com perturbação D(z).
4.3.3 Estabilidade Interna

Até agora, consideramos apenas a estabilidade aplicada a um sistema em malha aberta. Para sistemas
em malha fechada, estes resultados são aplicáveis à função de transferência em malha fechada. No
entanto, a estabilidade da função de transferência em malha fechada nem sempre é suficiente para a
operação adequada do sistema porque algumas das variáveis internas podem ser ilimitadas. Num sistema
de controle de realimentação, é essencial que todos os sinais no circuito sejam limitados quando entradas
exógenas limitadas são aplicadas ao sistema.
Considere o esquema de controle digital com realimentação unitária da Figura 4.3 onde, para
simplificar, uma entrada de perturbações é adicionada à saída do controlador antes do ADC.
Consideramos esse sistema como tendo duas saídas, Y e U, e duas entradas, R e D. Assim, as funções
de transferência associadas ao sistema são dadas por
ÿ C z( G
)z DE NOVO
() Gz DE NOVO
() ÿ
ÿ E z( ) + (C) 1z G z () 1 + (C) zÿ G z () R z( )
ÿ ÿ
ÿ DE NOVO DE NOVO ÿ
ÿ ÿ
(4.11)
ÿÿ ()
Você z ÿ ÿ = ÿ
C z( ) -
C z( G
) (z ) DE NOVO ÿ ÿ zÿ (ÿ)ÿ D
ÿ
ÿ + (C) (z) G
1z DE NOVO
1 + (C) (z )G z DE NOVO
ÿ
Claramente, não é suficiente provar que a saída do sistema controlado Y

é limitado para a entrada de referência limitada R porque a saída do controlador U pode ser ilimitada. Além
disso, a saída do sistema deve ser limitada quando uma entrada diferente é aplicada ao sistema,
nomeadamente, na presença de uma perturbação. Isto sugere a seguinte definição de estabilidade.
Definição 4.3: Estabilidade Interna. Se todas as funções de transferência que relacionam as entradas
do sistema (R e D) com as possíveis saídas do sistema (Y e U) forem BIBO estáveis, então o sistema
é considerado internamente estável. ÿ
Como a estabilidade interna garante a estabilidade da função de transferência de R para Y, entre

outras, é óbvio que um sistema internamente estável também é externamente estável (ou seja, a saída do
sistema Y é limitada quando a entrada de referência R é limitada).
Contudo, a estabilidade externa não implica, em geral, estabilidade interna.
Fornecemos agora alguns resultados que nos permitem testar a estabilidade interna.
Teorema 4.4: O sistema mostrado na Figura 4.3 é internamente estável se e somente se todos os seus pólos de malha
fechada estiverem no disco unitário aberto.
Prova
Para provar a necessidade, escrevemos C(z) e GZAS(z) como razões de polinômios coprimos (ou
seja, polinômios sem fatores comuns):
N Cz ( ) N Gz ( )
C (z ) = Gz ()=
DE NOVO (4.12)
( D) Cz ( D) Gz
Substituindo em (4.11), reescrevemo-lo como
ÿE ÿ 1 ÿ NNDN
CG CG ÿÿR ÿ
-
(4.13)
ÿÿ
UDDNN
ÿÿ= CG + CG ÿÿ
NDNN
CG CG ÿÿ ÿÿ
D ÿÿ
onde abandonamos o argumento z por questões de brevidade. Se o sistema for internamente estável,
então as quatro funções de transferência em (4.11) não têm pólos dentro ou fora do círculo unitário.
Assim, podemos concluir que o polinômio DCDG + NCNG não possui zeros dentro ou fora do círculo unitário
porque não pode ter um zero que também seja zero dos quatro numeradores (o que se cancela, deixando quatro
funções de transferência estáveis).
A suficiência é evidente em (4.13). Na verdade, se o polinômio característico DCDG + NCNG
não tem zeros dentro ou fora do círculo unitário, então todas as funções de transferência são
assintoticamente estáveis e o sistema é internamente estável. ÿ
Teorema 4.5: O sistema da Figura 4.3 é internamente estável se e somente se as duas condições a seguir forem válidas:
1. O polinômio característico 1 + C(z)GZAS(z) não possui zeros dentro ou fora da unidade

círculo.
2. O ganho de loop C(z)GZAS(z) não tem cancelamento de pólo zero dentro ou fora da unidade
círculo.
Prova
A Condição 1 é claramente necessária pelo Teorema 4.4. Para provar a necessidade da condição 2,
primeiro fatoramos C(z) e GZAS(z) como em (4.12) para escrever o polinômio característico na forma
DCDG + NCNG. Temos também que C(z) GZAS(z) é igual a NCNG/ DCDG. Suponha que a condição
2 seja violada e que exista Z0, |Z0| ÿ1, que é zero de DCDG e também zero de NCNG. Então
claramente Z0 também é um zero do polinômio característico DCDG
+ NCNG, e o sistema está instável. Isso estabelece a necessidade da condição 2.
Pelo Teorema 4.4, a condição 1 implica estabilidade interna, a menos que ocorra um cancelamento
instável do pólo zero no polinômio característico 1 + C(z)GZAS(z). Temos, portanto, inter-
estabilidade final se a condição 2 implicar na ausência de cancelamento instável do pólo zero. Se o ganho de
loop C(z)GZAS(z) = NCNG/DCDG não tem cancelamento de pólo zero instável, então 1 + C(z)GZAS(z) =
[DCDG+NCNG]/ DCDG não tem pólo zero instável cancelamento, e o sistema é internamente sable.
ÿ
Exemplo 4.4
Um reator químico isotérmico onde a concentração do produto é controlada pela manipulação da vazão de
alimentação é modelado pela seguinte função de transferência1 :
.
0 5848 0 3549
(ÿ 1. é +)
Gs( ) =
2
.
0 1828 s +1 .
0 8627 +
Determine GZAS(Z) com uma taxa de amostragem T = 0,1 e então verifique se o sistema de malha fechada com
o controlador de feedback
- 10 Com . )( ÿ 0 7655
ÿ ( 0 8149 Com . )
C z( ) =
( - )(1zz
-1.334 . )
não é internamente estável.
Solução
A função de transferência de processo discretizada é
Gs( ) - 0 075997
. -1 334 .
( ÿ ( Com )
G DE
z =NOVO
1 () ( ) - Com
- 1
COM {
é }= 0 8149 ( .) ÿ
Com Com 0 76
. 55)
A função de transferência da entrada de referência para a saída do sistema é dada por
E z( ) C z( G
) z( )DE NOVO
=
R z( ) + (C) 1z G z DE NOVO
()
1 .2054 ( ÿ 0Com8149 (. ) ÿ Com .
0 7655 )
=
. )( ÿ2 )z (z ÿ 0 .8756z 1+27 0. 6908
O sistema parece ser assintoticamente estável com todos os seus pólos dentro do círculo unitário.
No entanto, o sistema não é internamente estável como pode ser visto examinando a função de transferência
Você z () ( Com . )( ÿ 0 7655

ÿ 0 8149 Com . )
=- 12
R z( ) ( ÿ 1 334 .)( ÿ )
Com Com .
0 08798
que tem um pólo em 1,334 fora do círculo unitário. A variável de controle é ilimitada mesmo quando a entrada de
referência é limitada. Na verdade, o sistema viola a condição 2 do Teorema 4.5 porque o pólo em 1,334 cancela
no ganho do loop
- 10 Com . )( ÿ 0 7655
ÿ ( 0 8149 Com
) . - 0 07599
. -1 334 .
7 ( Com )
C z( )GDE
z NOVO ( ) = ×
( ÿ )( ÿ 11 334
Com Com . ) . )( ÿ 0 7655
( ÿ 0 8149
Com Com . )
1
BW Bequette, Controle de Processo: Modelagem, Projeto e Simulação, Prentice Hall, 2003.
4.4 Determinação da Estabilidade 97
4.4 Determinação da Estabilidade
O método mais simples para determinar a estabilidade de um sistema de tempo discreto dada a
sua função de transferência z é encontrar os pólos do sistema. Isto pode ser conseguido usando
um algoritmo numérico adequado baseado no método de Newton.
4.4.1 MATLAB
As raízes de um polinômio são obtidas usando um dos comandos do MATLAB,
>> raízes
>> zpk(g)
onde den é um vetor de coeficientes polinomiais denominadores. O comando zpk

fatora o numerador e o denominador da função de transferência g e os exibe. Os pólos da função
de transferência podem ser obtidos com o pólo de comando
e então classificados com o comando dsort em ordem decrescente de magnitude.
Alternativamente, pode-se usar o comando ddamp, que fornece as localizações dos pólos (valores
próprios), a taxa de amortecimento e a frequência natural não amortecida. Por exemplo, dado um período de
amostragem de 0,1 s e o polinômio denominador com coeficientes
>> o = [1,0, 0,2, 0,0, 0,4]

o comando é
>> damp(den, 0,1)
O comando produz a saída.
Autovalor Magnitude Equiv. Amortecimento Equiv. Frequencia.

(trabalho/seg)
0,2306 + 0,7428I 0,7778 0,1941 12.9441
0,2306 ÿ 0,7428I 0,7778 0,1941 12.9441
ÿ0,6612 0,6612 0,1306 31.6871
O comando MATLAB
>> T = feedback(g, gf, ±1)
calcula a função de transferência de malha fechada T usando a função de transferência direta g e

a função de transferência de feedback gf. Para feedback negativo, o terceiro argumento é -1 ou é
omitido. Para realimentação unitária, substituímos o argumento gf por 1. Podemos resolver os
pólos da função de transferência em malha fechada como antes, usando zpk
ou droga.
4.4.2 Critério de Routh-Hurwitz

O critério de Routh-Hurwitz determina condições para raízes polinomiais do meio plano
esquerdo (LHP) e não pode ser usado diretamente para investigar a estabilidade de
sistemas de tempo discreto. A transformação bilinear
1+ Em Com
- 1
Com
= ÿ=w (4.14)
1- Em Com + 1
transforma o interior do círculo unitário no LHP. Isto permite o uso do critério de Routh-Hurwitz para a
investigação da estabilidade do sistema em tempo discreto. Para o polinômio z geral,
1+ Em n n- 1
z= 1+ Em 1 + em
F zazzaz
()= +
n n- 1 1 + + ÿ ÿÿÿÿ a
... um 0
- Em ÿ ÿ + a - ÿ ÿ + +... a0
n n- 1 n n 1
ÿ1- Em ÿ ÿ1- Em ÿ
(4.15)
A abordagem de Routh-Hurwitz torna-se progressivamente mais difícil à medida que a

ordem do polinômio z aumenta. Mas para polinômios de ordem inferior, fornece facilmente
condições de estabilidade. Para polinômios de ordem superior, um pacote de manipulação
simbólica pode ser usado para realizar as manipulações algébricas necessárias. A
abordagem Routh-Hurwitz é demonstrada no exemplo a seguir.
Exemplo 4.5
Encontre condições de estabilidade para
1. O polinômio de primeira ordem a1z+a0, a1>0

2
2. O polinômio de segunda ordem a2z +a1z+a0, a2>0
Solução
1. A estabilidade do polinômio de primeira ordem pode ser facilmente determinada resolvendo sua raiz.
Portanto, a condição de estabilidade é
a0
<1 (4.16)
a1
2. As raízes do polinômio de segunda ordem são em geral dadas por
ÿ± 4
aaa -
= 1 12 02
Com
1, 2 (4.17)
2 uma
2
Assim, não é fácil determinar a estabilidade do polinômio de segunda ordem resolvendo suas raízes. Para um
2
polinômio mônico (o coeficiente de z é a unidade), o termo constante é igual ao produto dos pólos. Portanto,
para magnitudes polares menores que a unidade, obtemos a condição de estabilidade necessária
a0
<1 (4.18)
a2
4.4 Determinação de Estabilidade 99
ou equivalente
ÿ < aa 0 2 e aa 0 < 2
Esta condição também é suficiente no caso de pólos conjugados complexos onde os dois pólos são de igual
magnitude. A condição só é necessária para pólos reais porque o produto de um número maior que a unidade e um
número menor que a unidade pode ser menor que a unidade.
Por exemplo, para os pólos 0,01 e 10, o produto dos dois pólos tem magnitude 0,1, o que satisfaz (4.18), mas o
sistema é claramente instável.
Substituindo a transformação bilinear no polinômio de segunda ordem dá
2
1 + Em 1 + Em
a2 ÿ ÿ + a1 ÿ ÿ + a0
ÿ 1 - Em ÿ ÿ 1- Em ÿ
que reduz para
2
( aaaaaaaaa
2 ÿ + 10 0 )+ 2 ÿ (2 0 ( ) + + +2 1 )
Pelo critério de Routh-Hurwitz, pode-se mostrar que os pólos do polinômio w de segunda ordem permanecem no
LHP se e somente se seus coeficientes forem todos positivos. Portanto, as condições de estabilidade são dadas por
aaa
2 ÿ + >1 0 0
ah2 ÿ > 0 0 (4.19)
2 + + 1>
aaa 0 0
Adicionando a primeira e a terceira condições dá
aa20 + > ÿ ÿ < aa 0 0 2
Esta condição, obtida anteriormente em (4.18), é portanto satisfeita se as três condições de (4.19) forem satisfeitas. O
leitor pode verificar através de exemplos numéricos que se substituirmos raízes reais que satisfazem as condições
(4.19) em (4.17), obtemos raízes entre ÿ1 e +1.
Sem perda de generalidade, o coeficiente a2 pode ser assumido como unitário, e a faixa de parâmetros estável
pode ser representada no plano de parâmetros a0 versus a1 , conforme mostrado na Figura 4.4.
a0
1
Estábulo
a1
ÿ1 1
ÿ1
Figura 4.4
Faixa de parâmetros estável para um polinômio z de segunda ordem .

4.5 Teste do Júri

É possível investigar a estabilidade de polinômios no domínio z diretamente usando o teste de Júri
para coeficientes reais ou o teste de Schur-Cohn para coeficientes complexos.
Esses testes envolvem avaliações de determinantes como no teste de Routh-Hurwitz para polinômios de
domínio s , mas consomem mais tempo. A prova do Júri é aplicada a seguir.
Teorema 4.6: Para o polinômio

n n-
F zazzaz
()= +n n- 1 ...+ = não 1 0
10++ , um > 0 (4.20)
as raízes do polinômio estão dentro do círculo unitário se e somente se
(1) F ( 1) >
0
n
(2
) (ÿ ) (ÿ )1> F 10
( 3) ah0 < n
(4
) bb0 > n - 1
( 5) c0 > cn - 2 (4.21)
.
.
.
(n + 1) r 0 > R2
onde os termos nas condições n + 1 são calculados a partir da Tabela 4.1.

As entradas da tabela são calculadas da seguinte forma
ah0 -
como
bk = k = 0 ,1 - 1
, , ... , n
ahn k
bb0 -
como
c =k
, k = 0 ,1, ... , n - 2
bn - 1 bk
. (4.22)
.
.
ss0 3 ss0 2 ss0 1
r0 = , R1 = , R2 =
ss3 0 ss3 1 ss3 2 ÿ
Com base na tabela do Júri e nas condições de estabilidade do Júri, fazemos as

seguintes observações:
1. A primeira linha da tabela do Júri é uma lista dos coeficientes do polinômio

F(z) em ordem crescente de potência de z.
2. O número de linhas da tabela 2 n ÿ 3 é sempre ímpar, e os coeficientes de cada linha par são iguais aos
da linha ímpar diretamente acima dela, com a ordem dos coeficientes invertida.
4.5 Teste do Júri 101
Tabela 4.1 Mesa do Júri
n-k n- n
Linha 0z z1 2z … z … 1z Com
1 a0 a1 a2 … an-k … an-1 um
2 um an-1 an-2 … e … a1 a0
3 b0 b1 b2 … bn-k … bilhões-1
4 bilhões-1 bilhões-2 bilhões-3 … aposta … b0
5 c0 c1 c2 … … cn-2
6 cn-2 cn-3 cn-4 … … c0
. . . . … …
. . . . … …
. . . . … …
2n ÿ 5 s0 s1 s2 s3
2 n ÿ 4 s3 s2 s1 s0
2n - 3 r0 r1 r2
3. Existem n + 1 condições em (4.21) que correspondem aos n + 1 coeficientes

de F(z).
4. As condições 3 a 2 n ÿ 3 de (4.21) são calculadas utilizando o coeficiente da primeira coluna da tabela do Júri
juntamente com o último coeficiente da linha anterior. O coeficiente central da última linha nunca é usado e
não precisa ser calculado.
5. As condições 1 e 2 de (4.21) são calculadas diretamente a partir de F(z) . Se uma das duas primeiras
condições for violada, concluímos que F(z) tem raízes dentro ou fora do círculo unitário sem a necessidade
de construir a tabela de Júri ou testar as demais condições.
6. A condição 3 de (4.21), com an = 1, exige que o termo constante do polinômio seja menor que a unidade em
magnitude. O termo constante é simplesmente o produto das raízes e deve ser menor que a unidade para
que todas as raízes estejam dentro do círculo unitário.
7. As condições (4.21) reduzem-se às condições (4.18) e (4.19) para sistemas de primeira e segunda ordem,
respectivamente, onde a tabela de Júri é simplesmente uma linha.
8. Para sistemas de ordem superior, aplicar o teste do Júri manualmente é trabalhoso e é preferível testar a
estabilidade de um polinômio F(z) usando um pacote de desenho auxiliado por computador (CAD).
9. Se os coeficientes do polinômio forem funções dos parâmetros do sistema, o teste de Júri pode ser utilizado para
obter as faixas estáveis dos parâmetros do sistema.
Exemplo 4.6
Teste a estabilidade do polinômio.
5 - 2
( ) = + 2 6 0 56 . 4 z
Fzz . 3 z - 2 05
. z .
0 0775 0 35 0 + +. z =
Calculamos as entradas da tabela do Júri usando os coeficientes do polinômio (ver Tabela 4.2).
As duas primeiras condições requerem a avaliação de F(z) em z = ±1.
1. F(1) = 1 + 2,6 - 0,56 - 2,05 + 0,0775 + 0,35 = 1,4175 > 0

2. (-1)5 F(-1) = (-1)(-1 + 2,6 + 0,56 - 2,05 - 0,0775 + 0,35) = -0,3825 < 0
As condições 3 a 6 podem ser verificadas rapidamente utilizando as entradas da primeira coluna da tabela do Júri.
3. | 0,35 | < 1
4. | ÿ0,8775 | > | 0,8325 |
5. | 0,0770 | < | 0,5151 |
6. | ÿ0,2593 | < | ÿ0,3472 |
As condições 2, 5 e 6 são violadas e o polinômio tem raízes dentro ou fora do círculo unitário. Na verdade, o polinômio
pode ser fatorado como
F zz
( ) 0=5ÿ 2( 0
570 )( ÿ )(. + )( +
Com
)( + ) =. Com .
05 Com .
08 Com .
e tem uma raiz em ÿ2,5 fora do círculo unitário. Observe que o número de condições violadas não é igual ao número de
raízes fora do círculo unitário e que a condição 2 é suficiente para concluir a instabilidade de F(z).
Tabela 4.2 Tabela do Júri para Exemplo 4.6
Linha 0z 1z 2z 3z 4z Com
5
1 0,35 0,0775 ÿ2,05 ÿ0,56 2.6 1
2 1 2.6 ÿ0,56 ÿ2,05 0,0775 0,35
3 ÿ0,8775 ÿ2,5729 ÿ0,1575 1.854 0,8325
4 0,8325 1.854 ÿ0,1575 ÿ2,5729 ÿ0,8775
5 0,0770 0,7143 0,2693 0,5151
6 0,5151 0,2693 0,7143 0,0770
7 ÿ0,2593 ÿ0,0837 ÿ0,3472

4.5 Teste do Júri 103
Exemplo 4.7
Encontre a faixa estável do ganho K para o sistema de controle de cruzeiro digital com feedback unitário do
Exemplo 3.2 com a função de transferência de planta analógica
K
Gs( ) =
é +3
e com conversor digital-analógico (DAC) e conversor analógico-digital (ADC) se o período de amostragem for
0,02 s.
Solução
A função de transferência para o subsistema analógico ADC e DAC é
Gs( ) ÿ
) ZL { 1ÿ
- 1 -
G NOVAMENTE
z 1
()=ÿ(
Com
ÿ é ÿ}ÿ
K ÿ
) ZL { }
- 1 - 1ÿÿ
= ÿ 1( Com
ÿÿ ssÿ ( + )3 ÿ
Usando a expansão em frações parciais
K K ÿ1 1 ÿ
= -
ss( + ) 3 3 ss ÿÿ + ÿ3 ÿ
obtemos a função de transferência
- 2
×
1 .9412 10 K
G DE
z NOVO ( ) =
Com
- 0 .9418
Para realimentação unitária, a equação característica de malha fechada é
1 + GzNOVAMENTE ( ) = 0
+ 10.
com - 2 0. 9418 1 9412 × =Kÿ0
As condições de estabilidade são

2
0 .9418 1 -9412
. 10 × -K 1<
- 2
- 0 .9418 1 + . 10
9412 × K 1<
Assim, a faixa estável de K é
3 .
100 03 K ÿ < <
Exemplo 4.8
Encontre a faixa estável do ganho K para o sistema de controle de posição do veículo (ver Exemplo 3.3) com a
função de transferência de planta analógica
K
Gs( ) =
ss( +10)
e com DAC e ADC se o período de amostragem for 0,05 s.
Solução
A função de transferência para subsistema analógico, ADC e DAC é
ÿ Gs( ) ÿ
G NOVAMENTE
z 1
()=ÿ(
Com
- 1
) ZL { - 1
ÿ é ÿ}ÿ
ÿ ÿÿ K ÿÿ
= ÿ 1( Com
- 1
) ZL ÿÿ - 1
ÿ
ÿÿ
ss2 ( + )10 ÿ ÿÿ
Usando a expansão em frações parciais
K 10 1 1
= 0 .1 K ÿ ÿÿ
ÿ
ss2 ( + ) 10 ÿÿ é2 ss 10+ ÿÿ
obtemos a função de transferência
-
1 .0653 10× 2 Para .
+ z( 0 8467 )
G DE
z NOVO ( ) =
ÿ )( ÿ 0 6065 .
( 1zz )
Para realimentação unitária, a equação característica de malha fechada é
1 + GzNOVAMENTE ( ) = 0
-
ÿ )( ÿ 0 6065 1 .0653 10
( 1zz )+ . × 2 Para z .
+ ( 0 8467 )
2=+z ×
( 1. 0653 10
- 2 K - 6 . 065 0 )6065
+ 1 9 02 10 + × .
Com . - 3 K = 0
As condições de estabilidade são
1. F(1) = 1 + (1,0653 × 10ÿ2 K ÿ 1,6065) + 0,6065 + 9,02 × 10ÿ3 K > 0 ÿ K > 0

2. F(ÿ1) = 1 ÿ (1,0653 × 10ÿ2 K ÿ 1,6065) + 0,6065 + 9,02 × 10ÿ3 K > 0 ÿ
K < 1967,582
3. | 0,6065 + 0,0902 K | <1 ÿ + (0,6065 + 0,0902 K ) <1
ÿ (0,6065 + 0,0902 K ) <1
ÿ ÿ178,104 < K < 43,6199
As três condições produzem a faixa estável
0 << K 43 6199
.
4.6 Critério de Nyquist

O critério de Nyquist nos permite responder a duas questões:
4.6 Critério 105 de Nyquist
1. O sistema possui pólos de malha fechada fora do círculo unitário?

2. Se a resposta à primeira pergunta for sim, quantos pólos em malha fechada estão fora do círculo
unitário?
Começamos considerando o polinômio característico de malha fechada

cl( ) = +1 ( )C( z) =
G+1
z ()= L zpz 0 (4.23)
onde L(z) denota o ganho do loop. Reescrevemos o polinômio característico em termos

do numerador do ganho de loop NL e seu denominador DL na forma
N z( )
eu N z(D) z+ ( )
eu eu
cl ( ) = + 1 pz = (4.24)
D z( )
eu D z( )
eu
Observamos que os zeros da função racional são os pólos de malha fechada, enquanto
seus pólos são os pólos de malha aberta do sistema. Assumimos que temos o número de
pólos de malha aberta fora do círculo unitário e denotamos esse número por P. O número
de pólos de malha fechada fora do círculo unitário é denotado por Z e é desconhecido.
Para determinar Z, usamos alguns resultados simples de análises complexas.

Primeiro damos a seguinte definição.
Definição 4.4: Contorno. Um contorno é um simples direcionado fechado (não se cruza)

curva. ÿ
Um exemplo de contorno é mostrado na Figura 4.5. Na figura, o texto sombreado

indica um vetor. Lembre-se de que no plano complexo o vetor que conecta qualquer
ponto a a um ponto z é o vetor (z ÿ a). Podemos calcular a mudança líquida do ângulo
para o termo (z - a) à medida que o ponto z atravessa o contorno na direção mostrada
(sentido horário), determinando o número líquido de rotações do vetor correspondente.
Na Figura 4.5, observamos que a rotação líquida é de uma volta completa ou 360° para o
ponto a1, que está dentro do contorno. A rotação líquida é zero para o ponto a2, que está
fora do contorno. Se o ponto em questão corresponder a zero, então a rotação dá um
ângulo no numerador; se for um pólo, temos um ângulo denominador.
A mudança líquida do ângulo para uma função racional é o ângulo do numerador menos
a1
- a1
z2
z1- a1 0
z1
×
a2 z1
Figura 4.5
Contornos fechados (letras sombreadas denotam vetores).

o ângulo do denominador. Portanto, para a Figura 4.5, temos uma rotação no sentido horário por causa
de a1 e nenhuma rotação como resultado de a2 para uma mudança líquida de ângulo de uma rotação
no sentido horário. Os ângulos são normalmente medidos no sentido anti-horário.
Portanto, contamos as rotações no sentido horário como negativas.
A discussão anterior mostra como determinar o número de zeros de uma função racional numa
região específica; dado o número de pólos, realizamos as seguintes etapas:
1. Selecione um contorno fechado ao redor da região.

2. Calcule a mudança resultante do ângulo para a função à medida que atravessamos o contorno
uma vez.
3. A mudança líquida do ângulo ou número de rotações N é igual ao número de zeros dentro do

contorno Z menos o ângulo dos pólos dentro do contorno P.
Calcule o número de zeros como
ZNP = + (4.25)
Para usar isso para determinar a estabilidade em malha fechada, precisamos selecionar um contorno
que circunde a parte externa do círculo unitário. O contorno é mostrado na Figura 4.6. O círculo menor
é o círculo unitário, enquanto o círculo grande é selecionado com um raio grande de modo a incluir
todos os pólos e zeros das funções de interesse.
jwT
O valor do ganho do loop no círculo unitário é L(e ), que é a resposta em frequência do
sistema de tempo discreto para ângulos wT no intervalo [ÿp,p]. Os valores obtidos para frequências negativas L(ej|wT| ) são simplesmente
a conjugação complexa j|wT|
porta dos valores L(e ) e não precisa ser calculado separadamente. Como a ordem do
numerador é igual à do denominador ou menos, os pontos no círculo grande são mapeados para zero
ou para um único valor constante. Como o valor e é infinitesimal, os valores nas porções da linha reta
próximas ao eixo real são cancelados.
Figura 4.6
Contorno para determinação de estabilidade.

4.6 Critério Nyquist 107
0,6 1+ L
eu
0,4
0,2
Imaginário
0
Eixo
–0,2
–0,4
–0,6
–1 –0,5 0 0,5 1 1,5 2

Eixo Real
Figura 4.7
Gráficos de Nyquist de L e 1 + L.
jwT
Podemos simplificar o teste traçando L(e ) à medida que atravessamos o contorno e
depois contando seus arredores do ponto ÿ1 + j 0. Como mostra a Figura 4.7 , isso é
equivalente a traçar pcl(z) e contar os arredores da origem .
Se o sistema tiver pólos de malha aberta no círculo unitário, o contorno passa pelos
pólos e o teste falha. Para evitar isso, modificamos o contorno para evitar esses pólos de
malha aberta. O caso mais comum é um pólo unitário cujo contorno modificado é mostrado
na Figura 4.8. O contorno inclui um arco circular adicional de raio infinitesimal. Como as
porções no eixo real positivo se cancelam, o contorno efetivamente se reduz ao mostrado
na Figura 4.9. Para m pólos na unidade, o ganho do loop é dado por
Ns ( )
eu
eu( z) = eu (4.26)
( ÿ1)
zDs( )
onde NL e D não têm raízes unitárias. O valor da função de transferência no arco circular é
aproximadamente dado por
K ÿÿ Pi , Pi ÿ
eu( z)] 1
ÿ + ze e j eu =
etc.
eu , eu ÿ (4.27)
e ÿÿ 22 ÿÿ
jq
onde K é igual a NL(1)/D(1) e (z ÿ 1) = ee arco circular. , com e o raio do pequeno
Portanto, o círculo pequeno é mapeado para um círculo grande e atravessando o
Figura 4.8
Contorno modificado para determinação de estabilidade.
Figura 4.9
Simplificação do contorno modificado para determinação de estabilidade com (1, 0) mostrado em cinza.
um círculo pequeno causa uma mudança líquida no ângulo do denominador de ÿmp radianos (sentido horário)
(ou seja, m semicírculos). A mudança líquida do ângulo para o quociente ao percorrer o pequeno arco circular
é, portanto, mp radianos (sentido anti-horário). Concluímos que para um sistema do tipo m o contorno de Nyquist
incluirá m grandes semicírculos no sentido horário.
Resumimos agora os resultados obtidos no seguinte teorema.
Teorema 4.7: Critério de Nyquist. Deixe o número de círculos no sentido anti-horário do

ponto (ÿ1, 0) para um ganho de loop L(z) ao atravessar o contorno de estabilidade ser N (ou
seja, ÿN para círculos no sentido horário), onde L(z) tem P malha aberta pólos dentro do contorno.
Então o sistema tem Z pólos em malha fechada fora do círculo unitário com Z dado por
ZNP
= ÿ( ) + (4.28)
ÿ
Corolário: Um sistema estável em malha aberta é estável se e somente se não circunda o ponto
(ÿ1, 0) (ou seja, se N = 0).
Embora a contagem de círculos pareça complicada, na verdade é bastante

simples usando a seguinte receita:
1. Começando em um ponto distante, mova-se em direção ao ponto (ÿ1, 0).

2. Conte todas as linhas do contorno de estabilidade cruzadas. Conte cada linha com um
seta apontando da esquerda para a direita como negativa e cada linha com uma seta
apontando da direita para a esquerda como positiva.
3. O número líquido de linhas contadas é igual ao número de círculos do ponto (ÿ1, 0).
A receita é demonstrada nos exemplos a seguir.
Exemplo 4.9
Considere um modelo linearizado de um forno:
Ts( ) kg grw euw

Gs( ) =
eu
=
(
Nós ) s 2+ ( 2 gggg + eu, eu
eu, eu, rw )+
Durante a fase de aquecimento, temos o modelo2
1
Gs( ) =
ss2 + +3 1
Determine a estabilidade em malha fechada do sistema com controle digital e um período de amostragem de
0,01.
Solução
No Exemplo 3.5, determinamos que a função de transferência do sistema é
- - 2)
p1 - p 2 (1
ÿ +pp. -
ÿ bebê +
- 2 - -
p T1 1 2 2 ÿÿ
( p T1 pepe ÿ 2 ÿ + ÿ2 ) + ppz
1
ÿ + ( 1pp
2 )
ÿ sobre
1 ÿÿ
Guarda
(z) Geral
=
DE NOVO
- -
- - p T2 )
ÿ ÿ
pT1 )(
ÿ
( ppppzeze
122 ( ÿ ) 1 ÿ
ÿ
ÿ
ÿ
ÿ
Substituir os valores dos parâmetros na expressão geral fornece a função de transferência z
+ .
4 .95 4 901 Com
G ZAS
ÿ 10(z) = 5 2 -
Com 1 .97 0
com9704
+ .
O gráfico de Nyquist do sistema é mostrado na Figura 4.10. O gráfico mostra que o gráfico de Nyquist não
circunda o ponto (ÿ1, 0). Como a função de transferência em malha aberta não tem
2
T. Hagglund e A. Tengall, Um procedimento de ajuste automático para processos assimétricos,
Procedimentos da Conferência Europeia de Controle, Roma, 1995.
Eu sou[G(jw)]
0,8
0,6
0,4
0,2
Imaginário
0
Eixo
–0,2
–0,4
–0,6
–0,8
–1 –0,8 –0,6 –0,4 –0,2 0 0,2 0,4 0,6 0,8 1 Re[G(jw)]
Eixo Real
Figura 4.10
Gráfico de Nyquist da função de transferência do forno.
Pólos RHP, o sistema é estável em malha fechada. Observe que existe um caminho livre até o ponto (ÿ1,
0) sem cruzar nenhuma linha do gráfico porque não há cercamentos.
4.6.1 Margem de Fase e Margem de Ganho
Na prática, a estabilidade de um modelo matemático não é suficiente para garantir um desempenho aceitável
do sistema ou mesmo para garantir a estabilidade do sistema físico que o modelo representa. Isso se deve à
natureza aproximada dos modelos matemáticos e ao nosso conhecimento imperfeito dos parâmetros do
sistema. Portanto, precisamos determinar até que ponto o sistema está da instabilidade. Este grau de
estabilidade é conhecido como estabilidade relativa. Para manter a nossa discussão simples, restringimo-la a
sistemas estáveis de malha aberta onde zero envoltórios garantem estabilidade. Para sistemas estáveis em
malha aberta que são nominalmente estáveis em malha fechada, a distância da instabilidade pode ser medida
pela distância entre o conjunto de pontos do gráfico de Nyquist e o ponto (ÿ1, 0).
Normalmente, a distância entre um conjunto de pontos e o ponto único (ÿ1, 0) é definida como a distância
mínima sobre o conjunto de pontos. Contudo, é mais conveniente definir a estabilidade relativa em termos de
duas distâncias: uma distância de magnitude e uma distância angular. As duas distâncias são fornecidas nas
definições a seguir.
Definição 4.5: Margem de Ganho. A margem de ganho é a perturbação de ganho que torna o
sistema marginalmente estável. ÿ
4.6 Critério de Nyquist 111
Definição 4.6: Margem de Fase. A margem de fase é a perturbação de fase negativa que torna o sistema
marginalmente estável. ÿ
As duas margens de estabilidade ficam mais claras ao examinar o diagrama de blocos da

Figura 4.11. Se o sistema tiver uma perturbação de ganho multiplicativo ÿG(z) = ÿK, então a
margem de ganho é a magnitude de ÿK que deixa o sistema à beira da instabilidade. Se o
sistema tiver uma perturbação de ganho multiplicativo ÿG(z) = eÿjÿq ,
então a margem de ganho é o ângulo de defasagem ÿq que deixa o sistema à beira da
instabilidade. Claramente, as perturbações correspondentes à margem de ganho e à margem
de fase são valores limitantes, e um comportamento satisfatório exigiria perturbações menores
do modelo.
O gráfico de Nyquist da Figura 4.12 mostra a margem de ganho e a margem de fase para
um determinado gráfico polar (a porção de frequência positiva do gráfico de Nyquist). Lembre-
se de que cada ponto no gráfico representa um número complexo, que é representado por um
+
R(s) C(z)
ÿG(z) G(z)
-
Figura 4.11
Perturbação do modelo ÿG(s).
Eu sou[G(jw)]
1
1/GM
0
PM
–1
Imaginário
–2
Eixo
–3
–4
–5
–2 –1,8 –1,6 –1,4 –1,2 –1 –0,8 –0,6 –0,4 –0,2 0 Re[G(jw)]
Eixo Real
Figura 4.12
Gráfico de Nyquist com margem de fase e margem de ganho.

vetor da origem. Escalar o gráfico com um ganho ÿK resulta em vetores escalados sem rotação.
Assim, o vetor no eixo real negativo é aquele que atinge o ponto (ÿ1, 0) se escalado adequadamente,
e a magnitude desse vetor é o inverso da margem de ganho. Por outro lado, a multiplicação por eÿjÿq
gira o gráfico no sentido horário sem alterar as magnitudes dos vetores, e é o vetor de magnitude
unitária que pode atingir o ponto (ÿ1, 0) se girado pela margem de fase.
Para um sistema instável, é necessária uma rotação no sentido anti-horário ou uma redução no
ganho para deixar o sistema à beira da instabilidade. O sistema terá uma margem de fase negativa e
uma margem de ganho menor que a unidade, o que também é negativo se for expresso em decibéis
– ou seja, em unidades de 20 log{|G( jw)|}. O gráfico polar de um sistema com margem de ganho e
margem de fase negativas é mostrado na Figura 4.13.
A margem de ganho pode ser obtida analiticamente igualando a parte imaginária da resposta em
frequência a zero e resolvendo para a parte real. A margem de fase pode ser obtida igualando a
magnitude da resposta de frequência à unidade e resolvendo o ângulo, e então adicionando 180°.
Entretanto, como na prática apenas são necessários valores aproximados, é mais fácil usar o MATLAB
para obter ambas as margens.
Em alguns casos, o intercepto com o eixo real pode ser obtido como o valor onde z = ÿ1 desde que o
sistema não tenha pólo em ÿ1 (ou seja, a resposta em frequência não tenha descontinuidade na
frequência de dobramento ws/2).
Às vezes é conveniente traçar a resposta em frequência usando o gráfico de Bode, mas a
disponibilidade de comandos de plotagem de resposta em frequência no MATLAB reduz a necessidade
de tais gráficos. Os comandos MATLAB para obtenção de frequência
Eu sou[G(jw)]
1
0,5
0
Imaginário
Eixo
–0,5
–1
–1,5
–2
–3 –2,5 –2 –1,5 –1 –0,5 0 Re[G(jw)]
Eixo Real
Figura 4.13
Gráfico de Nyquist com margem de ganho (dBs) e margem de fase negativas.

gráficos de resposta (que funcionam para sistemas de tempo contínuo e de tempo discreto)
são
>> gráfico de nyquist(gd)% Nyquist
>> bode(gd)% Gráfico de Bode
Também é possível encontrar as margens de ganho e fase com o comando
>> [gm,pm] = margem(gd)
Uma forma alternativa do comando é
>> margem (gd)
A última forma mostra a margem de ganho e a margem de fase no gráfico de Bode do sistema.
Também podemos obter a margem de fase e a margem de ganho usando o gráfico de Nyquist
clicando no gráfico e selecionando
Características
Todas as margens de estabilidade
Os conceitos de margem de ganho e margem de fase e sua avaliação usando

MATLAB são ilustrados pelo exemplo a seguir.
Exemplo 4.10
Determine a estabilidade em malha fechada do sistema de controle digital para o modelo de forno do
Exemplo 3.4 com um atuador de primeira ordem em tempo discreto da forma
0 .9516
G uma
z ()=
Com
- 0 .9048
e um período de amostragem de 0,01. Se um amplificador de ganho K = 5 for adicionado ao atuador,
como o valor do ganho afetará a estabilidade em malha fechada?
Solução
Usamos MATLAB para obter a função de transferência z da planta e do atuador:
+ .
4 .711 4 644Com
G DE
z ÿNOVO
10 ( ) = 5
2
3z - 2 875 2 753 0 .8781 -
. com + Com .
O gráfico de Nyquist para o sistema, Figura 4.14, é obtido sem ganho adicional e então para um ganho K
= 5. Também mostramos o gráfico na vizinhança do ponto (ÿ1, 0) na Figura 4.15.
a partir do qual vemos que o sistema com K = 5 circunda o ponto duas vezes no sentido horário.
Contamos os cercos começando a partir do ponto (ÿ1, 0) e contando as linhas cruzadas à medida
que nos aproximamos dele. Cruzamos a curva cinza duas vezes e em cada cruzamento a seta indica que
a linha está se movendo da nossa direita para a nossa esquerda (ou seja, dois círculos no sentido
horário). O sistema é instável e o número de pólos em malha fechada fora do círculo unitário é dado por
Eu sou[G(jw)]
25
20
15
10
5
Imaginário
Eixo
–5
–10
–15
–20
–25
–5 0 5 10 15 20 25 30 35 40 45 50 Re[G(jw)]
Eixo Real
Figura 4.14
Gráfico de Nyquist para o forno e o atuador (K = 1, preto, K = 5, cinza).
Eu sou[G(jw)]
2
1,5
Sistema: sem título1

0,5 Real: –1,41
Imagem: 0,000741
Imaginário
Frequência (rad/seg): –5,33

Eixo
–0,5
Sistema: gdt
Real: –0,795
–1 Imagem: –
0,624 Frequência (rad/seg): 2,59
–1,5
–2
–5 –4,5 –4 –3,5 –3 –2,5 –2 –1,5 –1 –0,5 0 Eixo real Re[G(jw)]
Figura 4.15
Gráfico de Nyquist para o forno e o atuador nas proximidades do ponto (ÿ1, 0) (K = 1, preto, K = 5, cinza).
ZNP
= ÿ( ) +
=+20
Para o ganho original da unidade, a interceptação com o eixo real tem uma magnitude de aproximadamente
0,28 e pode ser aumentada por um fator de cerca de 3,5 antes que o sistema se torne instável.
Com uma magnitude unitária, a fase é cerca de 38 graus menos negativa que o valor de instabilidade de
-180°. Temos, portanto, uma margem de ganho de cerca de 3,5 e uma margem de fase de cerca de 38 graus.
Usando MATLAB, encontramos aproximadamente os mesmos valores para as margens
>> [gm,pm] = margem(gtd)
g = 3,4817
tarde = 37,5426
Assim, um ganho adicional superior a 3 ou um atraso de fase adicional superior a 37° pode ser tolerado sem
causar instabilidade. No entanto, tais perturbações podem causar uma deterioração significativa na resposta
temporal do sistema. Na verdade, podem ocorrer perturbações no ganho e na fase durante a implementação
do controle, e as margens são necessárias para uma implementação bem-sucedida.
Na verdade, a margem de fase do sistema é bastante baixa e pode ser necessário um controlador para
melhorar a resposta do sistema.
Para obter o gráfico de Bode mostrando a margem de fase e a margem de ganho da Figura 4.16,
use o seguinte comando.
GM = 10,8 dB (a 6,25 rad/s), PM = 37,5 graus (a 2,6 rad/s)

20
10
0
–10 GM
Magnitude
–20
–30
(dB)
–40
–50
–60
–70
–80
0
–45
–90
–135
PM
–180
(graus)
Fase
–225
–270
–315
–360
10–1 100 101 102
Frequência (rad/seg)
Figura 4.16
Margem de fase e margem de ganho para o sistema de controle do forno mostrado no gráfico de Bode.
>> margem (gtd)

1. A margem de fase para ganho unitário mostrada no gráfico é a obtida com a primeira forma da margem de
comando, mas a margem de ganho está em dBs. Os valores são, no entanto, idênticos, conforme verificado
com o comando MATLAB
>> 20*log10(gm)
anos = 10,8359
2. A margem de ganho e a margem de fase também podem ser obtidas usando o comando Nyquist conforme
mostrado na Figura 4.17.
Eu sou[G(jw)]
6
2
Sistema: gdt
Margem de ganho (dB):
10,8 Na frequência (rad/seg):
5,25 Malha Fechada Estável? Sim
Imaginário
Eixo
Sistema: gdt
Margem de fase (graus):
37,5 Margem de atraso (amostras):
–2 25,2 Na frequência (rad/s): 2,6
Malha Fechada Estável? Sim
–4
–6
–1 –0,9 –0,8 –0,7 –0,6 –0,5 –0,4 –0,3 –0,2 –0,1 0 Re[G(jw)]
Eixo Real
Figura 4.17
Margem de fase e margem de ganho para o sistema de controle do forno mostrado no gráfico de Nyquist.
Exemplo 4.11
Determine a estabilidade em malha fechada do sistema de controle digital para o sistema de controle de posição
com função de transferência analógica
10
Gs( ) =
ss( + ) 1
e com período de amostragem de 0,01. Se o sistema estiver estável, determine a margem de ganho e a margem
de fase.
Solução
Primeiro obtemos a função de transferência para a planta analógica com ADC e DAC. A função de transferência
é dada por
- 4 + 0 .9967
Com
× 10
z NOVO ( ).= 4.983
GDE
(1zz
ÿ )( ÿ ) 0 .99
Observe que a função de transferência tem um pólo na unidade porque a função de transferência analógica tem
um pólo na origem ou é do tipo I. Embora tais sistemas exijam o uso do contorno de Nyquist modificado, isso
não tem impactos significativos nas etapas necessárias para o teste de estabilidade. usando o critério de Nyquist.
O gráfico de Nyquist obtido usando o comando nyquist do MATLAB
é mostrado na Figura 4.18.
O gráfico não inclui o semicírculo grande correspondente ao semicírculo pequeno no contorno modificado
da Figura 4.9. No entanto, isso não nos impede de investigar a estabilidade. É óbvio que o contorno não circunda
o ponto (ÿ1, 0) porque o ponto está à esquerda do observador movendo-se ao longo do gráfico polar (metade
inferior). Além disso, podemos atingir o ponto (ÿ1, 0) sem cruzar nenhuma das linhas do gráfico de Nyquist. O
sistema é estável porque o número de pólos em malha fechada fora do círculo unitário é dado por
ZNP
= ÿ( ) +
=+=000
Eu sou[G(jw)]
10
Sistema: gd
4
Margem de ganho (dB): 26
Na frequência (rad/seg): 14,1
2 Estável em circuito fechado? Sim

Imaginário
0
Eixo
Sistema: gd
Margem de fase (graus): 17,1
–2
Margem de atraso (amostras): 9,67
Na frequência (rad/seg): 3,08
Estável em circuito fechado? Sim
–4
–6
–8
–10
–7 –6 –5 –4 –3 –2 –1 0 Re[G(jw)]
Eixo Real
Figura 4.18
Gráfico de Nyquist para o sistema de controle de posição do Exemplo 4.11.

GM = 26 dB (a 14,1 rad/s), PM = 17,1 graus (a 3,08 rad/s)

100
50
0
Magnitude
(dB)
–50
–100
–150
–90
–135
(graus)
–180
Fase
–225
–270
10–2 10–1 100 101 102 103
Figura 4.19
Diagrama de Bode com margem de fase e margem de ganho para o sistema de controle de posição do Exemplo
4.11.
A margem de ganho é de 17,1° e a margem de fase é de 26 dB. A margem de ganho e a margem de fase também
podem ser obtidas usando o comando margin conforme mostrado na Figura 4.19.
Recursos
Gupta, SC e L. Hasdorff, Fundamentos de Controle Automático, Wiley, 1970.
Júri, EI, Teoria e Aplicações do Método da Transformada z, Krieger, 1973.
Ogata, K., Engenharia de Controle Digital, Prentice Hall, 1987.
Oppenheim, AV, AS Willsky e IT Young, Sinais e Sistemas, Prentice Hall, 1983.
Ragazzini, JR e GF Franklin, Sistemas de Controle de Dados Amostrados, McGraw-Hill, 1958.
Problemas
4.1 Determine a estabilidade assintótica e a estabilidade BIBO dos seguintes
sistemas:
( + 12 00 07
( ) = (b) ykyk 8 ()2)+ykuk .
+ ( ) =1 +0 (2)ukk
+ ( )0=1(a)
2 +ykyk .
) + (1+0207
01=2 ((c)
ykuk ( 1) =01(20)ukk
) +ykyk 9 yk0 31 02 Reino .
+ ) ÿ ( Unido
+ 2 0 80 (1) 2+ +( ) = + ( ) + , , , ...
. . . , , , ...
. . . , , , ...
Problemas 119
4.2 Os reatores bioquímicos são utilizados em diferentes processos, como tratamento de

resíduos e fermentação alcoólica. Considerando a taxa de diluição como a variável
manipulada e a concentração de biomassa como a saída medida, o reator bioquímico
pode ser modelado pela seguinte função de transferência na vizinhança de um ponto
operacional instável em estado estacionário3 :
5 .8644
Gs( ) =
- 5 .888 1é +
Determine GZAS(z) com uma taxa de amostragem T = 0,1 e então considere o controlador
de feedback
Com
- 1.017
.
C z( ) = -
Com
- 1
Verifique se o sistema de feedback resultante não é estável internamente.

4.3 Use o critério de Routh-Hurwitz para investigar a estabilidade do seguinte
sistemas:
(-)
Com 2
(a) G z (5ÿ () ) =
(ÿ) Com 00
1 8. . Com
10 0( 1+
Com ) .
(b) G z ((ÿ) )=
(ÿ) Com 0 .7 0 9 Com .
4.4 Repita o Problema 4.3 usando o critério do Júri.

4.5 Obtenha a resposta ao impulso para os sistemas mostrados no Problema 4.3 e verifique os
resultados obtidos utilizando o critério de Routh-Hurwitz. Determine também a taxa
exponencial de decaimento para cada sequência de resposta ao impulso.
4.6 Use o critério de Routh-Hurwitz para encontrar a faixa estável de K para o
sistemas de realimentação de unidade de loop com ganho de loop
( -z
Para ) 1
(a) G z ((ÿ) )=
(ÿ) Com 00
1 8. . Com
(+
Para z ) 0 .1
(b) G z ((ÿ) )=
(ÿ) Com 0 .7 0 9 Com .
4.7 Repita o Problema 4.6 usando o critério do Júri.

4.8 Utilize o critério de Júri para determinar a estabilidade dos seguintes polinômios:
(a) z5 + 0,2z4 + z2 + 0,3z - 0,1 = 0
(b) z5 ÿ 0,25z4 + 0,1z3 + 0,4z2 + 0,3z ÿ 0,1 = 0
4.9 Determine a faixa estável do parâmetro a para os sistemas de realimentação unitária
em malha fechada com ganho de malha
1 .1 1( Com -)
(a) G z ((ÿ) )=
(ÿ) zaz 0 .8
1 .2 0( 1+ Com ) .
(b) G z ((ÿ) )=
(ÿ) zaz 0 .9
3
BW Bequette, Controle de Processo: Modelagem, Projeto e Simulação, Prentice Hall, 2003.
4.10 Para um ganho de 0,5, derive a margem de ganho e a margem de fase dos sistemas
mostrado no Problema 4.5 analiticamente. Seja T = 1 sem perda de generalidade porque o valor
de wT em radianos é tudo o que é necessário para a solução. Explique por que a margem de
fase não está definida para o sistema mostrado no Problema 4.6(a).
Dica: A margem de ganho é obtida encontrando o ponto onde a parte imaginária da resposta
em frequência é zero. A margem de fase é obtida encontrando o ponto onde a magnitude
da resposta em frequência é unitária.
4.11 Escreva um programa de computador para realizar o teste de Routh-Hurwitz usando um
Ferramenta CAD.
4.12 Escreva um programa de computador para realizar o teste do Júri usando um CAD adequado
ferramenta.
4.13 Escreva um programa de computador que utilize o programa de teste de Júri do Exercício 4.12 para
determinar a estabilidade de um sistema com ganho incerto K em um determinado intervalo [Kmin,
Kmax]. Verifique as respostas obtidas para o Problema 4.6 usando seu programa.
4.14 Mostre como o programa escrito para o Exercício 4.13 pode ser usado para testar a
estabilidade de um sistema com localização zero incerta. Use o programa para testar o efeito de
uma variação de ±20% na localização do zero para os sistemas mostrados no Problema 4.6, com
ganho fixo igual à metade do valor crítico.
4.15 Mostre como o programa escrito para o Exercício 4.13 pode ser usado para testar a
estabilidade de um sistema com localização incerta dos pólos. Utilize o programa para testar o
efeito de uma variação de ±20% na localização do primeiro pólo para os sistemas mostrados
no Problema 4.6, com ganho fixo igual à metade do valor crítico.
4.16 Simule os sistemas em malha fechada mostrados no Problema 4.6 com uma entrada em degrau
unitário e (a) ganho K igual à metade do ganho crítico e (b) ganho K igual ao ganho crítico. Discuta
sua estabilidade usando os resultados de sua simulação.
4.17 Para ganho unitário, obtenha os gráficos de Nyquist dos sistemas mostrados no Problema 4.6
usando MATLAB e determine o seguinte:
(a) A interseção com o eixo real usando o gráfico de Nyquist e depois usando
a trama de Bode
(b) A faixa estável de ganhos positivos K para a realimentação unitária de malha fechada
sistemas
(c) A margem de ganho e margem de fase para um ganho K = 0,5
4.18 Para o dobro do ganho nominal, use o MATLAB para obter os gráficos de Nyquist e Bode dos
sistemas do sistema de controle do forno do Exemplo 4.10 com um período de amostragem de
0,01 e determine o seguinte:
(a) A interseção com o eixo real usando o gráfico de Nyquist e depois usando
a trama de Bode
(b) A faixa estável de ganhos positivos adicionais K para a unidade de malha fechada
sistemas de feedback
(c) A margem de ganho e a margem de fase para o dobro do ganho nominal
4.19 Em muitas aplicações, há necessidade de controle de posição preciso em escala nanométrica.

Isso é conhecido como nanoposicionamento e agora é viável devido aos avanços na
nanotecnologia. A seguinte função de transferência representa um sistema de
nanoposicionamento de eixo único :
10 2 + 6
×
4 .29 10 (é + 10
. 9é 4
631 2 ×. )
Gs( ) = 6 2 6
) + .2 é6 10 ( + +
( +2s( + ×178 é . é +×16
412 3 ) 10
6
× ) 638 8
2s . 45
é 10
6
( 2s+ + × )( +. 209
é 7 56 10 é 5818 )
(a) Obtenha a função de transferência DAC-sistema analógico-ADC para um período de amostragem

de 100 ms e determine sua estabilidade usando o critério de Nyquist.
(b) Obtenha a função de transferência DAC-sistema analógico-ADC para um período de amostragem
de 1 ms e determine sua estabilidade usando o critério de Nyquist.
(c) Faça um gráfico da resposta ao degrau em malha fechada do sistema de (b) e explique a
resultados de estabilidade de (a) e (b) com base em seu gráfico.
4
A. Sebastian e SM Salapaka, Metodologias de design de nano-posicionamento robusto, IEEE Trans.
Tecnologia de Sistemas de Controle, 13(6), 2005.
Capítulo
5
Sistema de controle analógico
Projeto
Os controladores analógicos podem ser implementados usando componentes analógicos ou aproximados

com controladores digitais usando transformações analógico-digitais padrão. Além disso, o projeto do sistema
de controle digital direto no domínio z é muito semelhante ao projeto do domínio s dos sistemas analógicos.
Assim, uma revisão do projeto de controle clássico é o primeiro passo para a compreensão do projeto de
sistemas de controle digital. Este capítulo revisa o projeto de controladores analógicos no domínio s e
prepara o leitor para os métodos de projeto de controladores digitais apresentados no Capítulo 6. Presume-
se que o leitor tenha tido alguma exposição ao domínio s e seu uso no projeto de sistemas de controle.
Objetivos
1. Obtenha gráficos de lugar das raízes para sistemas analógicos.
2. Caracterizar a resposta ao degrau de um sistema com base no gráfico do lugar das raízes.
3. Projetar controladores proporcionais (P), derivativos proporcionais (PD), integrais proporcionais (PI) e
derivativos integrais proporcionais (PID) no domínio s.
4. Ajustar controladores PID usando a abordagem Ziegler-Nichols.
5.1 Lugar raiz

O método do lugar das raízes fornece um meio rápido de prever o comportamento em malha fechada de
um sistema com base em seus pólos e zeros em malha aberta . O método é baseado nas propriedades da
equação característica de malha fechada
0 + KLs ( ) = 1 (5.1)
onde o ganho K é um parâmetro de projeto e L(s) é o ganho de malha do sistema.

Assumimos um ganho de loop da forma
124ÿ CAPÍTULO 5 Projeto de Sistema de Controle Analógico
n Com
ÿ (é- ) eu
=1
Eu( ) = eu
(5.2)
np
ÿ (sp- ) j
j =1
onde zi, i = 1, 2, . . , np . . , nz, são os zeros do sistema em malha aberta e pj, j = 1, 2, . .
são os pólos do sistema em malha aberta. É necessário determinar os lugares dos pólos de malha
fechada do sistema (loci das raízes), pois K varia entre zero e infinito.1 Devido à relação entre as
localizações dos pólos e a resposta no tempo, isso fornece uma prévia do lugar de malha fechada.
comportamento do sistema para diferentes K.
A igualdade complexa (5.1) é equivalente às duas igualdades reais
ÿ Condição de magnitude K|L(s)| = 1
ÿ Condição angular ÿL(s) = ±(2m + 1)180°, m = 0,1,2,...
Usando (5.1) ou as condições anteriores, as seguintes regras para esboçar lugares de raízes podem ser
derivadas:
1. O número de ramos do lugar das raízes é igual ao número de ramos em malha aberta
pólos de L(s).
2. Os ramos do lugar das raízes começam nos pólos de malha aberta e terminam nos pólos de malha aberta.
loop zeros ou no infinito.
3. Os lugares das raízes do eixo real têm um número ímpar de pólos mais zeros em seus
certo.
4. Os ramos que vão ao infinito aproximam-se assintoticamente das linhas retas
definidas pelo ângulo
°
( 2+ 1) 180
=±m
eua , eu = 0 ,1, ,...
2 (5.3)
nn -
p Com
e a interceptação
np n Com
ÿ ÿpz - eu
j
=1 j =1
p a
= eu
(5.4)
nn -
p Com
5. Os pontos de ruptura (pontos de partida do eixo real) correspondem aos

máximos locais de K, enquanto os pontos de ruptura (pontos de chegada ao
eixo real) correspondem aos mínimos locais de K.
6. O ângulo de saída de um pólo complexo pn é dado por
np - 1
180 °
Nova Zelândia
ÿ ÿ pp ÿ ÿ ÿn ( eu )+ÿÿ( pz nj ) (5.5)
eu
=1 j =1
O ângulo de chegada a um zero complexo é definido de forma semelhante.
1
Em casos raros, valores de ganho negativos são permitidos e os lugares das raízes correspondentes são obtidos.
Os loci de raízes negativas não são abordados neste texto.
5.1 Lugar da Raiz 125
Exemplo 5.1
Esboce os gráficos do lugar das raízes para os ganhos do loop

1
1. Eus( ) =
( + é)( + 1) 3 é
1
2. Eus( ) =
( + é)( + 1)(5+é) 3 é
é + 5
3. Eus( ) =
( + é)( + 1) 3 é
Comente sobre o efeito de adicionar um pólo ou zero ao ganho da malha.
Solução
Os lugares das raízes para os três ganhos de loop obtidos usando MATLAB são mostrados na Figura 5.1.
Discutiremos agora como esses gráficos podem ser esboçados usando regras de esboço do lugar das raízes.
1 5
0,8
4
0,6
0,4
Imaginário
3
0,2
Eixo
0 2
Imaginário
–0,2
Eixo
1
–0,4
–0,6 0
–0,8
–1 –1
–3 –2,5 –2 –1,5 –1 –0,5 0 –2,5 –2 –1,5 –1 –0,5 0 0,5
Eixo Real Eixo Real
(a) (b)
4
3
2
1
0
Imaginário
Eixo
–1
–2
–3
–4
–9 –8 –7 –1–2–3–4–6
–5 01
Eixo Real
(c)
Figura 5.1
Loci de raízes de sistemas de segunda e terceira ordem. (a) Lugar das raízes de um sistema de segunda ordem.
(b) Lugar das raízes de um sistema de terceira ordem. (c) Lugar das raízes de um sistema de segunda ordem com zero.
1. Usando a regra 1, a função tem dois ramos do lugar das raízes. Pela regra 2, os ramos começam
em ÿ1 e ÿ3 e vão até o infinito. Pela regra 3, o lugar geométrico real do eixo está entre (ÿ1) e (ÿ3).
A regra 4 fornece os ângulos assíntotas
°
( 2+metros
) 1 180
eua = ± , eu = 0 ,1 2, , ...
2
° °
= ± ±270
90 , , ...
e a interceptação
ÿÿ
13
p a = =- 2
2
Para encontrar o ponto de ruptura usando a Regra 5, expressamos K real usando a equação
característica como
2
K = ÿ + ( 1p
4 3p 3 ( p) )( + ) =pÿ + +
Em seguida, diferenciamos em relação a s e igualamos a zero para um máximo para obter
dK
2p
40ÿ=+=
dp
Portanto, o ponto de ruptura está em sb = ÿ2. Isto corresponde a um máximo de K porque a
segunda derivada é igual a ÿ2 (negativa). Pode ser facilmente demonstrado que para qualquer
sistema com apenas dois pólos reais do eixo, o ponto de ruptura está no meio entre os dois pólos.
2. O lugar das raízes possui três ramos, com cada ramo começando em um dos pólos de malha aberta
(ÿ1, ÿ3, ÿ5). Os lugares reais do eixo estão entre ÿ1 e ÿ3 e à esquerda de ÿ5.
Todos os ramos vão até o infinito, com um ramo permanecendo no eixo real negativo e os outros
dois se separando. O ponto de ruptura é dado pelo máximo do ganho real K
K = ÿ + ( 1p 5 )(p + )( 3
+)p
Diferenciando ofertas
dK
ÿ = + ( )( + )p + + (1 3)(3+
p5 1) 5+ + ( )( +p) p p p
dp
2
= 3p + +18 p23
= 0
o que resulta em sb = ÿ1,845 ou ÿ4,155. O primeiro valor é o ponto de ruptura real porque está no
lugar geométrico real do eixo entre os pólos e ÿ1 e ÿ3. O segundo valor corresponde a um valor de
ganho negativo e, portanto, é inadmissível. O ganho no ponto de ruptura pode ser avaliado a partir
da condição de magnitude e é dado por
K = ÿ ÿ ( 1 845 + + )(ÿ +1).845

. 1 )(ÿ = 3 1 845 5 3 .079 .
As assíntotas são definidas pelos ângulos
°
+ eu
( 180
)21
eua = ± , eu = 0 ,1 2, , ...
3
° °
= ± ± 60 ,180 , ...
5.1 Lugar da Raiz 127
e a interceptação por
ÿÿÿ
135
p a
= =- 3
3
A equação característica de malha fechada corresponde à tabela de Routh
3
1 23
é
2 9 15 + K
é
1 192 - K
é
0
9
é
15 + K
Assim, em K = 192, resulta uma linha zero. Este valor define a equação auxiliar
2
9 s207
+ 0 =
Assim, a intersecção com o eixo jw é ± j4,796 rad/s.

3. O lugar das raízes tem dois ramos como em (1), mas agora um dos ramos termina no
zero. Da equação característica, o ganho é dado por
(p+ )(1+ p) 3
K=-
p + 5
Diferenciando ofertas
dK (p+ +1+5 1)(3p3 + ) ÿ +

p ( )( + ) p p
=-
2
dp (p+ ) 5
2
p + +10 p17
=-
2
(p+ ) 5
= 0
o que resulta em sb = ÿ2,172 ou ÿ7,828. O primeiro valor é o ponto de ruptura porque está entre os
pólos, enquanto o segundo valor está à esquerda do zero e corresponde ao ponto de ruptura. A
segunda derivada
2
2
dK ( 2+p10
)( + ) ÿ 5 2p (p + +10 p17 )
=-
2 3
dp (p+ ) 5
3
=- 16 + p( ) 5
é negativo para o primeiro valor e positivo para o segundo valor. Portanto, K tem máximo no primeiro
valor e mínimo no segundo. Pode-se mostrar que o lugar das raízes é um círculo centrado no zero com
raio dado pela média geométrica das distâncias entre o zero e os dois pólos reais.
Claramente, adicionar um pólo empurra os ramos do lugar das raízes em direção ao RHP,
enquanto adicionar um zero os puxa de volta para o semiplano esquerdo. Assim, adicionar um zero permite
a utilização de valores de ganho mais elevados sem desestabilizar o sistema. Na prática, o aumento permitido
no ganho é limitado pelo custo do aumento associado no esforço de controle e pela possibilidade de conduzir
o sistema fora da faixa linear de operação.
5.2 Local raiz usando MATLAB
Embora as regras acima, juntamente com (5.1), permitam esboçar os lugares das raízes para qualquer
ganho de loop da forma (5.2), muitas vezes é suficiente usar um subconjunto dessas regras para obter
os lugares das raízes. Para situações de ordem superior ou mais complexas, é mais fácil usar uma
ferramenta CAD como o MATLAB. Na verdade, esses pacotes não usam regras de esboço do lugar
das raízes. Em vez disso, eles resolvem numericamente as raízes da equação característica à medida
que K varia em um determinado intervalo e, em seguida, exibem o lugar das raízes.
O comando MATLAB para obter gráficos de lugar das raízes é “rlocus”. Para obter o
lugar das raízes do sistema
é + 5
Gs( ) =
2
é + +2 é10
usando MATLAB digite
>> g = tf([1, 5], [1, 2, 10]);

>> rlocus(g);
Para obter pontos específicos no lugar das raízes e os dados correspondentes, basta clicar em ou no
lugar das raízes. Arrastar o mouse permite alterar o ponto referenciado para obter mais dados.
5.3 Especificações de Projeto e o Efeito

de Ga em variação
O objetivo do projeto de sistema de controle é construir um sistema que tenha uma resposta desejável às entradas
padrão. Uma resposta transitória desejável é aquela que é suficientemente rápida, sem oscilações excessivas. Uma
resposta desejável em estado estacionário é aquela que segue a saída desejada com precisão suficiente. Em termos
da resposta a uma entrada em degrau unitário, a resposta transitória é caracterizada pelos seguintes critérios:
1. Constante de tempo t. Tempo necessário para atingir cerca de 63% do valor final.
2. Tempo de subida Tr. Hora de passar de 10% a 90% do valor final.
3. Superação percentual (PO).
- final
Valor de pico Valor
DEPOIS = ×100%
Valor final
5.3 Especificações de Projeto e o Efeito da Variação de Ganho 129
4. Horário de pico Tp. Tempo até o primeiro pico de uma resposta oscilatória.
5. Tempo de acomodação Ts. Tempo após o qual a resposta oscilatória permanece
dentro de uma porcentagem especificada (geralmente 2%) do valor final.
Claramente, o overshoot percentual e o tempo de pico são destinados ao uso com uma
resposta oscilatória (isto é, para um sistema com pelo menos um par de pólos conjugados
complexos). Para um único par conjugado complexo, estes critérios podem ser expressos em
termos de localização dos pólos.
Considere o sistema de segunda ordem
Em2
n
Eu( ) = (5.6)
2s + 2zw é + Em2
n n
onde z é a taxa de amortecimento e wn é a frequência natural não amortecida. Então os critérios

3 a 5 são dados por
- por exemplo
2
PO e = 1- × 100%
Com
(5.7)
Pi Pi
== (5.8)
Cidade
Em
d Em
n
1- 2
Com
4
= (5.9)
Ts
zw n
De (5.7) e (5.9), a taxa de amortecimento z é um indicador da natureza oscilatória da resposta,

com oscilações excessivas ocorrendo em valores baixos de z. Portanto, z é usado como uma
medida da estabilidade relativa do sistema. De (5.8), o tempo até o primeiro pico cai à medida
que a frequência natural não amortecida wn aumenta. Portanto, wn é usado como uma medida
de velocidade de resposta. Para sistemas de ordem superior, estas medidas e equações (5.7) a
(5.9) podem fornecer respostas aproximadas se a resposta temporal for dominada por um único
par de pólos conjugados complexos. Isso ocorre se pólos e zeros adicionais estiverem distantes
no semiplano esquerdo ou quase se cancelarem. Para sistemas com zeros, a ultrapassagem
percentual é maior do que o previsto em (5.7) , a menos que o zero esteja localizado longe no
LHP ou quase cancele com um pólo. Contudo, as equações (5.7) a (5.9) são sempre utilizadas
no projeto devido à sua simplicidade.
Assim, o processo de projeto se reduz à seleção da localização dos pólos e ao comportamento
correspondente no domínio do tempo. O lugar das raízes resume informações sobre a resposta
temporal de um sistema em malha fechada, conforme ditado pelas localizações dos pólos em um
único gráfico. Juntamente com os critérios declarados anteriormente, fornece uma poderosa
ferramenta de design, conforme demonstrado no próximo exemplo.
Exemplo 5.2
Discuta o efeito da variação de ganho na resposta temporal do sistema de controle de

posição descrito no Exemplo 3.3 com
1
Eu( ) =
(+
ssp )
Solução
O lugar das raízes do sistema é semelhante ao do Exemplo 5.1 (1) e é mostrado na Figura 5. 2 (a) para p = 4. À medida
que o ganho K aumenta, os pólos do sistema em malha fechada tornam-se conjugados complexos ; então a taxa de
amortecimento z diminui progressivamente. Assim, a estabilidade relativa do sistema deteriora-se para valores de
ganho elevados. No entanto, grandes valores de ganho são necessários para reduzir o erro em estado estacionário do
sistema devido a uma rampa unitária, que é dada por
100 100 p
e (ÿ)% = =
K em
K
Além disso, o aumento de K aumenta a frequência natural não amortecida wn (ou seja, a magnitude do pólo) e,
portanto, a velocidade de resposta do sistema aumenta. Assim, o ganho escolhido deve ser um valor de compromisso
que seja grande o suficiente para um baixo erro em estado estacionário e uma velocidade de resposta aceitável, mas
pequeno o suficiente para evitar oscilações excessivas. A resposta temporal para um ganho de 10 é mostrada na
Figura 5.2(b).
oh Amplitude
j
4
3 1
2
0,8
0,6
0
–1 0,4
–2
0,2
–3
0
–4
–4 –2 0 2 p 0 0,5 1 1,5 2 2,5 3 Tempo
(a) (b)
Figura 5.2
Utilização do lugar das raízes no projeto de um sistema de segunda ordem. (a) Lugar geométrico das raízes para a = 4. (b)
Resposta ao degrau para K = 10.
O exemplo anterior ilustra uma característica importante do design – ou seja, que

normalmente envolve um compromisso entre requisitos conflitantes. O projetista deve
sempre lembrar disso ao selecionar as especificações do projeto, de modo a evitar a
otimização excessiva de alguns critérios de projeto em detrimento de outros.
5.4 Projeto do Lugar Raíz 131
Observe que o tempo de acomodação do sistema não muda neste caso quando o ganho é aumentado.
Para um sistema de ordem superior ou um sistema com zero, esse geralmente não é o caso. No entanto, para
simplificar, as equações de segunda ordem (5.7) a (5.9) ainda são usadas no projeto. O projetista deve estar
sempre atento aos erros que esta simplificação pode causar. Na prática, o projeto é um processo iterativo onde
os resultados aproximados da aproximação de segunda ordem são verificados e, se necessário, o projeto é
repetido até que resultados satisfatórios sejam obtidos.
5.4 Projeto do Lugar Raíz

A transformação de Laplace de uma função de tempo produz uma função da variável complexa s que contém
informações sobre a função de tempo transformada. Podemos, portanto, usar os pólos da função no domínio s
para caracterizar o comportamento da função tempo sem transformação inversa. A Figura 5.3 mostra a
localização dos pólos no domínio s e as funções de tempo associadas. Os pólos reais estão associados a uma
resposta temporal exponencial que decai para os pólos LHP e aumenta para os pólos RHP. A magnitude do
pólo determina a taxa de mudança exponencial. Um pólo na origem está associado a um degrau unitário. Pólos
conjugados complexos estão associados a uma resposta oscilatória que decai exponencialmente para pólos
LHP e aumenta exponencialmente para pólos RHP. A parte real do pólo determina a taxa de mudança
exponencial e a parte imaginária determina a frequência das oscilações. Os pólos do eixo imaginário estão
associados a oscilações sustentadas.
O objetivo do projeto do sistema de controle no domínio s é selecionar indiretamente uma resposta de

tempo desejável para o sistema através da seleção de localizações de pólos em malha fechada. O meio mais
simples de mudar os pólos do sistema é através do uso de um amplificador ou controlador proporcional. Se isso
falhar, então as localizações dos pólos podem ser alteradas de forma mais drástica adicionando um controlador
dinâmico com seus próprios pólos e zeros de malha aberta.
Como ilustraram os Exemplos 5.1 e 5.2 , adicionar um zero ao sistema permite a melhoria de sua resposta
temporal porque puxa o lugar das raízes para o LHP.
Adicionar um pólo na origem aumenta o número do tipo do sistema e reduz seu erro em estado estacionário,
mas pode afetar adversamente a resposta transitória. Se for necessária uma melhoria do desempenho
transitório e em estado estacionário, então pode ser necessário adicionar dois zeros, bem como um pólo na
origem. Às vezes, controladores mais complexos podem ser necessários para atingir os objetivos de projeto
desejados.
O controlador pode ser adicionado no caminho direto, no caminho de feedback ou em um circuito interno.
Um pré-filtro também pode ser adicionado antes da malha de controle para permitir mais liberdade no projeto.
Vários controladores poderiam ser usados simultaneamente, se necessário, para atender a todas as
especificações do projeto. Exemplos dessas configurações de controle são mostrados na Figura 5.4.
Nesta seção, revisamos o projeto de controladores analógicos. Restringimos a discussão a proporcional

(P), proporcional-derivada (PD), proporcional-integral
3 1.4 2 150
2,5 1.2 1,5 100
2 1 1 50
1,5 0,8
0,5 0
1 0,6
0 –50
0,5 0,4
–0,5 –100
0 0,2
–0,5 0 –1 –150
–1 –0,2 –1,5 –200
–1,5 –0,4 –2 –250
0 5 0 5 0 5 0 5
oh
¥
¥ ¥
p
¥ ¥ ¥ ¥ ¥
1 1 2 150 450
0,9 0,9 1,8 400
0,8 0,8 1.6 350
0,7 0,7 1.4
100 300
0,6 0,6 1.2
250
0,5 0,5 1
200
0,4 0,4 0,8
0,3 0,3 0,6 50 150
0,2 0,2 0,4 100
0,1 0,1 0,2 50
0 0 0 0 0
0 0,5 1 0 5 0 5 0 5 0 1 2
Figura 5.3
Localização dos pólos e as respostas de tempo associadas.
(PI) e controle proporcional-integral-derivativo (PID). Procedimentos semelhantes podem ser

desenvolvidos para o projeto de controladores adiantados, atrasados e adiantados.
5.4.1 Controle Proporcional

O ajuste de ganho ou controle proporcional permite a seleção de localizações de pólos de malha
fechada entre os pólos dados pelo gráfico do lugar das raízes do circuito do sistema
5.4 Projeto do Locus da Raiz 133
Referência
Entrada + Saída
Controlador Plantar
-
(a)
Referência
Entrada + Saída
Plantar
-
Controlador
(b)
Referência
Entrada + Cascata + Atuador do Saída
Controlador e planta
-
+
Opinião
Controlador
(c)
Figura 5.4
Configurações de controle. (a) Compensação em cascata. (b) Compensação de feedback. (c) Compensação de
feedback do circuito interno.
ganho. Para sistemas de ordem inferior, é possível projetar analiticamente sistemas de

controle proporcional, mas um esboço do lugar das raízes ainda é útil no processo de
projeto, como pode ser visto no exemplo a seguir.
Exemplo 5.3
Um sistema de controle de posição (ver Exemplo 3.3) com posição angular de carga como saída e tensão de
armadura do motor como entrada consiste em um motor CC controlado por armadura acionado por um
amplificador de potência juntamente com um trem de engrenagens. A função de transferência global do sistema é
K
Gs( ) =
(+
ssp )
Projete um controlador proporcional para o sistema obter
1. Uma taxa de amortecimento especificada z

2. Uma frequência natural não amortecida especificada wn
Solução
O lugar das raízes do sistema foi discutido no Exemplo 5.2 e mostrado na Figura 5.2(a).
O lugar das raízes permanece no LHP para todos os valores de ganho positivos. A equação característica de malha
fechada do sistema é dada por
2 2
( + ) + = + ssp K s 2 zw n + =
Ems
n 0
Equacionar coeficientes dá
2
p = 2 zw n K= Emn
que pode ser resolvido para produzir
= = p
Emn K Com
2 K
Claramente, com um parâmetro livre, z ou wn podem ser selecionados, mas não ambos. Nós agora
selecione um valor de ganho que satisfaça as especificações do projeto.
1. Se z for dado e p for conhecido, então o ganho do sistema e seu natural não amortecido
frequência são obtidas a partir das equações
2
p ÿ = p
K =ÿ n
ÿÿ 2 ÿÿ Com wz 2
2. Se wn for dado e p for conhecido, então o ganho do sistema e sua taxa de amortecimento são
obtido a partir das equações
K = 2
Emn = p
zw 2 n
O exemplo anterior revela algumas das vantagens e desvantagens do controle

proporcional. O projeto é simples, e essa simplicidade é transferida para sistemas de
ordem superior se uma ferramenta CAD for usada para auxiliar na seleção da localização dos pólos.
Usando comandos de cursor, as ferramentas CAD permitem que o projetista selecione diretamente os locais
desejáveis dos pólos do gráfico do lugar das raízes. A resposta ao degrau do sistema pode então ser examinada
usando o comando step do MATLAB. Mas o único parâmetro livre disponível limita a escolha do projetista a
um critério de projeto. Se mais de um aspecto da resposta temporal do sistema precisar ser melhorado, será
necessário um controlador dinâmico.
5.4.2 Controle PD
Como visto no Exemplo 5.1, adicionar um zero ao ganho da malha melhora o tempo de resposta do sistema.
A adição de um zero é realizada usando um controlador em cascata ou de feedback da forma
C (s )KK
= +s K
=
p
)
sa d d +(
(5.10)
=
o kk PD
Isso é conhecido como controlador proporcional-derivativo ou PD. O termo derivado

é apenas aproximadamente realizável e também indesejável porque diferenciar uma
entrada ruidosa resulta em grandes erros. Porém, se a derivada da saída for medida, um
controlador equivalente é obtido sem diferenciação.
Assim, a compensação da PD é muitas vezes viável na prática.
O projeto dos controladores PD depende das especificações fornecidas para o sistema
de malha fechada e se um controlador de feedback ou de cascata é usado. Para um
controlador em cascata, o diagrama de blocos do sistema foi mostrado na Figura 5.4(a) e a
função de transferência em malha fechada tem a forma
Gs( Cs
)()
Gscl (=) +
( ) (1) Gs Cs
(5.11)
K dde
( +Ns) ( )
=
D s( )K+sa Nd +s( )()
onde N(s) e D(s) são o numerador e o denominador do ganho em malha aberta,
respectivamente. O cancelamento do pólo zero ocorre se o ganho do loop tiver um pólo
em (ÿa). Na ausência de cancelamento do pólo zero, o sistema em malha fechada tem
um zero em (ÿa), o que pode alterar drasticamente o tempo de resposta do sistema. Em
geral, o zero resulta num excesso percentual maior do que o previsto usando (5.7).
A Figura 5.5 mostra a compensação de feedback incluindo um pré-amplificador em cascata com
o circuito de feedback e um amplificador no caminho direto. Mostramos que ambos os amplificadores
são frequentemente necessários. A função de transferência em malha fechada é
KKGs
bem ()
Gs
cl ( ) =
1 + KGsa Cs
()()
(5.12)
KKNs ()
= bem
D s( )KK
+ de
)(N ) s+ (
de Anúncios
onde Ka é o ganho do amplificador feedforward e Kp é o ganho do pré-amplificador. Observe

que embora o ganho da malha seja o mesmo para compensação em cascata e de realimentação,
o sistema de malha fechada não tem zero em (ÿa) no caso de realimentação. Se D(s) tem um
pólo em (ÿa), o sistema compensado por realimentação tem um pólo de malha fechada em (ÿa)
que parece cancelar com um zero no lugar das raízes quando na realidade isso não acontece.
R(s) + S(s)
Pré-amplificador Plantar
Amplificador
Kp O G(s)
-
Compensador PD
Kd (s + a)
Figura 5.5
Diagrama de blocos de um sistema compensado por realimentação PD.

Tanto na compensação de feedback quanto na compensação em cascata, dois parâmetros de projeto

livres estão disponíveis e dois critérios de projeto podem ser selecionados. Por exemplo, se o tempo de
estabilização e a ultrapassagem percentual forem especificados, o erro em estado estacionário só poderá
ser verificado após a conclusão do projeto e não poderá ser escolhido de forma independente.
Exemplo 5.4
Projete um controlador PD para o sistema tipo 1 descrito no Exemplo 5.3 para atender às seguintes especificações:
1. Z e wn especificados
2. Z especificado e erro de estado estacionário e(ÿ)% devido a uma entrada de rampa
Considere a compensação em cascata e de feedback e compare-as usando um exemplo numérico.
Solução
O lugar das raízes do sistema compensado por PD tem a forma da Figura 5.1(3). Isto mostra que o ganho do sistema
pode ser aumentado sem medo de instabilidade. Embora este exemplo seja resolvido analiticamente, é necessário um
gráfico do lugar das raízes para dar ao projetista uma ideia da variação nas localizações dos pólos com o ganho.
Com um controlador PD, a equação característica de malha fechada tem a forma
2 2
+ + K s Ka+ (
K sasp ) = + + ( s ps )+
2 2
=+s 2zw sn + Emn
onde K = Kd para compensação em cascata e K = Ka Kd para compensação de feedback.

Equacionar coeficientes fornece as equações
2
O = Emn p K+ = 2zw n
1. Neste caso, não há diferença entre (K, a) em cascata e em compensação de feedback. Mas o caso de
realimentação requer um pré-amplificador com o ganho correto para produzir erro zero em estado estacionário
devido ao degrau unitário. Examinamos o erro em estado estacionário na parte 2.
Em ambos os casos, resolver para K e a dá
2
Emn
K = 2zw n
-
bem =
2zw -
n p
2. Para compensação em cascata, a constante de erro de velocidade do sistema é
O 100
K em
= =
em (ÿ) %
A frequência natural não amortecida é fixada em
Emn = = O pKv
Resolvendo para K e a dá
= 2 - = pK em
K pK pa Com em
-
2 Com pKp em
Para compensação de realimentação com ganho de pré-amplificador Kp e ganho de amplificador em cascata Ka,
como na Figura 5.5, o erro é dado por
ÿ Kkbem ÿ
Rs( Ys
) ÿ Rs
()=()ÿ 1 2
ÿÿ sp +
K +s (Ka
)+ ÿÿ
2
sp +
K +s (Ka
) +Kÿ p
Ka
= (Rs
) 2
sp +
K +s (Ka
)+
Usar o teorema do valor final fornece o erro em estado estacionário devido a uma entrada de rampa unitária como
2
ÿ 1 ÿ sp +
K +s (Ka
) +KK
ÿ bem
e (ÿ) =
% Cola p
2 2
× 100 %
0s ÿ
ÿÿ é ÿÿ
sp +
K +s (Ka
)+
Este erro é infinito, a menos que o ganho do amplificador seja selecionado de forma que KpKa = Ka. O erro em estado
estacionário é então dado por
p K+
e (ÿ) = %100
%×
O
O erro em estado estacionário e(ÿ) é simplesmente o erro percentual dividido por 100. Portanto, usando as equações que
regem a equação característica de malha fechada
+ 2
O = pK = zw nw = 2
n
e (ÿ) a e (ÿ)
frequência natural não amortecida é fixada em
2
Emn = Com
e (ÿ)
Então resolvendo para K e a obtemos
2
4
K = -
Com
p
e (ÿ)
2
4
a =
Com
2
e (ÿ)( ÿ4 ÿ( )) sobre
Com
Observe que, diferentemente da compensação em cascata, wn pode ser selecionado livremente se o erro em estado
estacionário for especificado e z for livre. Para comparar ainda mais a compensação em cascata e de feedback,
consideramos o sistema com o pólo p = 4 e exigimos z = 0,7 e wn = 10 rad/s para a parte 1. Esses valores fornecem K =
Kd = 10 e a = 10. Em cascata compensação, (5.11) fornece a função de transferência em malha fechada
10 (10
é+ )
Gs
cl( ) = 2
é 14 é100 + +
Para compensação de feedback, os ganhos do amplificador são selecionados de forma que o numerador seja igual
a 100 para saída unitária em estado estacionário devido à entrada em degrau unitário. Por exemplo, pode-se selecionar
Kp = 10 , K a = 10
Kd = 1, a = 10
1.2
0,8
Saída
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Tempo
Figura 5.6
Resposta ao degrau de sistemas compensados em cascata PD (pontilhada) e feedback (sólido) com uma determinada
taxa de amortecimento e frequência natural não amortecida.
Substituindo em (5.12) obtém-se a função de transferência em malha fechada
100
Gs
cl( ) = 2
é ++
14 é100
As respostas dos sistemas compensados em cascata e por feedback são mostradas juntas na Figura 5.6. O PO para
o caso de feedback pode ser previsto exatamente usando (5.7) e é igual a cerca de 4,6%. Para compensação em
cascata, o PO é maior devido à presença do zero. O zero está a uma distância do eixo imaginário menor que uma
vez e meia a parte real negativa dos pólos conjugados complexos. Portanto, o seu efeito é significativo e o PO
aumenta para mais de 10% com uma resposta mais rápida.
Para a parte 2 com p = 4, especificamos z = 0,7 e um erro de estado estacionário de 4%. A compensação em
cascata requer K = 10, a = 10. Estes são idênticos aos valores da parte (i) e correspondem a uma frequência natural
não amortecida wn = 10 rad/s.
Para compensação de feedback obtemos K = 45, a = 27,222. Usando (5.12) dá o
função de transferência em malha fechada
1225
Gs
cl( ) = 2
é ++
49 é1225
com wn = 35 rad/s.
As respostas dos sistemas compensados em cascata e por feedback são mostradas na Figura 5.7. O PO para o
caso compensado por feedback ainda é de 4,6%, conforme calculado usando (5.7). Para compensação em cascata,
o PO é maior devido à presença do zero que está próximo dos pólos conjugados complexos.
5.4 Projeto do Lugar da Raiz 139
1.2
0,8
Saída
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Tempo
Figura 5.7
Resposta ao degrau de sistemas compensados em cascata PD (pontilhado) e feedback (sólido) com uma determinada taxa
de amortecimento e erro em estado estacionário.
Embora a resposta do sistema compensado por realimentação seja superior, diversos amplificadores são
necessários para sua implementação com ganhos elevados. Os ganhos elevados podem causar comportamento
não linear como saturação em algumas situações.
Tendo demonstrado as diferenças entre compensação em cascata e por feedback, restringimos

nossa discussão na sequência à compensação em cascata. Procedimentos semelhantes podem ser
desenvolvidos para compensação de feedback.
O Exemplo 5.4 é facilmente resolvido analiticamente porque a planta é apenas de segunda ordem.
Para sistemas de ordem superior, o projeto é mais complexo e é preferível uma solução que utilize
ferramentas CAD. Desenvolvemos procedimentos de projeto utilizando ferramentas CAD baseadas
nos métodos clássicos de solução gráfica. Esses procedimentos combinam a conveniência das
ferramentas CAD e os insights que tornaram as ferramentas gráficas um sucesso. Os procedimentos
encontram uma função de transferência do controlador tal que o ângulo de seu produto com a função
de ganho de malha na localização do pólo desejado seja um múltiplo ímpar de 180°.
A partir da condição do ângulo, isso garante que o local desejado esteja no lugar das raízes do sistema
compensado. A contribuição angular exigida do controlador para uma localização desejada do pólo em
malha fechada scl é
°
eu
C
= ± 180 ÿLscl ( ) ÿ (5.13)
onde L(s) é o ganho de malha aberta com numerador N(s) e denominador D(s). Para um controlador
PD, o ângulo do controlador é simplesmente o ângulo do zero no ponto desejado.
localização do pólo. Aplicando a condição do ângulo na localização desejada em malha fechada,

pode-se mostrar que a localização zero é dada por
Em
a = d
+ zw n
(5.14)
bronzeado
(eu)C
A prova de (5.13) e (5.14) é direta e deixada como exercício (ver Problema 5.5).
Em alguns casos especiais, um projeto satisfatório é obtido pelo cancelamento, ou quase

cancelamento, de um pólo do sistema com o controlador zero. As especificações desejadas são
então satisfeitas ajustando o ganho da função de transferência reduzida. Na prática, o cancelamento
exato do pólo zero é impossível. No entanto, com quase cancelamento, o efeito do par pólo-zero
no tempo de resposta é geralmente insignificante.
Uma chave para o uso de calculadoras poderosas e ferramentas CAD em vez de métodos gráficos é a
facilidade com que as funções de transferência podem ser avaliadas para qualquer argumento complexo
usando cálculo direto ou comandos de cursor. O procedimento CAD a seguir explora o comando evalfr do
MATLAB para obter os parâmetros de projeto para uma taxa de amortecimento especificada e frequência
natural não amortecida. O comando evalfr avalia uma função de transferência g para qualquer argumento
complexo s como segue:
>> avaliador(g, s)
O comando ângulo fornece o ângulo de qualquer número complexo. O valor complexo e seu
ângulo também podem ser avaliados usando qualquer calculadora manual.
Procedimento 5.1: Dados z e wn

MATLAB ou Calculadora
1. Calcule o ângulo da função de ganho de loop avaliada no local desejado scl e subtraia o ângulo
de p usando uma calculadora manual ou os comandos MATLAB evalfr e angle.
2. Calcule a localização zero usando a equação (5.14) usando tan(theta), onde theta
está em radianos.
3. Calcule a magnitude do numerador da nova função de ganho da malha, incluindo o zero do

controlador, usando o comando abs e o operador * pólo zero para multiplicar as funções de
transferência; em seguida, calcule o ganho usando a condição de magnitude.
4. Verifique o tempo de resposta do sistema compensado por PD e modifique o projeto para
atender às especificações desejadas, se necessário. A maioria das calculadoras atualmente
disponíveis não consegue realizar esta etapa.
A função MATLAB a seguir calcula o ganho e a localização zero para o controle PD.
% L é o ganho de malha aberta

% zeta e wn especificam o pólo de malha fechada desejado
% scl é o pólo de malha fechada, theta é o ângulo do controlador em scl
% k (a) são o ganho correspondente (localização zero)
função [k, a, scl] = pdcon(zeta, wn, L)

scl = wn*exp( j*( pi-acos(zeta) ) ); % Encontre a localização desejada do pólo % em malha
fechada.
teta = pi - ângulo (avalifr (L, scl)) ; % Calcule o controlador
% ângulo.
a = wn * sqrt(1-zetaÿ 2)/ tan(teta) + zeta*wn; % Calcule o
% controlador zero.
Lcomp = L*tf([1, a],1) ; % Inclui o zero do controlador.
k = 1/abs( evalfr( Lcomp, scl) ); % Calcule o ganho que produz o
% pólo desejado.
Para um erro em estado estacionário especificado, o ganho do sistema é fixo e a localização do

zero é variada. Outras especificações de projeto exigem parâmetros variados além do ganho K. O
projeto do lugar das raízes com um parâmetro livre diferente do ganho é realizado usando o
procedimento a seguir.
Procedimento 5.2: Dado o erro de estado estacionário e z
1. Obtenha a constante de erro do erro em estado estacionário e determine um parâmetro do sistema

que permanece livre após a constante de erro ser fixada para o sistema com controle PD.
2. Reescreva a equação característica de malha fechada do sistema controlado por PD em

a forma
1 + KG sff ()=0 (5.15)
onde Kf é um ganho dependente do parâmetro do sistema livre e Gf(s) é uma função de s.
3. Obtenha o valor do parâmetro livre Kf correspondente à localização desejada do pólo em malha

fechada. Como no Procedimento 5.1, Kf pode ser obtido aplicando a condição de magnitude
usando o MATLAB ou uma calculadora.
4. Calcule o parâmetro livre do ganho Kf usando o comando MATLAB
rlocus.
5. Verifique o tempo de resposta do sistema compensado por PD e modifique o projeto

para atender às especificações desejadas, se necessário.
Exemplo 5.5
Usando um pacote CAD, projete um controlador PD para o sistema de controle de posição tipo 1 do
Exemplo 3.3 com função de transferência
1
Gs( ) =
ss( + )4
para atender às seguintes especificações:

1. z = 0,7 e wn = 10 rad/s.
2 z = 0,7 e 4% de erro em estado estacionário devido a uma entrada de rampa unitária.
Solução
1. Resolvemos o problema usando o Procedimento 5.1 e a função pdcon do MATLAB. A Figura 5.8 mostra
o lugar das raízes do gráfico compensado com a localização desejada do pólo na interseção da linha
radial para uma taxa de amortecimento de 0,7 e o arco circular para uma frequência natural não
amortecida de 10. Um ângulo de compensação de 67,2 é obtido usando (5.13 ) com uma calculadora
manual ou MATLAB. A função MATLAB pdcon fornece
>> [k, a, scl] = pdcon( 0,7, 10,tf( 1, [1,4,0]) )

k=
10.0000
uma =
10.0000
scl =
-7,0000 + 7,1414i
A Figura 5.9 mostra o lugar das raízes do gráfico compensado com o cursor na localização desejada do
pólo e um ganho correspondente de 10. Os resultados são aproximadamente iguais aos obtidos
analiticamente no Exemplo 5.4.
2. O erro em estado estacionário especificado dá
100 100 Dia

K em
= = = =25
ÿ= O 100
e (ÿ) % % 4 4
8
0,7
7
5
Imaginário
Eixo
0
–8 –7 –6 –5 –4 –3 –2 –1 0
Eixo Real
Figura 5.8
Gráfico do local das raízes de sistemas não compensados.

8
0,7
Sistema: gcomp
6 Ganho: 10
Nenhum: -7,01 + 7,13i
Amortecimento: 0,701
4 Superação (%): 4,56
Frequência (rad/seg): 10
10
Imaginário
Eixo
–2
–4
–6
0,7
–8
–20 –18 –16 –14 –12 –10 –8 –6 –4 –2 0
Eixo Real
Figura 5.9
Gráfico de localização de raízes de sistemas compensados por PD.
A equação característica de malha fechada do sistema compensado por PD é dada por
+
sobre
1+ K = 0
ss( + )4
Deixe K variar com a de modo que seu produto Ka permaneça igual a 100; então o Procedimento 5.2 exige
que a equação característica seja reescrita como
é
1+ K = 0
2s + +4 é100
O lugar das raízes correspondente é um círculo centrado na origem, conforme mostrado na Figura 5.10
com o cursor no local correspondente à relação de amortecimento desejada. A localização desejada é na
intersecção do lugar das raízes com a linha radial z = 0,7 . O valor de ganho correspondente é K = 10, o
que resulta em a = 10, ou seja, os mesmos valores do Exemplo 5.3.
Obtemos o valor de K usando os comandos MATLAB
>> g = tf([1, 0], [1, 4, 100]); loco(g)
(Clique no lugar das raízes e arraste o mouse até obter o ganho desejado.)
As respostas temporais dos dois projetos são idênticas e foram obtidas anteriormente como as respostas
compensadas em cascata das Figuras 5.6 e 5.7, respectivamente.
Sistema: g
Ganho: 10
Nenhum: -6,99 + 7,13i
10 Amortecimento: 0,7
Superação (%): 4,59
8 Frequência (rad/seg): 9,98
2
Imaginário
Eixo
–2
–4
–6
–8
–10
–15 –10 –5 0
Eixo Real
Figura 5.10
Gráfico do local das raízes de sistemas compensados por PD com Ka fixo.
5.4.3 Controle PI
Aumentar o número do tipo do sistema melhora drasticamente sua resposta em estado
estacionário. Se um controlador integral for adicionado ao sistema, seu número de tipo
será aumentado em um, mas sua resposta transitória se deteriorará ou o sistema se
tornará instável. Se um termo de controle proporcional for adicionado ao controle integral,
o controlador terá um pólo e um zero. A função de transferência do controlador integral
proporcional (PI) é
K +
sobre
C (e)K= + = eu
K
p p
é é (5.16)
=
o kk
IP
e é usado em compensação em cascata. Um termo integral no caminho de feedback

é equivalente a um diferenciador no caminho direto e é, portanto, indesejável (ver
Problema 5.6).
O projeto PI para uma função de transferência de planta G(s) pode ser visto como um projeto
PD para a planta G(s)/s. Assim, o Procedimento 5.1 ou 5.2 pode ser usado para projeto de PI. No
entanto, muitas vezes é possível um projeto melhor colocando o zero do controlador próximo ao
pólo na origem, de modo que o pólo do controlador e o zero “quase se cancelem”. Um par pólo-
zero quase cancelado tem um efeito insignificante no tempo de resposta. Assim, o controlador PI
resulta numa pequena deterioração na resposta transitória com uma melhoria significativa no erro
em estado estacionário. O procedimento a seguir pode ser usado para projetar o controlador PI.
Procedimento 5.3
1. Projete um controlador proporcional para o sistema atender às especificações de resposta

transitória (isto é, coloque os pólos dominantes do sistema em malha fechada em um local
desejado scl = ÿzwn ± jwd).
2. Adicione um controlador PI com a localização zero especificada por
Emn
a = 2
(5.17)
Com
1+- Com
bronzeado
(Fi)
ou
ÿw n
a = (5.18)
10
onde f é um ângulo pequeno (3 ÿ 5°).
3. Ajuste o ganho do sistema para aproximar o pólo de malha fechada de scl.
4. Verifique o tempo de resposta do sistema.
Se um controlador PI for usado, assume-se implicitamente que o controle proporcional atende à

resposta transitória, mas não às especificações de erro em estado estacionário. A falha na primeira
etapa do Procedimento 5.3 indica que um controlador diferente (um que melhore tanto o
comportamento transitório quanto o de estado estacionário) deve ser usado.
Para provar (5.17) e justificar (5.18), usamos o diagrama de pólo zero da Figura 5.11.
A figura mostra a contribuição angular do controlador na localização do pólo em malha fechada scl. A
contribuição do ganho em malha aberta L(s) não é necessária e não é mostrada.
Prova. O ângulo do controlador em scl é

ÿ = ÿ = zp
Fi eu eu (180 ° - eup ( z)°
) - ÿ180 eu
j oh
scl
oh
d
eu
eu p=ÿscl
Com
=ÿ (scl + a)
× p
a
ao vivon
Figura 5.11
Diagrama de pólo zero de um controlador PI.

Na Figura 5.11, as tangentes dos dois ângulos na equação anterior são
2
° -= Emd 1-
(
bronzeado 180 eu p
) = Com
zw n Com
2
° Emd 1-
( bronzeado 180 ÿ )eu= Com
= Com
- a - x
zw n Com
onde x é a razão (a/wn). Em seguida, usamos a identidade trigonométrica
bronzeado (A ) ÿ ( ) B bronzeado
bronzeado
( AB
-)=
AB) bronzeado
1 + (bronzeado ()
obter
2 2
1- Com
-
1- Com
2
- x x 1-
bronzeado
(Fi
)=
Com Com
= Com
2
1- Com
1- Com
x
1+
z (-)x
Resolvendo para x, temos
1
x=
2
Com
1+- Com
bronzeado (Fi)
Multiplicando por wn dá (5.17).

Se o zero do controlador for escolhido usando (5.8), então x = z/10. Resolvendo para f obtemos
2
- 1 ÿ 1- ÿ
Fi =
Com Com
bronzeado
- 2
ÿ 10
ÿ
Com ÿÿ
Isto produz o gráfico da Figura 5.12, que mostra claramente um ângulo f de 3° ou menos. ÿ
O uso do Procedimento 5.1 ou Procedimento 5.3 para projetar controladores PI é demonstrado

estratificado no exemplo a seguir.
Exemplo 5.6
Projete um controlador para o sistema de controle de posição
1
Gs( ) =
ss( + )10
para rastrear perfeitamente uma entrada de rampa e ter um par dominante com uma taxa de amortecimento de
0,7 e uma frequência natural não amortecida de 4 rad/s.
Fi
3.5
2,5
1,5
0,5 g
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Figura 5.12
Gráfico do ângulo do controlador f no pólo de malha fechada subamortecido versus z.
Solução
Projeto 1
Aplicar o Procedimento 5.1 à planta modificada
1
Gseu( ) = 2
ss ( + )10
Esta planta é instável para todos os ganhos, como pode ser visto no gráfico do local das raízes da Figura 5.13.
O controlador deve fornecer um ângulo de cerca de 111° na localização desejada do pólo de malha fechada.
Substituir em (5.14) dá um zero em ÿ1,732. Em seguida, mover o cursor para a localização desejada do pólo no
lugar das raízes do sistema compensado (Figura 5.14) fornece um ganho de cerca de 40,6.
O projeto também pode ser obtido analiticamente escrevendo o polinômio característico de malha fechada
como
2 2 2
3
segundos
+ = + ( 10 s Ks Ka s = + + ( a )( +é + + 2zw né + )Emn
2 2 2
3
segundos a 2zw n ) é+ (2zw n a + Emn )s + ah n
Então igualar os coeficientes dá
a = -10 2 zw n = ÿ10( )(2 )0=7 4. 4 4 .

K = Emn +2(zÿ
4) =2 ×0 Em
[7(4
n)(4) 4
+ 4] = . . 0 .64
2
ah 2n 4 .4 4×
a = = = 1 .732
K .
40 64
que são aproximadamente iguais aos valores obtidos anteriormente.

4
Imaginário
Eixo
3 0,7
4
0
–10 –8 –6 –4 –2 0
Eixo Real
Figura 5.13
Lugar das raízes de um sistema com integrador.
4,5
Sistema: l
4 Ganho:
40,7 Pólo: –2,8 + 2,87i
3.5 Amortecimento:
0,698 Overshoot (%):
3
Imaginário
2,5
Eixo
1,5
0,5
0
–5 –4–4,5 –3,5 –2,5–3 –2 –1–1,5 –0,5 0 Eixo real
Figura 5.14
Locus raiz de um sistema compensado por PI.

Os comandos MATLAB para obter a localização zero e o ganho correspondente são
>> g = tf(1, [1, 10, 0, 0]); scl = 4*(ÿ0,7 + j * sqrt(1 ÿ 0,7Ÿ 2) )
scl = ÿ2,8000 + 2,8566i
>> teta = pi - ângulo (polival ([1, 10, 0, 0], scl))
teta = 1,9285
>> a = imagem(scl)/tan(teta) ÿ real(scl)
uma = 1,7323
>> k = 1/abs(evalfr( g * tf([1, a],1), scl) )

k = 40,6400
A função de transferência de malha fechada para o projeto anterior (Projeto 1) é
40 .64 1( é+732 . )
cl( ) =
Gs 2
3
segundos . 28é +
s +10+ 40 64 69 .
40 .64 1( é+732 . )
=
( é + 4 .4 )(s 2 s ++
5 .6) 16
O sistema possui um zero próximo aos pólos de malha fechada, o que resulta em overshoot excessivo na
resposta temporal da Figura 5.15 (juntamente com a resposta para um projeto posterior).
1
Saída
0,5
0
0 1 2 3 4 5
Tempo
Figura 5.15
Resposta ao degrau de um sistema compensado PI: Projeto 1 (pontilhado), Projeto 2 (sólido).

Projeto 2
A seguir, aplicamos o Procedimento 5.3 ao mesmo problema. O ganho de controle proporcional para uma taxa de
amortecimento de 0,7 é de aproximadamente 51,02 e produz uma frequência natural não amortecida de 7,143 rad/
s. Este é um projeto mais rápido do que o necessário e, portanto, é aceitável. Então usamos (5.18) e obtemos a
localização zero
Em
n
a =
+- 1 2
Com Com
bronzeado
ÿ( Fi)
7 .143
= ÿ 0 .5
0 .7 1+-0 49 . bronzeado ° 3
()
Se (5.18) for usado, temos
zw n = 7 .143 0×7 .
a = 0 5. ÿ
10 10
Ou seja, obtém-se o mesmo valor zero.

A função de transferência em malha fechada para este projeto é
50 0(é5
+ ) .
Gscl( ) =
3
segundos +ss2
+ +10 50 25
50 0(é5
+ ) .
=
. )+
( é+0 559 ( é2 9 .441 é +44.7225)
onde o valor do ganho foi ligeiramente reduzido para aproximar a taxa de amortecimento de 0,7.
Na verdade, isso fornece uma taxa de amortecimento de cerca de 0,7 e uma frequência natural não amortecida de
6,6875 rad/s para os pólos dominantes de circuito fechado.
O tempo de resposta para este projeto (Projeto 2) é mostrado, juntamente com o do Projeto 1, na Figura 5.15.
A ultrapassagem percentual para o Projeto 2 é muito menor porque seu zero quase se cancela com um pólo de
malha fechada. O Design 2 é claramente superior ao Design 1.
5.4.4 Controle PID

Se a resposta transitória e de estado estacionário do sistema precisar ser melhorada,
então nem um controlador PI nem um controlador PD poderão atender às especificações
desejadas. Adicionar um zero (PD) pode melhorar a resposta transitória, mas não
aumenta o número do tipo do sistema. Adicionar um pólo na origem aumenta o número
do tipo, mas pode produzir uma resposta temporal insatisfatória, mesmo que um zero
também seja adicionado. Com um controlador proporcional-integral-derivativo (PID),
dois zeros e um pólo na origem são adicionados. Isto aumenta o número do tipo e permite
uma remodelagem satisfatória do local da raiz.
A função de transferência de um controlador PID é dada por
K é2 + 2zw n é + Em2
n
Ce
( )K= + +
eu
Ke
dd
K=
p é é
(5.19)
2zw = Kk , Em2 = Kk
n n eu d
onde Kp, Ki e Kd são os ganhos proporcional, integral e derivativo, respectivamente.
Os zeros do controlador podem ser conjugados reais ou complexos, permitindo o cancelamento de pólos LHP
conjugados reais ou complexos se necessário. Em alguns casos, um bom projeto pode ser obtido cancelando o
pólo mais próximo do eixo imaginário.
O projeto então se reduz a um projeto de controlador PI que pode ser concluído aplicando o Procedimento 5.3.
Alternativamente, pode-se aplicar o Procedimento 5.1 ou 5.2 à função de transferência reduzida com um pólo
adicionado na origem. Uma terceira abordagem para o projeto PID é seguir o Procedimento 5.3 com a etapa de
projeto de controle proporcional modificada para projeto PD. O projeto PD é concluído usando o Procedimento 5.1
ou 5.2 para atender às especificações de resposta transitória. O controle PI é então adicionado para melhorar a
resposta em estado estacionário. Os exemplos a seguir ilustram esses procedimentos de projeto.
Exemplo 5.7
Projete um controlador PID para um motor CC controlado por armadura com função de transferência
1
Gs( ) =
ss( + )(1 +
10é)
para obter erro zero em estado estacionário devido à rampa, uma taxa de amortecimento de 0,7 e uma frequência
natural não amortecida de 4 rad/s.
Solução
Cancelar o pólo em ÿ1 com zero e adicionar um integrador produz a função de transferência
1
Gseu( ) =
ss2 ( + )10
Isto é idêntico à função de transferência obtida no Exemplo 5.6. Portanto, o controlador PID geral é dado por
( é+ )( + ) 1é( ) = 0Cs5.
50
é
Este projeto é doravante denominado Projeto 1.

Um segundo projeto (Projeto 2) é obtido selecionando primeiro um controlador PD que atenda às
especificações de resposta transitória. Buscamos uma frequência natural não amortecida de 5 rad/s em
antecipação ao efeito da adição do controle PI. O controlador PD é projetado usando os comandos MATLAB
(usando a função pdcon)
>> [k, a, scl] = pdcon(0,7, 5, tf(1, [1, 11, 10, 0]) )

k = 43,0000
uma = 2,3256
scl = 3,5000 + 3,5707i

1.4
1.2
0,8
Saída
0,6
0,4
0,2
0
0 1 2 3 4 5
Tempo
Figura 5.16
Resposta temporal para Design 1 (pontilhado) e Design 2 (sólido).
O PI zero é obtido usando o comando
>> b = 5 /(0,7 + sqrt(1-0,49)/tan(3*pi/ 180) )

b = 0,3490
O ganho é reduzido para 40 e a função de transferência do controlador para o Projeto 2 é
( é+ )( + 2.326 ) 0 349
é ( ) =. 40
Cs
é
As respostas ao degrau para os Projetos 1 e 2 são mostradas na Figura 5.16. Claramente, o Projeto 1 é superior
porque os zeros no Projeto 2 resultam em overshoot excessivo. A função de transferência da planta favorece o
cancelamento do pólo neste caso porque o pólo do eixo real restante está distante no LHP. Se o pólo restante estiver
em ÿ3, digamos, o segundo procedimento de projeto daria melhores resultados. A lição a ser aprendida é que não
existem soluções fáceis em design. Existem receitas que o designer deve experimentar até obter resultados
satisfatórios.
Exemplo 5.8
Projete um controlador PID para obter erro zero em estado estacionário devido ao degrau, uma taxa de amortecimento
de 0,7 e uma frequência natural não amortecida de pelo menos 4 rad/s para a função de transferência
1
Gs ( ) =
2
( + )(é 10 é 2é
10 + + )
Solução
O sistema possui um par de pólos conjugados complexos que retardam sua resposta no tempo e um terceiro pólo
que está distante no LHP. Cancelar os pólos conjugados complexos com zeros e adicionar o integrador produz a
função de transferência
1
Gs( ) =
ss( + )10
O lugar das raízes do sistema é semelhante ao da Figura 5.2(a), e podemos aumentar o ganho sem medo de
instabilidade. A equação característica de malha fechada do sistema compensado com ganho K é
é2 ++ = K0
10s
Equacionando coeficientes como no Exemplo 5.3, observamos que para uma taxa de amortecimento de 0,7 o
frequência natural não amortecida é
10 5
== = 7.143
. linha p
n
wz 2 0 .7
Isso atende às especificações do projeto. O ganho correspondente é 51,02, e o controlador PID é dado por
s 2 ++
2 10 segundos
Cs( ) = 51 .02
é
Na prática, o cancelamento do pólo zero pode não ocorrer, mas o quase cancelamento é suficiente para obter
uma resposta no tempo satisfatória, conforme mostrado na Figura 5.17.
1.2
0,8
Saída
0,6
0,4
0,2
0
0 0,5 1 1,5
Tempo
Figura 5.17
Resposta ao degrau do sistema compensado por PID descrito no Exemplo 5.8.

5.5 Sintonia Empírica de Controladores PID

Em aplicações industriais, os controladores PID são frequentemente ajustados empiricamente.
Normalmente, os parâmetros do controlador são selecionados com base em um modelo de
processo simples usando uma regra de ajuste adequada. Isto nos permite abordar (1) especificações
de rejeição de distúrbios de carga (que são frequentemente uma grande preocupação no controle
de processos) e (2) a presença de um atraso no processo. Primeiro escrevemos a função de
transferência do controlador PID (5.19) na forma
1
C (e )K= ÿ1 + + Ts ÿ
p d ÿ
ÿÿ Ts eu
ÿ (5.20)
=
TKKTKK , =
eu
pidp d
onde Ti denota a constante de tempo integral e Td denota a constante de tempo derivada. Os

três parâmetros do controlador Kp, Ti e Td têm um significado físico claro. Aumentar Kp (ou seja,
aumentar a ação proporcional) proporciona uma resposta mais rápida, porém mais oscilatória. O
mesmo comportamento resulta do aumento da ação integral pela diminuição do valor de Ti.
Finalmente, aumentando o valor de Td
leva a uma resposta mais lenta, mas mais estável.
Estas considerações permitem ajustar o controlador através de um procedimento de tentativa e erro.
No entanto, isto pode ser demorado e o desempenho alcançado depende da habilidade do
projetista. Felizmente, existem procedimentos de ajuste disponíveis para simplificar o projeto
do PID. Normalmente, os parâmetros do modelo de processo são determinados assumindo
um modelo de primeira ordem mais tempo morto. Aquilo é,
K -
Gs( ) = Ls
e (5.21)
t é + 1
onde K é o ganho do processo, t é a constante de tempo do processo (dominante) e L é o tempo

morto (aparente) do processo. Esses parâmetros podem ser estimados com base na resposta ao
degrau do processo através do método tangente.2 O método consiste nas seguintes etapas.
Método Tangente
1. Obtenha experimentalmente a resposta ao degrau do processo.

2. Desenhe uma tangente à resposta ao degrau no ponto de inflexão, conforme mostrado na
Figura 5.18.
3. Calcule o ganho do processo como a razão entre a mudança de estado estacionário
na saída do processo y e a amplitude da etapa de entrada A.
2
Ver Åström e Hägglund (2006) e Visioli (2006) para uma descrição detalhada e análise de diferentes métodos para estimar
os parâmetros de um sistema de primeira ordem mais tempo morto.
5.5 Sintonia Empírica de Controladores PID 155
4. Calcule o tempo morto aparente L como o intervalo de tempo entre a aplicação da entrada do degrau e a
intersecção da linha tangente com o eixo do tempo.
5. Determine a soma t + L (a partir da qual o valor de t pode ser facilmente calculado) como o intervalo
de tempo entre a aplicação da entrada degrau e a intersecção da linha tangente com a reta que
representa o valor final do estado estacionário da saída do processo. Alternativamente, o valor de
t+L
pode ser determinado como o intervalo de tempo entre a aplicação da entrada do degrau e o
momento em que a saída do processo atinge 63,2% do seu valor final. Observe que caso a
dinâmica do processo possa ser perfeitamente descrita por um modelo de primeira ordem mais
tempo morto, os valores de t obtidos nos dois casos são idênticos.
t
1
0,8
0,6
Processo
Saída
do
O
0,4
0,2
0
eu t
–0,2
0 2 4 68 10 12 14
Tempo
Figura 5.18
Aplicação do método tangente.
Dados os parâmetros do modelo de processo, diversas regras de sintonia estão disponíveis para
determinar os valores dos parâmetros do controlador PID, mas regras diferentes abordam diferentes
especificações de projeto. As regras de ajuste mais populares são aquelas atribuídas a Ziegler-Nichols. Seu
objetivo é proporcionar uma rejeição satisfatória de perturbações de carga.
A Tabela 5.1 mostra as regras de Ziegler-Nichols para controladores P, PI e PID. Embora as regras sejam
empíricas, elas são consistentes com o significado físico dos parâmetros. Por exemplo, considere o efeito da
ação derivativa no controle PID regido pela terceira linha da Tabela 5.1. A ação derivativa proporciona
amortecimento adicional ao sistema, o que aumenta sua estabilidade relativa. Isto nos permite
Tabela 5.1 Regras de ajuste de Ziegler-Nichols para um modelo do

processo de primeira ordem mais tempo morto
Tipo de controlador Kp De Td
P t - -
no
PI t -
0 9. 3 litros
no
PID t
12. 2 litros 0,5L
no
aumentar a ação proporcional e integral, mantendo um tempo de resposta aceitável. Demonstramos

o procedimento Ziegler-Nichols usando o exemplo a seguir.
Exemplo 5.9
Considere o sistema de controle mostrado na Figura 5.19, onde o processo possui a seguinte função de
transferência:
1 - 0 2.é
Gs( )= e
4
( é+ ) 1
Estime um modelo de primeira ordem mais tempo morto do processo e projete um controlador PID aplicando as
regras de ajuste de Ziegler-Nichols.
Solução
A resposta à etapa do processo é mostrada na Figura 5.20. Aplicando o método da tangente, estima-se um
modelo de primeira ordem mais tempo morto com ganho K = 1, L = 1,55 e atraso t = 3 .
As regras de Ziegler-Nichols da Tabela 5.1 fornecem os seguintes parâmetros PID: Kp = 2,32,
Carregar
Perturbação
Referência
+ + Saída
Entrada PID
Controlador G(s)
-
Figura 5.19
Diagrama de blocos do processo do Exemplo 5.9.

5.5 Sintonia Empírica de Controladores PID 157
0,9
0,8
0,7
0,6
Processo
Saída
0,5
do
0,4
0,3
0,2
0,1
0
0 2 4 68 10 12 14
Tempo
Figura 5.20
Aplicação do método da tangente no Exemplo 5.9.
1,5
1
Processo
Saída
do
0,5
0
0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 5.21
Saída do processo com o controlador PID sintonizado com o método Ziegler-Nichols.
Ti = 3,1 e Td = 0,775. A Figura 5.21 mostra a resposta do sistema em malha fechada devido a uma entrada
escalonada em t = 0 seguida por uma entrada de perturbação de carga escalonada em t = 50.
A resposta do sistema é oscilatória, característica típica do método Ziegler-Nichols, cujo principal objetivo é
satisfazer as especificações de resposta a perturbações de carga. No entanto, o efeito da perturbação na resposta
ao degrau é minimizado.
Recursos
Åström, KJ e T. Hägglund, Controladores PID avançados, ISA Press, 2006.
D'Azzo, JJ e CH Houpis, Análise e Projeto de Sistema de Controle Linear, McGraw-Hill,
1988.
Kuo, BC, Sistemas de Controle Automático, Prentice Hall, 1995.
Nise, NS, Engenharia de Sistemas de Controle, Benjamin Cummings, 1995.
O'Dwyer, A., Manual de regras de ajuste de PI e PID, Imperial College Press, 2006.
Ogata, K., Engenharia de Controle Moderna, Prentice Hall, 1990.
Van de Vegte, J., Sistemas de Controle de Feedback, Prentice Hall, 1986.
Visioli, A., Controle PID Prático, Springer, 2006.
Problemas
5.1 Prove que para um sistema com dois pólos reais e um zero real
+
sobre
Eu( )= , < < ou
appppa1 2 1
<< 2
( spsp
+ )( +1 ) 2
-
1 )( -
o ponto de ruptura está a uma distância (apap 2 ) do zero.
5.2 Use o resultado do Problema 5.1 para desenhar o lugar das raízes do sistema
Ks( + )4
KLs( )=
( ss
+) 2
5.3 Esboce os lugares das raízes dos seguintes sistemas:

K
(a) KLs ( ) =
ss(
+ 2 5 é)( + )
Ks( + )2
(b) KLs ( ) =
ss( + )(3 + é) 5
5.4 Considere o sistema em 5.3(b) com um erro em estado estacionário necessário de 20% e uma
localização zero do controlador PI ajustável. Mostre que a equação característica de malha fechada
correspondente é dada por
sobre 1
1+ K ÿ + ÿ = 0
ÿ é ÿ ( é+ )( 3
+) é 5
A seguir, reescreva a equação como
1 + KG sff ( ) = 0
onde Kf = K, Kz é constante e Gf(s) é uma função de s, e examine o efeito do deslocamento

do zero nos pólos de malha fechada.
(a) Projete o sistema para um par dominante de segunda ordem com uma taxa de amortecimento
de 0,5. O que há de bom neste design?
(b) Obtenha o tempo de resposta usando um programa CAD. Como é que o tempo
resposta compare com a de um sistema de segunda ordem com o mesmo wn
e z como o par dominante? Dê razões para as diferenças.
(c) Discuta brevemente a compensação entre erro, velocidade de resposta e
estabilidade neste problema.
5.5 Prove as equações (5.13) e (5.14) e justifique os procedimentos de cálculo 5.1 e 5.2.
5.6 Mostre que um controlador realimentado PI é indesejável porque resulta em uma diferença
iniciador no caminho direto. Discuta a resposta ao degrau do sistema em malha fechada.
5.7 Projete um controlador para a função de transferência
1
Gs( )=
( é+ )(1+5 )é
para obter (a) erro zero em estado estacionário devido ao degrau, (b) um tempo de estabilização
inferior a 2 s e (c) uma frequência natural não amortecida de 5 rad/s. Obtenha a resposta
devido a um degrau unitário e encontre a ultrapassagem percentual, o tempo até o primeiro
pico e a porcentagem de erro em estado estacionário devido a uma entrada em rampa.
5.8 Repita o Problema 5.7 com um tempo de acomodação requerido menor que 0,5 se um
frequência natural não amortecida de 10 rad/s.
5.9 Considere o sistema de controle de temperatura do forno do Exemplo 3.5 com transferência
função
K
Gs( ) =
2s + +3 s10
(a) Projete um controlador proporcional para o sistema obter uma porcentagem
ultrapassar menos de 5%.
(b) Projete um controlador para o sistema para reduzir o erro em estado estacionário devido ao
passo para zero sem deterioração significativa na resposta transitória.
5.10 Para o sistema inercial regido pela equação diferencial

ÿÿ
eu = t
projetar um controlador de feedback para estabilizar o sistema e reduzir o overshoot percentual

abaixo de 10% com um tempo de estabilização inferior a 4 s.
5.11 Considere o sistema de controle de temperatura do forno descrito no Exemplo 3.5 com
K
Gs( ) =
2s + +3 s10
(a) Obtenha a resposta ao degrau do sistema com um controlador em cascata PD com
ganhe 80 e um zero em ÿ5.
(b) Obtenha a resposta ao degrau do sistema com controlador de realimentação PD com
um zero em -5 e ganho unitário e ganho direto de 80.
(c) Por que o lugar das raízes é idêntico para ambos os sistemas?
(d) Por que as respostas no tempo são diferentes embora os sistemas tenham as mesmas
ganhos de loop?
(e) Complete uma tabela de comparação usando as respostas de (a) e (b), incluindo o excesso
percentual, o tempo até o primeiro pico, o tempo de estabilização e o erro em estado estacionário.
Comente os resultados e explique o motivo das diferenças nas respostas.
5.12 Use o Simulink para examinar uma implementação prática do controlador em cascata descrito no Exercício
5.11. A função de transferência do compensador inclui um pólo porque o controle PD só é realizável
aproximadamente. A transferência do controlador é da forma
. 1é +
02
Cs( ) = 80
. 1é +
0 02
(a) Simule o sistema com uma entrada de referência degrau com e sem bloco de saturação com
limites de saturação ±5 entre o controlador e a planta. Exporte a saída para MATLAB para
plotagem (você pode usar um bloco Scope e selecionar “Salvar dados no espaço de
trabalho”).
(b) Faça um gráfico da saída do sistema com e sem saturação em conjunto e comente a diferença
entre as duas respostas ao degrau.
5.13 Considere o sistema
1
Gs( )= 4
( é+ ) 1
e aplicar o procedimento Ziegler-Nichols para projetar um controlador PID. Obtenha a resposta devido
a uma entrada de degrau unitário, bem como a um sinal de perturbação de degrau unitário.
5.14 Escreva um programa de computador que implemente a estimativa de uma função de transferência de
primeira ordem mais tempo morto com o método tangente e então determine os parâmetros PID usando
a fórmula de Ziegler-Nichols. Aplique o programa ao sistema
1
Gs( )= 8
( é+ ) 1
e simular a resposta do sistema de controle quando uma mudança de etapa de ponto de ajuste e uma
etapa de perturbação de carga são aplicadas. Discuta a escolha do valor da constante de
tempo com base nos resultados.
5.15 Aplique o script do Exercício 5.14 ao sistema
1
Gs( )= 2
( é+ ) 1
e simular a resposta do sistema de controle quando uma mudança de etapa de ponto de ajuste e uma
etapa de perturbação de carga são aplicadas. Compare os resultados obtidos com os do Problema
5.14.
Capítulo
Sistema de controle digital

Projeto
6
Para projetar um sistema de controle digital, buscamos uma função de transferência no domínio z ou um
modelo de equação de diferenças do controlador que atenda às especificações de projeto. O modelo do
controlador pode ser obtido a partir do modelo de um controlador analógico que atenda às mesmas
especificações de projeto. Alternativamente, o controlador digital pode ser projetado no domínio z usando
procedimentos que são quase idênticos ao projeto do controlador analógico no domínio s. Discutimos ambas
as abordagens neste capítulo. Começamos introduzindo o lugar das raízes do domínio z.
Objetivos
1. Esboce o lugar geométrico das raízes do domínio z para um sistema de controle digital ou obtenha-
o usando MATLAB.
2. Obtenha e ajuste um controlador digital a partir de um projeto analógico.
3. Projete um controlador digital no domínio z diretamente usando o lugar das raízes
abordagem.
4. Projetar um controlador digital diretamente usando técnicas no domínio da frequência.
5. Projetar um controlador digital diretamente utilizando a abordagem de síntese de Ragazzini.
6. Projete um sistema de controle digital com tempo de acomodação finito.
6.1 Locus raiz do domínio z

No Capítulo 3, mostramos que a equação característica de malha fechada de um sistema de controle digital
tem a forma
1 + C z( G z NOVO ( ) = 0
) DE (6.1)
onde C(z) é a função de transferência do controlador e GZAS (z) é a função de transferência do DAC,
subsistema analógico e combinação ADC. Se o controlador for assumido
162ÿ CAPÍTULO 6 Projeto do Sistema de Controle Digital
para incluir um ganho constante multiplicado por uma função de transferência z racional, então (6.1)
é equivalente a
1 + KL z( ) = 0 (6.2)
onde L(z) é o ganho de malha aberta.

A equação (6.2) é idêntica em forma à equação característica do domínio s (5.1) com a
variável s substituída por z. Assim, todas as regras derivadas para a equação (5.1) são aplicáveis
a (6.2) e podem ser usadas para obter gráficos do lugar das raízes no domínio z. Os gráficos
também podem ser obtidos usando os gráficos do lugar das raízes da maioria dos programas de
desenho auxiliado por computador (CAD). Assim, podemos usar o comando MATLAB rlocus para z-domain
locais de raiz.
Exemplo 6.1
Obtenha o gráfico do lugar das raízes e o ganho crítico para o sistema tipo 1 de primeira ordem com ganho
de loop
1
eu( z) =
Com
- 1
Solução
O uso das regras do lugar das raízes fornece o gráfico do lugar das raízes da Figura 6.1, que pode ser obtido
usando o comando rlocus do MATLAB. O lugar das raízes está inteiramente no eixo real entre o pólo de
malha aberta e o zero de malha aberta. Para um sistema discreto estável, plano z do eixo real
0,8
0,6
Sistema: g
Ganho: 2
0,4
Nenhum: -1
0,2 Superação (%): 100
Imaginário
0
Eixo
–0,2
–0,4
–0,6
–0,8
–1
–1,5 –1 –0,5 0 Eixo Real 0,5 1
Figura 6.1
Locus raiz de um sistema de primeira ordem tipo 1.

6.1 Locus raiz do domínio z 163
os pólos devem estar entre o ponto (ÿ1, 0) e o ponto (1, 0). O ganho crítico para o sistema corresponde ao
ponto (ÿ1, 0). A equação característica de malha fechada do sistema é
1 de K ÿ + = 0
Substituir z = ÿ1 fornece o ganho crítico Kcr = 2 conforme mostrado no gráfico do lugar das raízes.
Exemplo 6.2
Obtenha o gráfico do lugar das raízes e o ganho crítico para o sistema tipo 1 de segunda ordem com ganho
de loop
1
eu(z) =
( ÿ )( ÿ1 0) 5.
Com Com
Solução
O uso das regras do lugar das raízes fornece o gráfico do lugar das raízes da Figura 6.2, que tem a mesma
forma que o lugar das raízes do Exemplo 5.1(1), mas está inteiramente no plano direito (RHP). O ponto de
ruptura está a meio caminho entre os dois pólos de malha aberta em zb = 0,75. O ganho crítico agora ocorre
na intersecção do lugar das raízes com o círculo unitário. Para obter o valor crítico do ganho, primeiro escreva
a equação característica de malha fechada
2
(z ÿ1 ) + = ÿ015.5) 0 5 0 de
( ÿ Com Para
K +z+ = . .
Sistema: g
Ganho: 0,5
1 Nenhum: 0,75 + 0,661i
Amortecimento: –4,84e – 005
0,8 Superação (%): 100

Frequência (rad/seg): 72,3
0,6
0,4
0,2
0
Imaginário
Eixo
–0,2
–0,4
–0,6
–0,8
–1
–1–1,5 –0,5 0 0,5 1 1,5
Eixo Real
Figura 6.2
Locus Z-Root de um sistema de segunda ordem tipo 1.

No círculo unitário, os pólos de malha fechada são conjugados complexos e de magnitude unitária.
Portanto, a magnitude dos pólos satisfaz a equação
de1,2K2 = + =cr 0 5 1.
onde Kcr é o ganho crítico. O ganho crítico é igual a 0,5, que, a partir da equação característica
de malha fechada, corresponde aos pólos do círculo unitário em
de
1 2,
= ± .0 75 0 661j
.
6.2 Projeto do sistema de controle digital z-Domain

No Capítulo 5, fomos capazes de projetar sistemas de controle analógico selecionando seus
pólos e zeros no domínio s para corresponder à resposta temporal desejada. Esta abordagem
foi baseada na relação entre qualquer função de tempo e seus pólos e zeros no domínio s.
Se a função de tempo for amostrada e a sequência resultante for transformada em z , a
transformada z conterá informações sobre a sequência de tempo transformada e a função
de tempo original. Os pólos da função do domínio z podem, portanto, ser usados para
caracterizar a sequência, e possivelmente a função de tempo contínua amostrada, sem
transformação z inversa. No entanto, esta última caracterização é geralmente mais difícil do
que a caracterização baseada nas funções do domínio s descritas na Figura 5.3.
A Figura 6.3 mostra as localizações dos pólos do domínio z e as sequências temporais

associadas. Tal como no caso contínuo, os pólos reais positivos estão associados a
exponenciais. Ao contrário do caso contínuo, as exponenciais decaem para os pólos dentro
do círculo unitário e aumentam para os pólos fora dele. Além disso, os pólos negativos estão
associados a sequências de sinais alternados. Os pólos do círculo unitário estão associados
Eu sou {z}
. . . . .
. . .
. .. . . .
.
.
. ..
¥
¥
. Re{z}
¥ ¥¥ ¥¥ ¥
. . ... . .
¥ .
. . . . .
. .
. .
Figura 6.3
localizações dos pólos do domínio z e as sequências temporais associadas.

6.2 Projeto do Sistema de Controle Digital z-Domain 165
com uma resposta de magnitude constante. Para pólos conjugados complexos, a resposta é oscilatória com a
taxa de decaimento determinada pela distância do pólo à origem e a frequência das oscilações determinada
pela magnitude do ângulo do pólo. Pólos conjugados complexos no círculo unitário estão associados a
oscilações sustentadas.
Como é mais fácil caracterizar a função do tempo usando pólos no domínio s, pode ser útil reexaminar
a Figura 5.3 e compará-la com a Figura 6.3. A comparação das figuras sugere uma relação entre os pólos
do domínio s e do domínio z que simplifica muito a caracterização dos pólos do domínio z. Para obter o
relacionamento desejado, examinamos dois casos-chave, tanto no domínio s quanto no domínio z. Um
caso produz um pólo real e o outro um par conjugado complexo de pólos. Funções de tempo mais
complexas podem ser reduzidas a estes casos pela expansão em frações parciais das formas trans. Os
dois casos estão resumidos nas Tabelas 6.1 e 6.2.
Usando as duas tabelas, parece que se F(s) tem um pólo em ÿa, F(z) tem um pólo em eÿaT
zÿ n djoh
T) . Fazemos,
, e se F(s) tem pólos em ÿzwn + jwd, F(z) tem pólos em e(ÿ +
portanto, a seguinte observação.
Observação
Se a transformada de Laplace F(s) de uma função de tempo contínuo f(t) tem um pólo ps, então a
transformada z F(z) de sua contraparte amostrada f(kT) tem um pólo em
= p
Ts pe
Com
(6.3)
onde T é o período de amostragem.
Observações
1. A observação anterior é válida para um passo unitário com seu pólo do domínio s na origem
porque a transformada z de um passo amostrado tem um pólo em 1 = e0 .
2. Não há mapeamento geral de zeros no domínio s para zeros no domínio z.

3. De (6.3), os pólos do domínio z no caso conjugado complexo são dados
por
urina=
p TjT ohd
Com
= p TjTk
( ou seja ohd + 2p )
, k = 0 ,1 2, , ...
Assim, as localizações dos pólos são uma função periódica da frequência natural amortecida wd com
período (2p/T) (isto é, a frequência angular de amostragem ws). O mapeamento de pólos distintos do
domínio s para a mesma localização do domínio z é claramente indesejável em situações onde uma forma
de onda amostrada é usada para representar sua contraparte contínua. A faixa de largura ws sobre a qual
tal ambiguidade não ocorre (frequências na faixa [(ÿws/ 2), ws/2] rad/s é conhecida como faixa primária
(Figura 6.4) .
166ÿ
-2
a
e
+
T
ÿ a
T
a
Isso T
e
sincos
-uma
ÿÿ
T
Com
-
-
ela z
2
()
()
=
=
z
F z
F
zTransformada zTransformada
,
ÿ<
ÿ<
kk
ttt
,
pecado
kT
( oh
,
e
ÿÿÿ
ÿa
,
e
ÿÿÿ
ÿa
(f
kT
)=
Amostrado Amostradopés ()
=
ah
( ( ) )+
a
+
=
1+
()
=
Fs
Transformada Fs
Transformada
0
<
0
ÿ
t
) ,
0
<
0
ÿ
t t
pecado
( oh
,
e e
ÿÿÿ
ÿÿÿ
ÿa
ÿa
()
()
=
e
Tabela Contínuo pés e
Tabela Contínuo pés
oh
Em
é
2
Primário p
Faixa
ÿws
2
Figura 6.4
Faixa primária no plano s.
a largura desta faixa pode claramente ser aumentada por uma amostragem mais rápida, com
a escolha da taxa de amostragem adequada ditada pela natureza da função de tempo
contínuo. Observamos que a frequência mínima de amostragem para uma boa correlação
entre os sinais analógicos e digitais é duas vezes a frequência wd conforme esperado com
base no teorema de amostragem da Seção 2.9.
6.2.1 Contornos do domínio z

Usando a observação (6.3), pode-se usar contornos no domínio s sobre os quais certas
características dos pólos da função são fixadas para obter as formas de contornos
semelhantes no domínio z . Em particular, o caso importante de um sistema subamortecido
de segunda ordem produz a Tabela 6.3.
As informações da tabela são mostradas nas Figuras 6.5 e 6.6 e podem ser usadas para
prever as respostas temporais da Figura 6.3. Na Figura 6.5, vemos que os valores negativos
de s correspondem ao interior do círculo unitário no plano z, enquanto os valores positivos
correspondem ao exterior do círculo unitário. O círculo unitário é o contorno s = 0. Tanto a
Tabela 6.3 como a Figura 6.5 também mostram que grandes valores positivos de s
correspondem a circuitos de grandes raios, enquanto grandes valores negativos de s
correspondem a círculos de pequenos raios. Em particular, um infinito positivo s corresponde
ao ponto em ÿ, e um infinito negativo s corresponde à origem do plano z.
Tabela 6.3 Contornos de Pólos no Domínio s e no Domínio z.
Contorno Pólos s-Domain Contorno Polos do domínio z
uma = constante Linha vertical |z| = eÿT = constante Círculo
wd = constante Linha horizontal ÿz = ÿdT = constante Linha radial

oh Eu(z)
j
5 3
4 10
2
3 6
2
2 1 –2
1 –6
–10
0 0
–1
–1
–2
–3
–2
–4
–5 –3
–10 –5 0 5 10 p –3 –2 –1 0 (b) 1 2 3 Re(z)
(a)
Figura 6.5
Contornos constantes no plano s e no plano z. (a) Contornos constantes no plano s. (b) Contornos constantes
no plano z.
j oh Eu(z)
3
3p/4
3p/4 p/2 p/4
2
p/2
1
p/4
-p 0
0 0
ÿp/4
–1
-p/2
–2
ÿ3p/4 ÿ3p/4 ÿp/2 ÿp/4
–3
–3 –2 –1 1 2 3 p –3 –2 –1 0 (b) 123 Re(z)
0 (a)
Figura 6.6
Contornos wd constantes no plano s e no plano z. (a) Contornos wd constantes no plano s. (b) Contornos wd
constantes no plano z.
Na Figura 6.6, vemos que valores maiores de wd correspondem a ângulos

maiores, com wd = ±ws/ 2 correspondendo a ±p. Conforme observado anteriormente
usando um argumento diferente, um sistema com pólos fora desta faixa (fora da faixa
primária) não tem uma correspondência um-para-um entre os pólos do domínio s e
do domínio z.
O polinômio característico do domínio z para um sistema subamortecido de segunda ordem é
+ ) oh
djT 2 - T - 2zÿ nT
n j T oh
( zé
-
( - zÿ n
)( -
(ÿ zÿ
ÿ)d ze
)=- Com ) +zÿ
( 2cos ohd Téze
n
Portanto, os pólos do sistema são dados por

-
zÿ nT
= ÿ ± ze 1 2, oh Td (6.4)
Isto confirma que os contornos zwn constantes são círculos, enquanto os contornos wd constantes são
linhas radiais.
As linhas z constantes são espirais logarítmicas que ficam menores para valores maiores de z.
As espirais são definidas pela equação
ÿ
p )
- Com ÿ
z eu ÿ( 180
2 2
1- 1-
ela = Com = e Com
(6.5)
onde |z| é a magnitude do pólo e q é o seu ângulo. Contornos wn constantes são definidos pela equação
2 2
ohnT ) -
( zé = ÿ eu
(6.6)
A Figura 6.7 mostra contornos z constantes e contornos wn constantes .
0,5 p/T
1 0,6 p/T 0,4 p/T
0,7 p/T 0,3 p/T

0,1
0,8
0,2
0,8 p/T 0,3 0,2 p/T
0,6
0,4
0,5
0,4 0,6
0,9 p/T 0,1 p/T
0,7
0,8
0,2
0,9
p/T
0
p/T
–0,2
0,9 p/T 0,1 p/T

–0,4
–0,6 0,8 p/T 0,2 p/T
–0,8
0,7 p/T 0,3 p/T
–1 0,6 p/T 0,4 p/T
0,5 p/T
–1 –0,5 0 0,5 1
Figura 6.7
Contornos z e wn constantes no plano z.

Para provar (6.5), reescreva os pólos conjugados complexos como

-
zÿ nT
= ÿ ± ze 1 2, ohd T z±= ÿ eu (6.7)
ou equivalente,
2
eu = ohd TT=1ohn -
Com (6.8)
-
nT
ela =
zÿ
(6.9)
Eliminando wn T de (6.9) usando (6.8), obtemos a equação espiral (6.5).

A prova de (6.6) é semelhante e fica como exercício (Problema 6.2).
As seguintes observações podem ser feitas examinando a equação espiral (6.5):
1. Para cada valor de z, existem duas espirais correspondentes aos ângulos negativo e positivo
q. A espiral q negativa está abaixo do eixo real e é a imagem espelhada da espiral q positiva.
2. Para uma determinada espiral, a magnitude do pólo cai logaritmicamente com o seu
ângulo.
3. No mesmo ângulo q, o aumento da taxa de amortecimento resulta em magnitudes de pólo menores.
Conseqüentemente, as espirais são menores para valores z maiores.
4. Todas as espirais começam em q = 0, |z| = 1, mas termina em pontos diferentes.
5. Para uma determinada razão de amortecimento e ângulo q, a magnitude do pólo pode ser
obtida substituindo em (6.5). Para uma determinada taxa de amortecimento e magnitude do
pólo, o ângulo do pólo pode ser obtido substituindo na equação
2
1-
eu =
Com
em(z) (6.10)
Com
Os contornos padrão podem ser plotados usando uma calculadora portátil, um transferidor
e uma bússola. Sua intersecção com o lugar das raízes pode então ser usada para obter as
localizações dos pólos para as características de malha fechada desejadas. No entanto, é mais
conveniente obter o lugar das raízes e os contornos usando uma ferramenta CAD, especialmente
para sistemas de ordem superior. O círculo unitário e os contornos z e wn constantes podem ser
adicionados aos gráficos do lugar das raízes obtidos com pacotes CAD para fornecer
informações úteis sobre a importância das localizações dos pólos do domínio z. No MATLAB,
isso é feito usando o comando
>> zgrid(zeta, wn)
onde zeta é um vetor de taxas de amortecimento e wn é um vetor de frequências naturais não

amortecidas para os contornos.
Claramente, o significado das localizações do pólo e do zero no domínio z é completamente
diferente das localizações idênticas no domínio s. Por exemplo, o limite de estabilidade no
domínio z é o círculo unitário, não o eixo imaginário. A caracterização da resposta temporal de
um sistema de tempo discreto baseado em informações do domínio z é mais complexa do que o
processo análogo para tempo contínuo
6.2 Projeto do sistema de controle digital z-Domain 171
sistemas baseados nas informações do domínio s discutidas no Capítulo 5. Esses são fatores que complicam
um pouco o projeto do domínio z, embora as dificuldades associadas não sejam intransponíveis.
As especificações para o design do domínio z são semelhantes às do design do domínio s.

As especificações típicas de projeto são as seguintes:
Tempo constante. Esta é a constante de tempo de decaimento exponencial para o envelope contínuo da
forma de onda amostrada. O sinal amostrado não é, portanto, necessariamente igual a uma porção
especificada do valor final após uma constante de tempo.
A constante de tempo é definida como
1
t = (6.11)
zÿ n
Tempo de acomodação. O tempo de acomodação é definido como o período após o qual o envelope
da forma de onda amostrada permanece dentro de uma porcentagem especificada (geralmente
2%) do valor final. É um múltiplo da constante de tempo dependendo da porcentagem especificada.
Para uma especificação de 2%, o tempo de acomodação é dado por
4
= (6.12)
Ts
zÿ n
Frequência de oscilações wd. Esta frequência é igual ao ângulo dos pólos conjugados complexos
dominantes dividido pelo período de amostragem.
Outros critérios de projeto, como o overshoot percentual, a taxa de amortecimento e a frequência natural
não amortecida, também podem ser definidos de forma análoga ao contínuo.
nosso caso.
6.2.2 Projeto de controle proporcional no domínio z

O controle proporcional envolve a seleção de um valor de ganho DC que corresponde a uma resposta temporal
que satisfaça as especificações do projeto. Como no projeto de domínio s, uma resposta temporal satisfatória é
obtida ajustando o ganho para selecionar um par dominante de malha fechada na região apropriada do plano
complexo. O projeto analítico é possível para sistemas de ordem inferior, mas é mais difícil do que seu
equivalente analógico. O exemplo a seguir ilustra o projeto de controladores digitais proporcionais.
Exemplo 6.3
Projete um controlador proporcional para o sistema digital descrito no Exemplo 6.2 com um período de amostragem T = 0,1 s para
obter
1. Uma frequência natural amortecida de 5 rad/s

2. Uma constante de tempo de 0,5 s
3. Uma taxa de amortecimento de 0,7

Solução
Após alguns cálculos preliminares, os resultados do projeto podem ser facilmente obtidos usando o comando rlocus
do MATLAB. Os seguintes cálculos, juntamente com as informações fornecidas por um comando de cursor, nos
permitem determinar as localizações desejadas dos pólos em malha fechada:
1. O ângulo do poste é wd T = 5 × 0,1 = 0,5 rad ou 28,65º.

2. O inverso da constante de tempo é zwn = 1/0,5 = 2 rad/s. Isso produz um pólo magnético 0 82. .
magnitude de eÿzÿ nT =
3. A taxa de amortecimento fornecida pode ser usada diretamente para localizar o pólo desejado.
Utilizando MATLAB, obtemos os resultados mostrados na Tabela 6.4. Os gráficos de resposta ao degrau
amostrados correspondentes obtidos usando o degrau de comando (MATLAB) são mostrados na Figura 6.8.
Como esperado, os projetos de maior ganho estão associados a uma baixa taxa de amortecimento e a uma resposta
mais oscilatória.
Os resultados da Tabela 6.4 também podem ser obtidos analiticamente usando a equação característica para
os pólos conjugados complexos de (6.4). A equação característica de malha fechada do sistema é
2 2 - -
Com
- 1 5. z K 2 + + = ÿ z cos0 .
5 (oh) dT ezezÿ nT +
2nT
zÿ
Tabela 6.4 Resultados do Projeto de Controle Proporcional
Projeto Ganho Com rad / s
(a) 0,23 0,3 5.24
(b) 0,17 0,4 4,60
(c) 0,10 0,7 3,63
1.4
1.2
0,8
Saída
0,6
0,4
0,2
0
0 5 10 15 20 3025 35
Tempo
Figura 6.8
Resposta temporal para os experimentos da Tabela 6.4: (a) ÿÿ, (b)+, (c)*.
Equacionar coeficientes fornece as duas equações

1 -
zÿ n T
Com : 1 .5 2= porque (ohd T )e
- 2zÿ n T
de0 :K
0e5+ = .
1. Da equação z1 ,
ÿ 1 .5 ÿ ÿ 1 .5 ÿ
=
zÿ n 1 em
ÿ= Em 10 ÿ = 1 .571
T ÿÿ 2 porque (ohdT ) ÿ ÿ ÿ 2 porque.
05 () ÿ
Além disso,
2 2
oh2d = ÿoh(n 1 Com
) 25 =
Assim, obtemos a razão
2 2
ohd 1- 25
2
= Com
= 2
2
(zÿ n ) Com
( 1. 571
)
Isso dá uma taxa de amortecimento z = 0,3 e uma frequência natural não amortecida wn =
0
5,24rad/s. Finalmente, a equação z dá um ganho
ÿ2 zÿ nT 2 1 571. 0 1 ÿ × × .
K e= - =0 .5 e - =0 .5 0 23.
2. De (6.11) e da equação z1 , obtemos
1 1
n === 2 linha p
zÿt 0 .5
zÿ n T
1 - 1 ÿ 1 .5 e ÿ - 1 0 .2
ohd = porque
ÿ = 10 porque. (0 75 e ) = 4 127. linha p
T ÿÿ 2 ÿ
Resolver para z dá
2 2 2
ohd 1- )
2
= Com
= ( 4. 127
2 2
(zÿ n ) Com
2
o que dá uma taxa de amortecimento z = 0,436 e uma frequência natural não amortecida wn = 4,586
rad/s. O ganho para este projeto é
ÿ2 zÿ nT .
ÿ××2201
K e= - =0 .5 e - =0 .5 0 17.
3. Para uma relação de amortecimento de 0,7, a equação z1 obtida pela equação dos coeficientes
permanece não linear e é difícil de resolver analiticamente. A equação agora se torna
0 .07 ohn
. =
1 5 2 ( 0 0714 cos. ohn ) -e
A equação pode ser resolvida numericamente por tentativa e erro com uma calculadora para obter
a frequência natural não amortecida wn = 3,63 rad/s. O ganho para este projeto é
- × .0 14 3. 63
Ke= - =0 .5 0 10.
Este controlador também pode ser projetado graficamente desenhando o lugar das raízes e um
segmento da espiral z constante e encontrando sua interseção. Mas os resultados obtidos graficamente são
frequentemente muito aproximados e a solução é difícil para todos, exceto para alguns lugares de raízes simples.
Exemplo 6.4
Considere o sistema de controle de posição do veículo do Exemplo 3.3 com a função de transferência
1
Gs( ) =
ss( + )5
Projete um controlador proporcional para o sistema de controle digital com realimentação unitária com processo analógico e um
período de amostragem T = 0,04 s para obter
1. Um erro em estado estacionário de 10% devido a uma entrada de rampa

2. Uma taxa de amortecimento de 0,7
Solução
A função de transferência analógica junto com um DAC e ADC tem a função de transferência z
- 4
7 .4923 10× + ( ) 0 .9355
Com
G DE
z NOVO( ) =
(1zz
ÿ )( ÿ ) 0 .8187
e a equação característica de malha fechada é
2 - 4 - 4
1 -
KG zz +( ( ) = ÿ 1 8187 7. 4923 10 . × Para . 7 009- 10 . × K
DE NOVO
) +z0 8187
2 - - 2zÿ
= Com
- 2 porque (ohd Téze
) + zÿ n T n T
A equação envolve três parâmetros z, wn e K. Como no Exemplo 6.3, igualar os coeficientes produz duas equações que podemos
usar para avaliar duas incógnitas. O terceiro parâmetro deve ser obtido a partir de uma especificação de projeto.
1. O sistema é do tipo 1 e a constante de erro de velocidade é
1 Com
- 1
K em
= ()
quilograma z
T Com
Com
=1
- 4
7 .4923 10×1 0 9355
+ . )
= K
.04ÿ 1) 0 8187 .
( 0( )(
K
=
5
Isto é idêntico à constante de erro de velocidade para o sistema de controle proporcional analógico. Em ambos os casos,
um erro em estado estacionário devido à rampa de 10% é alcançado com
K 100
==K
v
5 e ( ÿ)%
100
= = 10
10
Portanto, o ganho necessário é K = 50.
2. Como no Exemplo 6.3, a solução analítica para a constante z é difícil. Mas os resultados do projeto são facilmente obtidos
usando o comando do cursor local raiz de qualquer programa CAD.
Conforme mostrado na Figura 6.9, mover o cursor para o contorno z = 0,7 produz um valor de ganho de aproximadamente
11,7
1
.3
31.4
0,9
0,8 0,1 23,6
0,7 0,2
0,3
0,6
0,4 15,7
Imaginário
0,5
Eixo
0,5
0,4 0,6
Sistema: gd
0,7 Ganho: 11,7
0,3 7,85
Pólo: 0,904 + 0,0889i
0,8
Amortecimento:
0,2 0,699 Overshoot (%):
0,9
0,1
0
0 0,50.40.30.20.1 0.90.80.70.6 1
Eixo Real
Figura 6.9
Lugar das raízes para o dimensionamento z constante.
1
.3
31.4
0,9 Sistema: gd
Ganho: 268
Pólo: 0,807 + 0,592i
0,8 0,1 23,6 Amortecimento: –
0,000758 Overshoot
0,7 0,2 (%): 100 Frequência (rad/seg): 15,8
0,3
0,6
0,4 15,7
0,5
Imaginário
Sistema: gd
Eixo
0,5 Ganho:
50 Pólos: 0,89 + 0,246i
0,4 0,6
Amortecimento:
0,7 0,284 Overshoot (%):
0,3 39,4 Frequência (rad/seg): 7,09 7,85
0,8
0,2
0,9
0,1
0
0 0,50.40.30.20.1 0.90.80.70.6 1
Eixo Real
Figura 6.10
Local das raízes para K = 50.

1.4
Sistema: gdc
Amplitude de pico: 1,4
1.2
No momento: 0,48
Sistema: gdc
Tempo de configuração: 2
0,8
Amplitude
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3
vezes
Figura 6.11
Resposta temporal para K = 50.
O lugar das raízes da Figura 6.10 mostra que o ganho crítico para o sistema Kcr é aproximadamente 268,
e o sistema é, portanto, estável no ganho desejado e pode atender às especificações de projeto para (1) e (2).
Contudo, outros critérios de projeto, como a taxa de amortecimento e a frequência natural não amortecida,
devem ser verificados. Seus valores podem ser obtidos usando um comando de cursor CAD ou igualando os
coeficientes da equação característica como no Exemplo 6.3. Para o ganho de 50 selecionado em (1), o lugar
das raízes da Figura 6.10 e o cursor fornecem uma taxa de amortecimento de 0,28. Isto corresponde à resposta
altamente oscilatória da Figura 6.11, que provavelmente será inaceitável na prática. Para o ganho de 11,7
selecionado em (2), o erro em estado estacionário é de 42,7% devido a uma rampa unitária. É portanto claro
que para obter o erro em estado estacionário especificado juntamente com uma resposta transitória aceitável, o
controlo proporcional é inadequado.
6.3 Implementação Digital de Analógico

Projeto do controlador
Esta seção apresenta uma abordagem indireta ao projeto de controladores digitais. A
abordagem é baseada em projetar um controlador analógico para o subsistema
analógico e então obter um controlador digital equivalente e utilizá-lo para implementar
digitalmente o controle desejado. O controlador digital pode ser obtido por meio de uma
série de receitas bem conhecidas na área de processamento de sinais, onde são
utilizadas no projeto de filtros digitais. Na verdade, um controlador pode ser visto como
um filtro que atenua algumas dinâmicas e acentua outras de modo a obter a resposta
temporal desejada. Limitamos nossa discussão sobre filtros digitais e a comparação de vários
6.3 Implementação Digital do Projeto de Controlador Analógico 177
R(z) + E(z) você(z) S(z)

C(z) GZAS(z)
Figura 6.12
Diagrama de blocos de um sistema de controle digital de malha única.
receitas para obtê-los desde filtros analógicos até métodos diferenciais e transformação bilinear. A
configuração do sistema que consideramos é mostrada na Figura 6.12.
O sistema inclui (1) um modelo de função de transferência z de um DAC, subsistema analógico e
ADC; e (2) um controlador em cascata. Começamos com um procedimento geral para obter um
controlador digital utilizando projeto analógico.
Procedimento 6.1
1. Projete um controlador Ca(s) para o subsistema analógico para atender ao projeto desejado
especificações.
2. Mapeie o controlador analógico para um controlador digital C(z) usando uma
transformação adequada.
3. Ajuste o ganho da função de transferência C(z)GZAS(z) usando domínio z proporcional

projeto para atender às especificações do projeto.
4. Verifique o tempo de resposta amostrado do sistema de controle digital e repita as etapas 1 a
3, se necessário, até que as especificações do projeto sejam atendidas.
A Etapa 2 do Procedimento 6.1 – ou seja, a transformação de um filtro analógico em digital –

deve satisfazer os seguintes requisitos:
1. Um filtro analógico estável (pólos no meio plano esquerdo (LHP) deve se transformar em um filtro
digital estável.
2. A resposta de frequência do filtro digital deve ser muito semelhante à resposta de frequência do
filtro analógico na faixa de frequência 0 ÿ ws/2 onde ws é a frequência de amostragem.
A maioria das transformações de filtro satisfaz esses dois requisitos em graus variados.
No entanto, isso não se aplica a todas as transformações analógico-digitais, conforme ilustrado na
seção a seguir.
6.3.1 Métodos Diferenciais

Um filtro analógico pode ser representado por uma função de transferência ou equação diferencial.
A análise numérica fornece aproximações padrão da derivada para obter a solução de uma equação
diferencial. As aproximações reduzem uma equação diferencial a uma equação de diferenças e
podem, portanto, ser usadas para obter o
equação diferencial de um filtro digital da equação diferencial de um filtro analógico. Examinamos duas aproximações
da derivada: diferenciação direta e diferenciação retroativa.
Diferenciação direta
A aproximação diferencial direta da derivada é
ÿ 1
yk ÿ( )( [ yk ( )] + yk
1 )ÿ (6.13)
T
A aproximação da segunda derivada pode ser obtida aplicando (6.13)

duas vezes, ou seja,
1
( )1 ÿ [ ( ) ÿ ( )]+
ÿÿ ÿ ÿ
olha sim
T
11 1
ÿ { +sim
[ ( )2ÿsim
+ ( )]
1ÿ[+()ÿ() sim 1 sim ]} (6.14)
TT T
1
= {( sim 22
) ÿ+ + ( ) + ( )} yk 1 yk
2
T
Aproximações de derivadas de ordem superior podem ser obtidas de forma semelhante. Alternativamente, pode-se
considerar a transformada de Laplace da derivada e a transformada z da diferença em (6.13). Isso produz o
mapeamento
1
sim ( ) ÿ ÿ [ ] z Y z( ) 1 (6.15)
T
Portanto, a transformação direta de uma função de transferência s em uma função de transferência z é possível
usando a substituição
ÿ1z
é ÿ (6.16)
T
Exemplo 6.5: Diferença direta
Aplique a aproximação da diferença direta da derivada ao filtro analógico de segunda ordem

2
ohn
Csa ( ) =
2
s 2 2+ zÿ ns + ohn
e examine a estabilidade do filtro digital resultante para um filtro analógico estável.
Solução
O filtro fornecido é equivalente à equação diferencial
2 2
ohnfora
()
ÿÿ ÿ
( ) + 2 zÿ n sim
anos ()+ ohn ( ) = yt
onde y(t) é a saída do filtro e u(t) é a entrada do filtro. A aproximação da primeira derivada por
(6.13) e da segunda derivada por (6.14) dá a equação de diferença
1 1
{ ( + ) ÿ + ( ) + ( )} + yk 2 2 yk 1 yk 2 zÿ n [ yk ( + ) ÿ ( )] + 1 yk ohn2 ( ) = yk 2
ohn ()
Reino Unido
2
T T
2
Multiplicando por T e reorganizando os termos, obtemos o filtro digital
- 1 2 2
e k( + 2 2 [) + zÿ 1 oh T
( + ) + ÿ ÿ( n ) ÿ ] nT yk
2 zÿ +
n T-yk ÿÿ()=(n)1
oh ()
Reino Unido
Equivalentemente, obtemos a função de transferência do filtro usando a transformação mais simples (6.16)
ohn2
C z( ) = Com
- 1
s 2 2+ é + oh2n é=
zÿ n T
2
=
ohn T )
2
2[2+z zÿ n
T z- ÿ + (( 1ÿ ] ohn T ) - 2 zÿ
T +n
ÿ ÿ1
Para um filtro analógico estável, temos z > 0 e wn > 0 (coeficientes de denominador positivo são
suficientes para um polinômio de segunda ordem). Porém, o filtro digital é instável se a magnitude do termo
constante em seu polinômio denominador for maior que a unidade. Isso dá a condição de instabilidade
(ohn T2) 2- zÿ n
T + >1 1
ou seja, Com
< ohn T 2
Por exemplo, um período de amostragem de 0,2 s e uma frequência natural não amortecida de 10 rad/s
produzem filtros instáveis para qualquer filtro analógico subamortecido.
Diferenciação para trás

A aproximação diferencial retroativa da derivada é
ÿ 1
ÿ [ ykyk ÿ ( )] yk( )1ÿ ( ) (6.17)
T
A aproximação da segunda derivada pode ser obtida aplicando (6.17)

duas vezes, ou seja,
ÿÿ 1 ÿ ÿ
sim( 1) ÿ [ ( ) olhar
ÿ ÿ ( )]
T
11 1
ÿ
TT
{ [ ( ) ÿ ÿ ( )] ÿ [ ÿ ( ) ÿ ÿ ( veja 1 sim 1 sim
T 2]}
) (6.18)
1
= { ( )2ÿ ÿ ( ) + ÿ ( )} 2 ykyk 1 yk 2
T
Aproximações de derivadas de ordem superior podem ser obtidas de forma semelhante. Pode-se também
considerar a transformada de Laplace da derivada e a transformada z da diferença em (6.17). Isso produz a
substituição
Com ÿ1
é ÿ
zT (6.19)
Exemplo 6.6: Diferença para trás
Aplique a aproximação da diferença inversa da derivada ao filtro analógico de segunda ordem
2
ohn
Csa ( ) =
s 2 2+ zÿ né + oh2n
e examine a estabilidade do filtro digital resultante para um filtro analógico estável.
Solução
Obtemos a função de transferência do filtro usando (6.19)
2
ohn
C z( ) = Com
- 1
s 2 2+ zÿ né + oh2n s=
zT
2
= (ohn Tz )
2
ohn T ) + 2
ÿ( ÿ zÿ nT z+ 1ÿ ÿ 2ÿ 2[ Com
oh] nT z +1 1 +
As condições de estabilidade para o filtro digital são (ver Capítulo 4)

2
ÿ( ÿ
ohn T ) + 2 zÿ nT 12+
ÿÿ+ [zÿ nT + 1]1+0>
2
ohn T ) + 2
ÿ( ÿ zÿ nT +1
ÿ ÿ ÿ1>0
2
ÿ ( ohn T )+2 zÿ nT [ 1ÿ 2 zÿ nT
ÿ ÿ ÿ+ 0 ]++ > 1 1
As condições são todas satisfeitas para z > 0 e wn > 0, ou seja, para todos os filtros analógicos estáveis.
6.3.2 Transformação Bilinear
O relacionamento
Com
- 1
sc= (6.20)
Com + 1
com um numerador linear e um denominador linear e um fator de escala constante c é conhecido como
transformação bilinear. A relação pode ser obtida a partir da igualdade z = esT usando a aproximação de
primeira ordem
2
- 1
= 1ln ( ) ÿ ÿ Com
ÿ
é Com (6.21)
T Tÿ ÿ Com + 1 ÿÿ
onde a constante c = 2/ T. Um filtro digital C(z) é obtido a partir de um filtro analógico Ca(s) pela
substituição
C z( C
) =s ( )a - 1ÿ (6.22)
sc= ÿ
Com
ÿ ÿ Com +1 ÿÿ
O filtro digital resultante tem a resposta de frequência
C e( Cs
j-Toh
)=()a ÿ e j-Toh - 1ÿ
sc= ÿ ÿ
j-Toh + 1ÿ
ÿe
ÿ ÿ
j Toh - e -
j-Toh 2
= Cc ÿ ÿ 2e
ÿÿ
a ÿ
ÿÿ ÿÿ
e j-Toh +
2eÿjT
oh 2
ÿÿ ÿ
Assim, as respostas de frequência dos filtros digitais e analógicos estão relacionadas por
ÿ ÿ ohTÿ ÿ
Há( j-Toh
) = C ajc bronzeado (6.23)
ÿ ÿÿ 2 ÿÿÿ
Avaliar a resposta de frequência na frequência de dobramento ws/2 dá
ÿ ÿ ohé T ÿ ÿ
Há( j Toh
2é
) = C ajc bronzeado
ÿ ÿ 4 ÿÿÿ
2p ÿ
= ÿ ÿÿ
ÿ
C jc
a tan ÿ C aj )
ÿÿ 4 ÿÿ ÿ=ÿ(
Observamos que o mapeamento bilinear comprime toda a resposta de frequência do filtro analógico para uma
faixa de frequência 0 ÿ ÿ na faixa de frequência 0 ÿ ws/2.
Isto implica a ausência de aliasing (o que torna a transformação bilinear um método popular para projeto de
filtros digitais), mas também resulta em distorção ou deformação da resposta de frequência. A relação entre a
frequência wa do filtro analógico e a frequência w do filtro digital para o caso c = 2/ T, a saber,
2 ohT
oha = bronzeado
ÿ ÿ
T ÿ 2 ÿ
é plotado na Figura 6.13 para T = 1. Observe que, em geral, se o tempo de amostragem for suficientemente
pequeno para que w << p/ T, então
ohT ohT
bronzeado
ÿ ÿ ÿ
ÿ 2 ÿ 2
e portanto wa ÿ w, de modo que o efeito do empenamento é insignificante.

Em qualquer caso, a distorção da resposta de frequência pode ser corrigida em um
frequência única w0 usando a igualdade de pré-deformação
ÿ ÿ oh0 T ÿ ÿ
Há( j-Toh0
) = C ajc bronzeado
= (Cÿ ajÿ oh0 ) (6.24)
ÿ ÿÿ 2 ÿ
A igualdade é válida desde que a constante c seja escolhida como
oh0
c = (6.25)
oh0 T
bronzeado
( )
2
2,5
2
Frequência
1,5
digital
filtro
do
0,5
0
02 4 6 8 10 12 14 16 18 20
Frequência do filtro analógico
Figura 6.13
Relação entre frequências de filtros analógicos e frequências de filtros digitais com transformação bilinear.
A escolha da frequência de pré-warping w0 depende do filtro mapeado. Em aplicações

de controle, uma escolha adequada de w0 é a frequência de 3 dB para um controlador PI ou
PD e a frequência superior de 3 dB para um controlador PID. Isso é explorado mais
detalhadamente em exemplos de design.
No MATLAB, a transformação bilinear é realizada usando o seguinte comando:
>> gd = c2d(g,tc,'tustin')
onde g é o sistema analógico e tc é o tempo de amostragem. Se o pré-warping for solicitado em uma frequência
w, então o comando é
>> gd = c2d(g,tc,'pré-dobra',w)
Exemplo 6.7
Projete um filtro digital aplicando a transformação bilinear ao filtro analógico
1
Csuma( ) (6.26)
é +
= 0 1 1.
com T = 0,1 s. Examine o efeito warping e aplique o pré-warping na frequência de 3 dB.

–1
–2
Magnitude
–3
(dB)
–4
–5
–6
100 101
Figura 6.14
Gráficos de Bode do filtro analógico (sólido) e do filtro digital obtidos sem (tracejado) e com pré-deformação
(traço-ponto).
Solução
Aplicando a transformação bilinear (6.21) a (6.26), obtemos
1 Com + 1
C (z ) = =
-
2 Com 1 3 1z -
0 .1 + 1
0 .1 Com + 1
Os gráficos de Bode de Ca(s) (linha sólida) e C(z) (linha tracejada) são mostrados na Figura 6.13, onde o efeito
de empenamento pode ser avaliado. Selecionamos a frequência de 3 dB w0 = 10 como frequência de pré-
deformação e aplicamos (6.25) para obter
1 + .
0 .35 0 35 Com
C (z ) = ÿ
10 - 1 -
Com Com 0 .29
0 .1 + 1
10 0 1.
ÿ
+ 1
bronzeado ( ) Com
O gráfico de Bode correspondente é mostrado novamente na Figura 6.14 (linha pontilhada). Coincide com
o gráfico de Bode de C(s) em w0 = 10. Observe que para valores mais baixos do tempo de amostragem, os
três gráficos de Bode tendem a coincidir.
Outra vantagem da transformação bilinear é que ela mapeia pontos do LHP para pontos dentro
do círculo unitário e assim garante a estabilidade de um filtro digital
Em(s) z3 Eu(z)
z3 ÿ1
z2 +1
X s3
z3 +1 z2
X z2 ÿ1
s2
Re(s) Re(z)
1 ÿ1
s1 X z1 z1 ÿ1
z1 +1
Figura 6.15
Ângulos associados à transformação bilinear.
para um filtro analógico estável. Para verificar esta propriedade, considere os três
casos mostrados na Figura 6.15. Eles representam o mapeamento de um ponto no
LHP, um ponto no RHP e um ponto no eixo jw. O ângulo de s após a transformação bilinear é
não ( Com
)ÿÿ+()ÿ= ÿÿ11 (6.27)
Para um ponto dentro do círculo unitário, o ângulo de s tem magnitude superior a
90º, o que corresponde a pontos no LHP. Para um ponto no círculo unitário, o ângulo
é ±90º, que corresponde a pontos no eixo imaginário. E para pontos fora do círculo
unitário, a magnitude do ângulo é menor que 90º, o que corresponde a pontos no
RHP.
A transformação bilinear do controlador PI analógico fornece o seguinte controlador PI digital:
(sobre
+)
C (z )K= sc =
ÿ Com
- 1ÿ
é ÿ ÿ Com +1 ÿÿ
e - (6.28)
+z )
e +e(
=K ÿ+ ÿ
ÿ c ÿ Com
- 1
O controlador PI digital aumenta o tipo do sistema em um e pode, portanto, ser usado

para melhorar o erro em estado estacionário. Como no caso analógico, possui um zero
que reduz a deterioração da resposta transitória devido ao aumento do tipo de sistema.
O controlador PI de (6.28) tem uma ordem de numerador igual à ordem de seu
denominador. Conseqüentemente, o cálculo de sua saída a partir de sua equação
diferencial requer conhecimento da entrada no momento atual. Assumindo um tempo
computacional desprezível, o controlador é aproximadamente realizável.
A transformação bilinear do controlador PD analógico fornece ao controlador PD digital
) =K sa + (
C (de ) ÿ Com
- 1ÿ
sc =
ÿ ÿ Com +1 ÿÿ
e - (6.29)
+z )
= K e+ ( ) +e(
Com +1
Isto corresponde a um zero que pode ser usado para melhorar a resposta transitória e um pólo em z = ÿ1. Um pólo em z = ÿ1 corresponde
a uma resposta j T de frequência ilimitada na frequência de dobramento, conforme e eliminado. Entretanto, eliminar o pólo indesejável
ohé 2 p
resultaria em um controlador irrealizável. Um controlador PD = = ÿ1 e deve, portanto, ser
seja
ou
aproximadamente realizável é obtido substituindo o pólo em z = ÿ1 por um pólo na origem para obter
e -
+z )
+e(
C (z )K=ac
+() (6h30)
Com
Um pólo na origem está associado a um termo que decai tão rapidamente quanto
possível, de modo a ter o menor efeito na dinâmica do controlador. No entanto, esta
variação da transformação direta resulta em distorção adicional do filtro analógico e
na complicação do projeto do controlador digital.
A transformação bilinear do controlador PID analógico fornece ao controlador PD digital
(sasb
+ )( + )
C (z )K= - 1ÿ
sc= ÿ
Com
é ÿ ÿ Com +1 ÿÿ
e - -
a.C.
ÿ
Com + )ÿ ÿ + Com )ÿ
( + )( + ) acbc +e( +a.C.
(
=K ÿÿ ÿÿÿÿ ÿÿ
c (zz
+ )(
1 1ÿ )
O controlador possui dois zeros que podem ser usados para melhorar a resposta transitória e
um pólo em z = 1 para melhorar o erro em estado estacionário. Tal como acontece com o controle
PD, o pólo em z = ÿ1 é substituído por um pólo na origem para produzir uma função de
transferência com uma resposta de frequência limitada na frequência de dobramento. A função
de transferência resultante é aproximadamente realizável e é dada por
e - -
a.C.
ÿ
+z )ÿ ÿ + z )ÿ
ÿ ÿ ( + )( + ) acbc +e( ÿ +a.C.
(
C (z )K=
ÿÿ
(6.31)
c z ÿ ÿ ÿ ( ÿ1)
Usando o Procedimento 6.1 e as equações (6.28) a (6.31), controladores digitais PI,

PD e PID podem ser projetados para produzir desempenho transitório e em estado
estacionário satisfatório.
Exemplo 6.8
Projete um controlador digital para o sistema de controle de velocidade do motor DC descrito no Exemplo 3.6, onde a planta
analógica (tipo 0) tem a função de transferência
1
Gs( )=
( é+ )(1+10)é
para obter (1) um erro zero em estado estacionário devido a um degrau unitário, (2) uma taxa de amortecimento de 0,7 e (3) um
tempo de estabilização de cerca de 1 s.
Solução
O projeto é concluído seguindo o Procedimento 6.1. Primeiro, um controlador analógico é projetado para uma determinada planta.
Para erro zero em estado estacionário devido ao degrau unitário, o tipo de sistema deve ser aumentado em um. Um controlador
PI efectua este aumento, mas a localização do seu zero deve ser escolhida de modo a obter uma resposta transitória aceitável.
O projeto mais simples possível é obtido pelo cancelamento do pólo zero e tem a forma
é +1
C uma(
eK )=
é
O ganho de loop correspondente é
K
Csa(
Gs) ()=
ss( +10)
Portanto, a equação característica de malha fechada do sistema é
2 2
ss( +10) + = + 2 Ks zÿ ns + ohn
Equacionar os coeficientes dá zwn = 5 rad/s e o tempo de estabilização
44
Ts
= == 0 8é .
zÿ n 5
como requerido. A taxa de amortecimento do sistema analógico pode ser definida como igual a 0,7 pela escolha apropriada do
ganho K. O ganho selecionado neste estágio deve frequentemente ser ajustado após a transformação do filtro para obter a
mesma taxa de amortecimento para o controlador digital. Resolvemos para a frequência natural não amortecida
ohn = 10 2 ( ) Com
= × ( ) 10
= 2 0 7 7 142. . linha p
O ganho analógico correspondente é
K = = ohn2 51 02.
Temos, portanto, o filtro analógico
é 1+
Csuma( ) = 51.02
é
Em seguida, selecionamos um período de amostragem adequado para uma frequência natural não amortecida de cerca de
7,14 rad/s. Selecionamos T = 0,02 s < 2p/(40wd), que corresponde a uma frequência de amostragem
superior a 10 vezes a frequência natural amortecida (ver Capítulo 2). O modelo da planta analógica
juntamente com um ADC e amostrador é
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { }
é
- 4 Com + 0 .9293
= 1 .8604 10 ×
( ÿ ( 0) .ÿ8187 0 9
Com Com
. 802)
A transformação bilinear do controlador PI, com ganho K incluído como parâmetro livre, dá
Com
- 0 .9802
C z( K
)=1 01 .
Com
- 1
Como o controlador analógico foi obtido usando cancelamento de pólo zero, o cancelamento próximo do
pólo zero ocorre quando o controlador digital C(z) é multiplicado por GZAS(z). O ganho agora pode ser
ajustado para uma taxa de amortecimento de 0,7 usando um pacote CAD com o lugar geométrico da raiz
do ganho de loop C(z)GZAS(z). A partir do lugar das raízes, mostrado na Figura 6.16, em z = 0,7, o ganho
K é de cerca de 46,7, excluindo o ganho de 1,01 de C(z) (ou seja, um ganho líquido de 47,2). A frequência
natural não amortecida é wn = 6,85 rad/s. Isso produz o tempo de acomodação aproximado
4 4
Ts = =
zÿ n 6 .85 0×7 .
= 0 .83
é
O tempo de acomodação é aceitável, mas é um pouco pior que o tempo de acomodação do controlador
analógico. A resposta ao degrau do sistema de controle digital em malha fechada mostrado na Figura 6.17
1 .5
62,8
0,9
0,8 0,1 47,1

0,7 0,2
0,6 0,3
0,4 31.4
0,5
Imaginário
Eixo
0,5
0,4 0,6
Sistema: eu
0,3 0,7 Ganho: 46,7
Nenhum: 0,904 + 0,0888i
15,7
0,8
0,2
0,9 Superação (%): 4,63
Frequência (rad/seg): 6,85
0,1
0
0 0,50.40.30.20.1 0.90.80.70.6 1
Eixo Real
Figura 6.16
Lugar de raiz para projeto PI.

1.4
Sistema: gcl
1.2 Superação (%): 4,74
Sistema: gcl
No momento: 0,64
Tempo de configuração: 0,88
0,8
Amplitude
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1.2
Tempo
Figura 6.17
Resposta ao degrau para projeto PI com K = 46,2.
também é aceitável e confirma o tempo de acomodação estimado. O valor de ganho líquido de 47,2, que atende
às especificações do projeto, é significativamente menor que o valor de ganho de 51,02 para o projeto analógico.
Isto demonstra a necessidade de ajustar o ganho do controlador após mapear o controlador analógico para um
controlador digital.
Exemplo 6.9
Projete um controlador digital para o sistema de controle de posição do motor DC descrito no Exemplo 3.6, onde
a planta analógica (tipo 1) tem a função de transferência
1
Gs( ) =
ss( + )(1 +
10é)
para obter um tempo de estabilização de cerca de 1 segundo e uma taxa de amortecimento de 0,7.
Solução
Utilizando o Procedimento 6.1, observamos primeiro que é necessário um controlador PD analógico para melhorar
a resposta transitória do sistema. O cancelamento do pólo zero produz um design simples
Csuma(
Ks ) = + ( 1)
Podemos resolver analiticamente a frequência natural não amortecida ou podemos usar um pacote CAD para
obter os valores K = 51,02 e wn = 7,143 rad/s para z = 0,7.
Sistema: eu
0,2 Ganho: 2,16e + 0,03
Nenhum: 0,909 + 0,0854i
0
Imaginário
Eixo
–0,1
–0,2
–0,3
0,4 0,5 0,6 0,7 0,8 0,9 1 Eixo Real 1,1 1,2 1,3 1,4
Figura 6.18
Local raiz para projeto PD.
Um período de amostragem de 0,02 s é apropriado porque é inferior a 2p/(40wd). A planta com ADC e
DAC possui a função de transferência z
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { }
é
-
( +0 2534
Com. )( + ) Com 3 .535
= 1 .2629 10× 6
(-
Com 1)(com
ÿ0)( 8187
-. ) 0 9802 Com .
A transformação bilinear do controlador PD dá
Com
- 0 .9802
C z( )K= = ÿK( 1 0 9802
. z
- 1
)
Com
O lugar das raízes do sistema com controle PD (Figura 6.18) fornece um ganho K de 2.160 e uma frequência
natural não amortecida de 6,79 rad/s a uma taxa de amortecimento z = 0,7. O tempo de acomodação para este
projeto é de cerca de
4 4
= = = .
0 88 segundos
Ts
zÿ n 0 .7 6×51 .
que atenda às especificações do projeto.

A verificação da resposta ao degrau com MATLAB fornece a Figura 6.19 com um tempo de estabilização
de 0,94 s, um tempo de pico de 0,6 s e um overshoot de 5%. O tempo de resposta mostra uma ligeira
deterioração das características do sistema analógico, mas atende a todas as especificações do projeto. Em
alguns casos, a deterioração pode exigir a modificação repetida do design digital ou a modificação do design
analógico e, em seguida, mapeá-lo para o domínio z até que o filtro digital resultante atenda às especificações
desejadas.
1.4
Sistema: cl
1.2
Sistema: cl
No momento: 0,68
Tempo de configuração: 0,94
0,8
Amplitude
0,6
0,4
0,2
0
0 0,5 1 1,5
Tempo
Figura 6.19
Resposta ao passo de tempo para projeto PD com K = 2.160.
Observe que para uma frequência de pré-deformação w0 = 1 rad/s, a frequência de 3 dB do controlador PD, w0T =
0,02 rad e tan(w0 T/2) = tan(0,01) ÿ 0,01. Portanto, a equação (6.25) é aproximadamente válida e o pré-empenamento tem
um efeito insignificante no projeto.
Exemplo 6.10
Projete um controlador digital para o sistema de controle de velocidade do Exemplo 3.6, onde a planta analógica possui
1
Gs( ) =
(é+ )(1 3+ é)
para obter uma constante de tempo inferior a 0,3 segundo, uma taxa de amortecimento do pólo dominante de pelo menos
0,7 e erro zero em estado estacionário devido a uma entrada escalonada.
Solução
O lugar das raízes do sistema analógico é mostrado na Figura 6.20. Para obter erro zero em estado estacionário devido a
uma entrada em degrau, o tipo de sistema deve ser aumentado para um adicionando um integrador no caminho direto. No
entanto, adicionar um integrador resulta em deterioração significativa do tempo de resposta ou em instabilidade. Se o pólo
em ÿ1 for cancelado, o sistema resultante é estável, mas tem zwn = 1,5 – isto é, uma constante de tempo de 2/3 s e não
inferior a 0,3 s conforme especificado.
O uso de um controlador PID fornece um zero adicional que pode ser usado para estabilizar o sistema e satisfazer os
demais requisitos do projeto.
j oh
5
ohn = 6
4
2
g = 0,7
–1
–5 –4 –3 –2 –1 0 p
Figura 6.20
Lugar de raiz para o sistema analógico para projeto PD.
Para uma constante de tempo t de 0,3 s, temos zwn = 1/t ÿ 3,33 rad/s. Uma escolha de z = 0,7, wn
de cerca de 6 rad/s atende às especificações do projeto. O projeto parece conservador, mas escolhemos uma
frequência natural não amortecida maior do que o mínimo necessário em antecipação à deterioração devido à
adição do controle PI. Primeiro projetamos um controlador PD para atender a essas especificações usando
MATLAB. Obtemos o ângulo do controlador de cerca de 52,4º usando a condição de ângulo. A localização
zero correspondente é
( 6 1 0ÿ 7 . )2
uma = 0 ).7ÿ6 7 5
+ ( )( .
bronzeado
( 52 .4 °)
O lugar das raízes para o sistema com controle PD (Figura 6.21) mostra que o sistema com z = 0,7 tem
wn de cerca de 6 rad/s e atende às especificações de resposta transitória com ganho de 4,4 e zwn = 4,2.
Seguindo o procedimento de projeto PI, colocamos o segundo zero do controlador PID a um décimo desta
distância do eixo jw para obter
(é+ 0 47 5.)(. +
é )
C uma(
eK )=
é
Para completar o projeto do PID analógico, o ganho deve ser ajustado para garantir que z = 0,7.
Embora esta etapa não seja necessária, determinamos o ganho K ÿ 5,8 e wn = 6,7 rad/s (Figura 6.22) para
posterior comparação com o valor de ganho real usado no projeto digital. O projeto analógico atende à
especificação de resposta transitória com zwn = 4,69 > 3,33, e a dinâmica nos permite escolher um período
de amostragem de 0,025 s (ws > 50wd).
O modelo da planta analógica com DAC e ADC é
()
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { Gs }
é
- 3
Com + 0 .936
= 1 .170 10 ×
( ÿ 0 861. )( ÿ
Com Com 0 .951 )
j oh
6 6
5 oh = 6
n
2 g = 0,7
0
–6 –5 –4 –3 –2 –1 0 p
Figura 6.21
Locus raiz de um sistema controlado por PD.
jÿ Sistema: 1
Ganho: 5,76
6 Nenhum: -4,69 + 4,78i
Amortecimento: 0,70
5 Frequência (rad/seg): 6,7
3 ohn = 6
2
g = 0,7
0
–6 –5 –4 –3 –2 –1 0 p
Figura 6.22
Lugar geométrico de um sistema analógico com controle PID.
A transformação bilinear e a eliminação do pólo em ÿ1 produzem o controlador PID digital
( ÿ 0 684
Com . )( ÿ ) Com .
0 980
C z( ) = 47 975. K
z (-)1
O lugar das raízes para o sistema com controle PID digital é mostrado na Figura 6.23, e o sistema é visto como
fase mínima (ou seja, seus zeros estão dentro do círculo unitário).
1,5
0,5
Imaginário
0
Eixo
–0,5
–1
–1,5
–2,5 –2 –1,5 –0,5–1 0 Eixo Real 0,5 1
Figura 6.23
Lugar das raízes de um sistema com controle PID digital.
1
p/t
0,9 0,4p/T
0,8 0,1 0,3ÿ/T

Sistema: l
0,7 0,2 13,2
Ganho:
Pólo: 0,303 + 0,471i
0,3
0,6 Amortecimento:
0,502 Overshoot (%):
16,2 0,2ÿ/T
Imaginário
0,5 0,4 Frequência (rad/s): 46,2

Eixo
0,5
0,4 0,6
0,7
0,3
Sistema: l 0,1ÿ/T
Ganho: 9,65 0,8
0,2 Pólo: 0,337 + 0,327i
Amortecimento:
0,9
0,1 0,701 Overshoot (%):
0
0 0.50.40.30.20.1 0.90.80.70.6 1 Eixo Real
Figura 6.24
Detalhe do lugar das raízes de um sistema com controle PID digital.
Para fins de projeto, ampliamos a porção mais significativa do lugar das raízes e obtemos o gráfico da Figura
6.24. Com K = 9,62, 13,2, o sistema tem z = 0,7, 0,5 e wn = 43,2, 46,2 rad/s, respectivamente. Ambos os projetos
têm uma constante de tempo suficientemente rápida, mas a segunda taxa de amortecimento é menor que o valor
especificado de 0,7. O tempo de resposta do
Analógico 100 Digital 13.2

1
Digital 9,62
0,8
Amplitude
0,6
0,4
0,2
0
0 1 2 3 4 5 6 7 8
Tempo
Figura 6.25
Resposta ao passo de tempo para o projeto PID digital com K = 9,62 (cinza claro), K = 13,2 (cinza escuro) e para
projeto analógico (preto).
dois sistemas digitais e para controle analógico com K = 100 são mostrados na Figura 6.25. Ganhos mais baixos
proporcionam um design analógico inaceitavelmente lento. O tempo de resposta para o design digital de alto ganho é
muito rápido. No entanto, tem um overshoot superior a 4%, mas tem um tempo de acomodação de 5,63 s. O projeto
digital para z = 0,7 tem um tempo de resposta muito mais lento do que seu equivalente analógico.
É possível melhorar o projeto por tentativa e erro, incluindo o redesenho do controlador analógico, mas o projeto
com z = 0,5 pode ser aceitável. É preciso pesar o custo do redesenho versus o de flexibilizar as especificações de
projeto para a aplicação específica em questão. O design final deve ser um compromisso entre velocidade de resposta
e estabilidade relativa.
6.3.3 Sintonia Empírica do Controlador PID Digital

Conforme explicado na Seção 5.5, os parâmetros de um controlador PID são frequentemente
selecionados por meio de regras de sintonia. Este conceito também pode ser explorado para
projetar um controlador PID digital. O leitor pode mostrar (Problema 6.4) que a transformação
bilinear da expressão do controlador PID (5.20) produz
1 Tz + 1 2 Com
- 1
C (z )K= ÿ1 + T
+ d1 ÿ (6.32)
p
T 2 Com
- T Com + 1ÿ ÿ
ÿÿ
eu
Se os parâmetros Kp, Ti e Td forem obtidos por meio de uma regra de sintonia como
no caso analógico, então a expressão do controlador digital é obtida substituindo-a em
(6.32). A função de transferência de uma retenção de ordem zero pode ser aproximada
truncando as expansões em série como
- e - ST 2 T
1 ÿ1 +2 ÿ (Ts Ts )+ ÿ
- é
GsZOH 1 ( ) = ÿ = ÿNúmero
+ÿ1 ÿ
e 2
é Ts 2
Assim, a presença do ZOH pode ser considerada como um atraso adicional igual à metade do
período de amostragem. As regras de sintonia da Tabela 5.1 podem então ser aplicadas a um
sistema com um atraso igual à soma do atraso de tempo do processo e um atraso de T/2 devido
à retenção de ordem zero.
Exemplo 6.11
Projete um controlador PID digital (com tempo de amostragem T = 0,1) para a planta analógica (ver Exemplo
5.9)
1 - 0 2.é
Gs( ) = e
4
(é+ )1
aplicando as regras de ajuste de Ziegler-Nichols da Tabela 5.1.
Solução
Um modelo de primeira ordem mais tempo morto da planta foi obtido no Exemplo 5.9 aplicando o método
tangente. Obtivemos um ganho de processo K = 1, uma constante de tempo dominante do processo t = 3 e
um atraso de tempo aparente L = 1,55. O atraso de tempo aparente para controle digital obtido pela soma de
metade do valor do período de amostragem é L = 1,6. A aplicação das regras de ajuste mostradas
anteriormente na Tabela 5.1 produz
t
K = 1 .2 = 2 .25
p
no
TL= =2
eu
3 .2
T==
d
0 .5 eu
08 .
Assim, o controlador PID digital tem a função de transferência
1 0 .1 Com + 1 2 Com
- 1
C (z )2=25 1 . ÿ + + 0 .8 ÿ
ÿ 3 .2 2 Com
- 1 01 . Com + 1ÿ
-
38 .29 71293
Com . Com + 33 .79
=
Com
2 - 1
A resposta do sistema de controle digital devido a uma entrada em degrau unitário aplicada ao ponto de
ajuste no tempo t = 0 e a uma mudança em degrau unitário na variável de controle no tempo t = 50 é mostrada
1,5
1
Saída
0,5
0
0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 6.26
Saída do processo com o controlador PID digital sintonizado com o método Ziegler-Nichols.
na Figura 6.26. A resposta é semelhante ao resultado obtido com o controlador PID analógico (ver Exemplo 5.9).
6.4 Projeto de controlador digital de domínio z direto

A obtenção de controladores digitais a partir de projetos analógicos envolve aproximações
que podem resultar em distorção significativa do controlador. Além disso, as localizações
dos pólos e zeros do controlador são frequentemente restritas a subconjuntos do círculo
unitário. Por exemplo, a transformação bilinear do termo (s + a) dá [z ÿ (c ÿ a)/(c + a)]
como visto de (6.28) a (6.29). Isso produz apenas zeros RHP porque a é quase sempre
menor que c. Os pólos da planta são governados por pe=onde p Ts
,ps e pz são os pólos do
Com
domínio s e do domínio z, respectivamente, e podem ser cancelados com zeros RHP.

No entanto, as restrições aos pólos e zeros de (6.28) a (6.29) limitam a capacidade do
projetista de remodelar o lugar das raízes do sistema.
Outra complicação na aproximação digital de filtros analógicos é a necessidade de
ter um pólo em 0 no lugar do pólo em -1, obtido por transformação digital direta, para
evitar uma resposta de frequência ilimitada na frequência de dobramento. Isto pode
resultar em uma diferença significativa entre os controladores digitais e analógicos e
pode complicar consideravelmente o processo de projeto.
Alternativamente, é possível projetar controladores diretamente no plano z menos
familiar. Os controladores usados são tipicamente do mesmo formato daqueles discutidos
na Seção 6.3, mas os pólos dos controladores não são mais restritos como em
6.4 Projeto de controlador digital de domínio z direto 197
Eu sou {z}
zcl
Eu sou{zcl}
euc
Re{z}
a
Re{zcl}
Figura 6.27
Compensador PD zero.
Mapeamento de domínio s para domínio z . Assim, os pólos podem agora estar no LHP ou no RHP
conforme necessário para o projeto.
Devido à semelhança dos loci raiz do domínio s e do domínio z, os Procedimentos 5.1, 5.2 e 5.3 são
aplicáveis com pequenas alterações no domínio z. Contudo, a equação (5.14) não é mais válida porque os
componentes reais e imaginários dos pólos conjugados complexos são diferentes no domínio z. Além disso, um
controlador digital com zero e sem pólos não é viável, e um pólo deve ser adicionado ao controlador. Para
minimizar o efeito do pólo na resposta temporal, ele é colocado na origem. Isto é análogo a colocar um pólo do
plano S bem no LHP para minimizar seu efeito. Devemos agora derivar uma expressão semelhante a (5.14)
para o controlador PID digital.
Usando a expressão para os pólos complexos conjugados do domínio z (6.3), obtemos (ver
Figura 6.27)
No { cl }
Com
a = {Ré Com
cl }-
bronzeado(eu)a
- (6.33)
zÿ n T
- e ( pecado ohd T )
= e zÿ n T
porque (ohd T ) -
bronzeado
aeu
()
onde qa é o ângulo do zero do controlador. qa é dado por
euacp= +
eu eu
(6.34)
= +euc euzcl
Em (6.34), qzcl é o ângulo do pólo do controlador e qc é a contribuição do ângulo do controlador

na localização do pólo em malha fechada. O sinal do segundo termo em (6.33) é negativo, ao
contrário de (5.14), porque a parte real de um pólo estável no domínio z pode ser positiva. Além
disso, um controlador digital com zero e sem pólos não é realizável e um pólo, na origem ou em
outros locais dentro do círculo unitário, deve primeiro ser adicionado ao sistema antes de calcular
o ângulo do controlador. O
o cálculo da localização zero é simples usando a seguinte função MATLAB:
% Projeto de controlador digital PD com pólo na origem e zero a ser selecionado.

função [c,zcl]=dpdcon(zeta,wn,g,T)
% g (l) é o ganho de loop não compensado (compensado)
% zeta e wn especificam o pólo de malha fechada desejado, T = período de amostragem
% zcl é o pólo de malha fechada, theta é o ângulo do % zero do compensador em
zcl.
% O ganho correspondente é “k” e o zero é “a”.
wdT = wn*T*sqrt(1-zeta^2); % Ângulo do pólo: T*frequência natural amortecida
rzcl = exp(-zeta*wn*T)*cos(wdT); % Parte real do pólo em malha fechada.
izcl = exp(-zeta*wn*T)*sin(wdT); % Parte imaginária do pólo em malha fechada.
zcl = rzcl + j*izcl; % Pólo complexo em malha fechada.
% Encontre o ângulo do zero do compensador. Incluir a % de contribuição do pólo na origem.
teta = pi - ângulo(evalfr(g,zcl)) - ângulo(polyval([1,0],zcl));

a = rzcl-izcl/tan(teta); % Calcule a localização zero.
c = zpk([a],[0],1,T); % Calcule a função de transferência do compensador.
L = c*g; % Ganho de loop.
k = 1/abs(avalifr(l, zcl)); % Calcule o ganho.
c = k*c; %Inclua o ganho correto.
Embora a equação (6.33) seja útil em algumas situações, em muitas outras os controladores PD ou PID
podem ser obtidos de forma mais conveniente simplesmente cancelando os pólos lentos do sistema com zeros.
O projeto por cancelamento do pólo zero é o mais simples possível e deve ser explorado antes que projetos
mais complexos sejam tentados.
A principal fonte de dificuldade no projeto do domínio z é o fato de que a região estável é agora o círculo
unitário, em oposição à metade esquerda muito maior do plano s . Além disso, a seleção direta das localizações
dos pólos no domínio z é menos intuitiva e geralmente mais difícil do que a seleção dos pólos no domínio s. A
seleção do pólo e todo o processo de projeto são significativamente simplificados pelo uso de ferramentas CAD
e pela disponibilidade de contornos z constantes, contornos wn constantes e cursor
comandos.
Nenhuma nova teoria é necessária para introduzir o projeto do domínio z, e prosseguimos diretamente
para exemplos de projeto. Repetimos os Exemplos 6.7, 6.8 e 6.9, utilizando o design digital direto para
demonstrar os seus pontos fortes e fracos em comparação com a abordagem do design indireto.
Exemplo 6.12
Projete um controlador digital para o sistema de controle de velocidade do motor CC do Exemplo 3.6, onde
a planta analógica (tipo 0) tem a função de transferência
1
Gs( ) =
(é+ )(1 +
10é)
para obter (1) erro zero em estado estacionário devido a um degrau unitário, (2) uma taxa de amortecimento de 0,7 e (3) um
tempo de estabilização de cerca de 1 s.
Solução
Primeiro, selecionando T = 0,1 s, obtemos a função de transferência z
Gs( ) + 0 .694
{
- - Com
1
z NOVO( ) =1 ÿ (
G DE Com ) COM ×
3 .55 10
3
é }= ( ÿ 0 368
Com . )( ÿ ) Com 0 .905
Para rastrear perfeitamente uma entrada em degrau, o tipo de sistema deve ser aumentado em um e, portanto, um controlador
PI é usado. O controlador possui um pólo em z = 1 e um zero a ser selecionado para atender às demais especificações do
projeto. O cancelamento direto do pólo em z = 0,905 resulta em um projeto que é quase idêntico ao do Exemplo 6.7 e atende
às especificações de projeto.
Exemplo 6.13
Projete um controlador digital para o sistema de controle de posição do motor DC descrito no Exemplo 3.6, onde a planta
1
Gs( ) =
ss( + )(1+10)é
para um tempo de estabilização inferior a 1 s e uma taxa de amortecimento de 0,7.
Solução
Para um período de amostragem de 0,01 s, a planta, ADC e DAC têm a função de transferência z
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { é
}
- 7 Com . )( + 3 632 .
( + 0 2606 Com )
= 1 .6217 10
×
(-
Com 1)(z ÿ 0 9048
. )( ÿ ) Com 0 .99
O uso de um controlador PD digital melhora a resposta transitória do sistema, como no Exemplo 6.8.
O cancelamento do pólo zero produz um design simples
Com ÿ0 99.
C z( )K=
Com
que inclui um pólo em z = 0 para tornar o controlador realizável. O projeto é quase idêntico ao do Exemplo 6.8 e atende às
especificações de resposta transitória desejadas com um ganho de 4.580.
Exemplo 6.14
analógica possui a função de transferência
1
Gs( ) =
(é+ )(1 3+ é)
para uma constante de tempo inferior a 0,3 segundos, uma taxa de amortecimento do pólo dominante de pelo menos 0,7 e
erro zero em estado estacionário devido a uma entrada escalonada.
Solução
A planta é do tipo 0 e é igual ao Exemplo 6.9 com um período de amostragem T = 0,005 s.
Gs( ) + 0 .9934
{
- 1 - Com
z NOVO( ) =1 ÿ (
G DE Com ) COM 1 .2417 10 ×
5
é }= ( ÿ ( ) 0ÿ .9851 0 9
Com Com . 95)
Para erro zero em estado estacionário devido ao degrau, o tipo de sistema deve ser aumentado em um
adicionando um pólo em z = 1. Um controlador zero pode ser usado para cancelar o pólo em z = 0,995, deixando
o ganho de malha
- 5
Com + 0 .9934
eu( z) = 1 .2417 10 ×
(1zz
ÿ )( ÿ ) 0 .9851
O lugar das raízes do sistema da Figura 6.28 mostra que os pólos de malha fechada estão próximos do
círculo unitário em ganhos baixos e o sistema é instável em ganhos mais altos. Claramente, um zero
adicional é necessário para atender às especificações do projeto e um controlador PID é necessário. Para
tornar o controlador realizável, um pólo deve ser adicionado em z = 0. O projeto mais simples é então
cancelar o pólo mais próximo, mas não no círculo unitário, dando o ganho do loop
- 5
Com + 0 .9934
eu( z) = 1 .2417 10 ×
z (-) 1
1,5
0,5
Imaginário
0
Eixo
–0,5
–1
–1,5
–2
–5 –1–2–3–4 0 1
Eixo Real
Figura 6.28
Locus raiz para controle PI digital.

1
14
251
0,8 0,1
188
0,2
0,3
0,6 Sistema: eu
Ganho: 2,02e + 004 126
0,4
Pólo: 0,361 + 0,325i
Imaginário
0,5
Eixo
0,4 0,6
0,7
62,8
0,8
0,2
0,9
0
0 0,2 0,4 0,6 0,8 1
Eixo Real
Figura 6.29
Lugar de raiz para projeto de controle PID digital por cancelamento de pólo zero.
Sistema: cl
No momento: 0,025
0,8
0,6
Amplitude
0,4
0,2
0
0 0,01 0,02 0,03 0,04 0,05 0,06
Tempos
Figura 6.30
Resposta ao intervalo de tempo para controle PID digital.
Adicionando o zero à função de transferência, obtemos o lugar das raízes da Figura 6.29 e selecionamos um
ganho de 20.200. A resposta temporal correspondente é mostrada na Figura 6.30. O tempo de resposta mostra
menos de 5% de ultrapassagem com um tempo de resposta rápido que atende a todas as especificações do projeto.
O projeto é melhor que o do Exemplo 6.9, onde o controlador digital foi obtido via projeto analógico.
Embora possa ser possível melhorar o projeto analógico para obter resultados melhores
que os do Exemplo 6.9, isso requer tentativa e erro, bem como experiência considerável. Por
outro lado, o design digital é obtido aqui diretamente no domínio z, sem a necessidade de
tentativa e erro. Isto demonstra que o projeto direto no domínio z usando ferramentas CAD
pode ser mais fácil do que o projeto indireto.
6.5 Projeto de resposta em frequência

Abordagens de projeto de resposta em frequência, especialmente projetos baseados em gráficos de Bode, são
muito populares no projeto de sistemas de controle analógicos. Eles exploram o fato de que os gráficos de Bode
dos ganhos de malha racional (ou seja, aqueles sem atrasos) podem ser aproximados com linhas retas. Além
disso, se a função de transferência for fase mínima, a fase pode ser determinada a partir do gráfico da
magnitude, e isso nos permite simplificar o projeto de um compensador que fornece propriedades de estabilidade
especificadas. Essas especificações são normalmente fornecidas em termos de margem de fase e margem de
ganho. Tal como acontece com outras abordagens de projeto, o projeto é bastante simplificado pela
disponibilidade de pacotes CAD.
Infelizmente, funções de transferência discretas não são funções racionais em jw

porque a frequência é introduzida através da substituição z = e função de transferência (ver jwT em z-
Seção 2.8). Conseqüentemente, a simplificação proporcionada pelos métodos baseados em gráficos de Bode
para sistemas analógicos é perdida. Uma solução para este problema é transformar bilinearmente o plano z em
um novo plano, denominado plano w, onde a função de transferência correspondente é racional e onde a
aproximação de Bode é válida. Para tanto, relembramos a transformação bilinear
Com
- 1 2
=
Banheiro onde c = (6.35)
z + 1 T
da Seção 6.3.2, que mapeia pontos no LHP em pontos dentro do círculo unitário.
Para transformar o interior do círculo unitário em LHP, usamos a transformação bilinear inversa
wT
1+
= 2
Com (6.36)
wT
1-
2
Isso transforma a função de transferência de um sistema do plano z para o plano w.

O plano w é um plano complexo cuja parte imaginária é denotada por v. Para expressar a relação entre a
frequência w no plano s e a frequência v no plano w, deixamos s = jw e, portanto, z = e usando passos
jwT
semelhantes aos usados para derivar (6.23), temos . Substituindo em (6.35) e
2 ohT
== (6.37)
w jv j bronzeado
T 2
6.5 Projeto de Resposta em Frequência 203
De (6.37), como w varia no intervalo [0, p/ T], z move-se no círculo unitário e v vai de 0 ao infinito. Isto
implica que existe uma distorção ou deformação da escala de frequência entre v e w (ver Secção 6.3.2). Esta
distorção é significativa especialmente em altas frequências. Porém, se w << ws/2 = p/ T, temos de (6.37)
que w ÿ v e a distorção é insignificante.

Além do problema da distorção de frequência, a função de transferência transformada G(w) tem duas
características que podem complicar o projeto: (1) A função de transferência sempre terá um déficit pólo-zero
igual a zero (ou seja, o mesmo número de pólos como zeros); (2) A transformação bilinear (6.36) pode introduzir
zeros RHP e resultar em um sistema de fases não mínimas.
Os sistemas de fase não mínima limitam o desempenho alcançável. Por exemplo, como alguns ramos do
lugar das raízes começam no pólo de malha aberta e terminam em zeros, a presença de zeros RHP limita a
faixa estável de ganhos K. Assim, tentar reduzir o erro de estado estacionário ou acelerar a resposta por
aumentar o ganho do sistema pode levar à instabilidade. Essas limitações claramente tornam o projeto do plano
W um desafio. Os Exemplos 6.15, 6.16 e 6.17 ilustram o projeto do plano w e como superar suas limitações.
Resumimos as etapas para o projeto do controlador no plano w no procedimento a seguir.
Procedimento 6.2
1. Selecione um período de amostragem e obtenha uma função de transferência GZAS(z) do

processo discretizado.
2. Transforme GZAS(z) em G(w) usando (6.36).
3. Desenhe o gráfico de Bode de G( jv) e use métodos analógicos de resposta em frequência para projetar um
controlador C(w) que satisfaça as especificações no domínio da frequência.
4. Transforme o controlador de volta no plano z por meio de (6.35), determinando assim C(z).
5. Verifique se o desempenho obtido é satisfatório.
Em problemas de projeto de controladores, as especificações são frequentemente dadas em termos da

resposta ao degrau do sistema em malha fechada, como o tempo de estabilização e a ultrapassagem
percentual. Como mostrado no Capítulo 5, a especificação de overshoot percentual produz a taxa de
amortecimento z, que é então usada com o tempo de estabilização para obter a frequência natural não
amortecida wn. Assim, precisamos obter especificações de resposta em frequência de z e wn para seguir o
Procedimento 6.2.
A relação entre os critérios no domínio do tempo e os critérios no domínio da frequência é, em geral,
bastante complicada. No entanto, a relação é muito mais simples se o sistema em malha fechada puder ser
aproximado pela função de transferência subamortecida de segunda ordem
ohn
Ts( ) = (6.38)
2
s 2+2 sim n é + ohn
O ganho de loop correspondente com realimentação unitária é dado por
ohn
Eu( ) = (6.39)
é 2 2+ simn é
Substituímos s = jw para obter a resposta de frequência correspondente e igualamos o quadrado

de sua magnitude à unidade
2
1
eu( j) = = 1 (6.40)
4 2 2
Oh ( ohn ) + (4 Com
Oh n )
A magnitude do ganho do loop, bem como seu quadrado, é a unidade na frequência de cruzamento
do ganho. Para o caso subamortecido de segunda ordem, temos agora a relação
12
oh = oh ÿ 4 412+- 2 ÿ (6.41)
gc n ÿ Com Com
ÿ
A seguir, consideramos a margem de fase e derivamos

ÿ 2 ÿ
PM = 180 ° + ÿ (Gj - Com
oh ) = bronzeado
1 ÿ ÿ
gc 12
ÿ
4 142+- 2 ÿ ÿ
ÿ ÿÿ Com Com
ÿ ÿ
A última expressão pode ser aproximada por
PM ÿ 100 Com (6.42)
As equações (6.41) e (6.42) fornecem as transformações necessárias para obter especificações

no domínio da frequência a partir de especificações de resposta ao degrau. Juntamente com o
Procedimento 6.2, as equações nos permitem projetar sistemas de controle digital usando a abordagem
do plano w. Os três exemplos a seguir ilustram o projeto do plano w usando o Procedimento 6.2.
Exemplo 6.15
Considere o sistema de controle de cruzeiro do Exemplo 3.2, onde o processo analógico é
1
Gs( ) =
é + 1
Transforme o GZAS(z) correspondente no plano w considerando T = 0,1 e T =

0,01. Avalie o papel do período de amostragem analisando os gráficos de Bode correspondentes.
Solução
Quando T = 0,1 temos
0 .09516
G DE
z NOVO( ) =
Com
- 0 .9048
e aplicando (6.36), obtemos

- 0 .05 1Em +
Gw
1( ) =
.
em + 1
6.5 Projeto de Resposta de Frequência 205
–20 G1(w)
Magnitude
(dB) –40 G(s) G2(w)
–60
–80
–45
–90
(graus)
Fase
–135
–180
10–2 10–1 100 101 102 103 104
Figura 6.31
Gráficos de Bode para o Exemplo 6.15.
Quando T = 0,01 temos
0 .00995
G DE
z NOVO( ) =
Com
- 0 .99
e, novamente aplicando (6.36), obtemos

- 0 .005 1Em +
Gw
2( ) =
Em 1+
Os gráficos de Bode de G(s), G1(w) e G2(w) são mostrados na Figura 6.31. Para ambos os
períodos de amostragem, o pólo no plano w está na mesma posição que o pólo no plano s. No
entanto, tanto G1(w) quanto G2(w) têm zero, enquanto G(s) não. Isto resulta numa grande diferença
entre a resposta de frequência do sistema analógico e a dos sistemas digitais nas altas frequências.
Contudo, a influência do zero na dinâmica do sistema é claramente mais significativa quando o
período de amostragem é menor. Observe que para ambos os períodos de amostragem, a distorção
na faixa de baixa frequência é insignificante. Para ambos os sistemas, o ganho quando w vai para
zero é unitário, assim como o ganho DC do sistema analógico. Isto é verdade para a escolha c = 2/T em (6.35).
Outras escolhas possíveis não são consideradas porque não produzem igualdade de ganho DC.
Exemplo 6.16
Considere o sistema de controle de velocidade do motor DC do Exemplo 3.6, onde a planta analógica
(tipo 0) tem a função de transferência
1
Gs( ) =
( é+ )(1+10)é
Projete um controlador digital usando métodos de resposta em frequência para obter (1) erro zero em estado
estacionário devido a um degrau unitário, (2) um overshoot inferior a 10%, (3) um tempo de estabilização de
cerca de 1 s.
Solução
Pela especificação dada, temos que o controlador no plano w deve conter um pólo na origem. Para ultrapassagem
de 10%, calculamos a taxa de amortecimento como
Em( 0) 1.
= ÿ 0 .6
Com
2 2
.
Em(0) 1+ p
Usando a regra prática de que a margem de fase é cerca de 100 vezes a taxa de amortecimento do sistema de
malha fechada, a margem de fase necessária é de cerca de 60 graus. Para um tempo de estabilização de 1
segundo, calculamos a frequência natural não amortecida
4
= ÿ
6 7. linha p
n
ah, z Ts
Usando (6.41), obtemos o cruzamento de ganho wgc = 4,8 rad/s.

Um período de amostragem adequado para a dinâmica selecionada é T = 0,02 s (ver Exemplo 6.8).
O processo discretizado é então determinado como
Gs( ) + 0 .9293
{
Com
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM 1 .8604 10 ×
- 4
é }= ( ÿ ( ) ÿ0 .8187 0 9
Com Com
. 802)
Usando (6.36), obtemos a função de transferência do plano w

- 3 .6519 10 - 6 Em
+ ( )( ÿ 2729
) 100Em
ÿ
Gw( ) =
( Em
+9 967
. )( + ) Em 1
Observe a presença dos dois zeros adicionais (em relação a G(s)), que, em qualquer caso, não influenciam
significativamente a dinâmica do sistema na faixa de frequências de interesse para o projeto. Os dois pólos
estão virtualmente na mesma posição que os pólos de G(s). O projeto mais simples que atende às especificações
desejadas é inserir um pólo na origem, cancelar o pólo dominante em ÿ1 e aumentar o ganho até que a
frequência de cruzamento de ganho necessária seja atingida. Assim, a função de transferência do controlador
resultante é
w + 1
Cw( ) = 54
Em
O diagrama de Bode da função de transferência de loop C(w)G(w), juntamente com o diagrama de Bode de
G(w), é mostrado na Figura 6.32. A figura também mostra as margens de fase e ganho. Transformando o
controlador de volta ao plano z por meio de (6.35), obtemos
54 54 -
. 53 46 Com .
C z( ) =
Com
- 1
A resposta ao degrau em malha fechada discretizada correspondente é plotada na Figura 6.33 e atende
claramente às especificações de projeto.
GM = 25,7 dB (a 32,2 rad/s),

PM = 61,3 graus (a 4,86 rad/s)
100
50
C(w)G(w)
0
G(w)
Magnitude
–50
(dB)
–100
–150
0
–45
–90
–135
(graus)
Fase
–180
–225
–270
10–2 10–1 100 101 102 103 104 105
Figura 6.32
Gráficos de Bode de C(w)G(w) e G(w) para o Exemplo 6.16.
Sistema: Gcl
1.2 Superação (%): 7,17
No tempo (seg): 0,56 Sistema: Gcl
Tempo de acomodação (seg): 0,818
0,8
Amplitude
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1.2
Tempos
Figura 6.33
Resposta ao degrau discretizada em malha fechada para o Exemplo 6.16.

Exemplo 6.17
Considere o sistema de controle de velocidade do motor DC descrito no Exemplo 3.6 com função de transferência
1
Gs( )=
( é+ )(1+3 )é
Projete um controlador digital usando métodos de resposta em frequência para obter (1) erro zero em estado
estacionário devido a um degrau unitário, (2) um overshoot inferior a 10%, (3) um tempo de estabilização de cerca de 1 s.
Use um tempo de amostragem de T = 0,2 s.
Solução
Como no Exemplo 6.15, (1) a especificação de erro em estado estacionário dada requer um controlador com um pólo
na origem, (2) a especificação de ultrapassagem percentual requer uma margem de fase de cerca de 60 graus, e (3) o
tempo de estabilização produz um ganhe frequência de cruzamento de cerca de 5 rad/s. A função de transferência do
sistema com DAC e ADC é
Gs( )
-
z NOVO( ) =1 ÿ ( Com 1 ) COM
G DE { é
}
+ .0 7661
Com
= 0 .015437 ( -
z. 0 8187 ( ) Com
- .0548 8)
Transformando para o plano w usando (6.36), obtemos
- 12 819
.
- 4 Em
10 + ( )( ÿ )75 5. 10 Em
ÿ
Gw( )=
.
+ )( +02 9967
( Em 913 Em . )
Observe novamente que os dois pólos estão virtualmente nos mesmos locais que os pólos de G(s).
Aqui o RHP zero em w = 10 deve ser levado em consideração no projeto porque a frequência de cruzamento de ganho
necessária é de cerca de 5 rad/s. Para atingir a margem de fase necessária, ambos os pólos devem ser cancelados
com dois zeros do controlador. Para um controlador realizável, precisamos de pelo menos dois pólos do controlador.
Além do pólo na origem, selecionamos um pólo controlador de alta frequência para não impactar a resposta de
frequência nas proximidades da frequência de cruzamento.
A seguir, ajustamos o ganho do sistema para atingir as especificações desejadas.
Como primeira tentativa, selecionamos um pólo de alta frequência em w = ÿ20 e aumentamos o ganho para 78
para uma frequência de cruzamento de ganho de 4 rad/s com uma margem de fase de 60 graus. O controlador é,
portanto,
.
+ )( +02 9967
( Em 913 Em . )
Cw( ) = 78 ( + )
20 uau
O gráfico de Bode de malha aberta correspondente é mostrado na Figura 6.34 junto com o gráfico de Bode de G(w).
Transformando o controlador de volta para o plano z usando (6.35), obtemos
54 54 -
. 53Com46 .
C z( ) =
Com
- 1
A resposta ao degrau em malha fechada discretizada resultante, que satisfaz os requisitos fornecidos, é plotada na
Figura 6.35.
GM = 9,7 dB (a 18,2 rad/s),

PM = 59,9 graus (a 3,99 rad/s)
40
20 C(w)G(w)
0
Magnitude
–20 G(w)
(dB)
–40
–60
–45
–90
(graus)
Fase
–135
–180
–225
10–1 100 101 102 103 104
Figura 6.34
Gráficos de Bode de C(w)G(w) e G(w) para o Exemplo 6.17.
Sistema: Gcl
1.2 Superação (%): 8,09
No tempo (seg): 0,4 Sistema: Gcl
0,8
Amplitude
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1.2 1.4
Tempo
Figura 6.35
Resposta ao degrau discretizada em malha fechada para o Exemplo 6.17.

6.6 Projeto de Controle Direto
Em algumas aplicações de controle, a função de transferência desejada do sistema em malha

fechada é conhecida a partir da especificação do projeto. Para uma configuração específica do
sistema, é possível calcular a função de transferência do controlador para uma determinada
planta a partir da função de transferência de malha fechada desejada. Essa abordagem de design
é conhecida como síntese. Claramente, o controlador resultante deve ser realizável para que
esta abordagem produza um projeto útil.
Consideramos o diagrama de blocos da Figura 6.12 , com função de transferência em malha
fechada conhecida Gcl(z). A função de transferência do controlador C(z) pode ser calculada
analiticamente, começando pela expressão da função de transferência em malha fechada desejada Gcl(z):
C (z )G( z)
()=
DE NOVO
G z cl
1 + (C)z G z ( ) DE NOVO
Resolvemos a função de transferência do controlador
1 Gclz( )
C (z ) = (6.43)
G z ( ) 1 ÿ (G)clz
DE NOVO
Para que o sistema de controle seja implementável, o controlador deve ser causal e
deve garantir a estabilidade assintótica do sistema de controle em malha fechada. Para
um controlador causal, a função de transferência em malha fechada Gcl(z) deve ter o
mesmo déficit de pólo zero que GZAS(z). Em outras palavras, o atraso em Gcl(z) deve
ser pelo menos tão longo quanto o atraso em GZAS(z). Vemos isso examinando (6.43) e
observando que o segundo termo do lado direito da igualdade tem tantos pólos quanto zeros.
Lembre-se do Capítulo 4 que, se ocorrer cancelamento instável do pólo zero, o
sistema será estável na relação entrada-saída, mas não assintoticamente estável. Isso
ocorre porque a resposta devido às condições iniciais não é afetada pelos zeros e é
afetada pelos pólos instáveis, mesmo que sejam cancelados com um zero. Portanto,
deve-se ter cuidado ao projetar sistemas de controle de malha fechada para evitar
cancelamentos instáveis do pólo zero. Isto implica que o conjunto de zeros de Gcl(z)
deve incluir todos os zeros de GZAS(z) que estão fora do círculo unitário. Suponha que
,
o processo tenha um pólo instável zz = z >1, a saber:
G1z( )
GDEz NOVO( ) =
z -
Tendo em vista a equação (6.38), evitamos o cancelamento instável do pólo zero exigindo
1 z -
1 ÿ (G)clz= =
G1z( ) zzÿC+z( G
) (z) 1
1 + (C) z
z -
Em outras palavras, zz = deve ser zero de 1 ÿ Gcl(z).

Uma condição adicional pode ser imposta para atender aos requisitos de precisão do
estado. Em particular, se for necessário um erro zero em estado estacionário, a condição deve ser
Gcl(1 1 ) =
6.6 Projeto de Controle Direto 211
Esta condição é facilmente obtida aplicando o teorema do valor final (ver Seção 2.8.1). A prova fica como exercício
para o leitor.
Resumindo, as condições exigidas para a escolha do Gcl(z) são as seguintes:
ÿ Gcl(z) deve ter o mesmo déficit de pólo zero que GZAS(z) (causalidade).
ÿ Gcl(z) deve conter como zeros todos os zeros de GZAS(z) que estão fora do círculo unitário (estabilidade).
ÿ Os zeros de 1 ÿ Gcl(z) devem incluir todos os pólos de GZAS(z) que estão fora do círculo unitário
(estabilidade).
ÿ Gcl(1) = 1 (erro zero em estado estacionário).
A escolha de uma função de transferência em malha fechada adequada é claramente o principal obstáculo na
aplicação do método de projeto direto. A escolha correta de pólos e zeros em malha fechada para atender aos
requisitos de projeto é difícil para sistemas de ordem superior. Na prática, existem restrições adicionais na variável
de controle devido às limitações do atuador. Além disso, o desempenho do sistema de controle depende fortemente
de um modelo de processo preciso.
Para resolver parcialmente o primeiro problema, os pólos do sistema em malha fechada de tempo contínuo
podem ser especificados com base nas propriedades desejadas do sistema em malha fechada. Por exemplo,
as localizações dos pólos de Bessel mostradas nas Tabelas 6.5 e 6.6 podem ser exploradas para obter uma
resposta ao degrau do sistema em malha fechada com um determinado tempo de acomodação ou uma
determinada largura de banda. O seguinte procedimento ad hoc geralmente produz a função de transferência
desejada.
Procedimento 6.3
1. Selecione o tempo de acomodação desejado Ts (largura de banda desejada wd).
2. Selecione a localização do pólo de enésima ordem na tabela e divida-a por Ts (multiplique-a

por wd).
3. Obtenha Gcl (z) convertendo a localização do pólo do plano s para o pólo do plano z
localização usando a transformação z = esT.
4. Verifique se Gcl (z) atende às condições de causalidade, estabilidade e estado estacionário

erro. Caso contrário, modifique Gcl (z) até que as condições sejam atendidas.
Tabela 6.5 Localização do Pólo de Bessel para Ts = 1 s
Ordem Poloneses
1 ÿ4,6200
2 ÿ4,0530 ± j 2,3400
3 ÿ3,9668 ± j 3,7845 ÿ5,0093
4 ÿ4,0156 ± j 5,0723 ÿ5,5281 ± j 1,6553
5 ÿ4,1104 ± j 6,3142 ÿ5,9268 ± j 3,0813 ÿ6,4480
6 ÿ4,2169 ± j 7,5300 ÿ6,2613 ± j 4,4018 ÿ7,1205 ± j 1,4540

Tabela 6.6 Localização do Pólo de Bessel para wd = 1 rad/s
Ordem Poloneses
1 ÿ1,0000
2 ÿ0,8660 ± j 0,5000
3 ÿ0,7455 ± j 0,7112 ÿ0,9420
4 ÿ0,6573 ± j 0,8302 ÿ0,9047 ± j 0,2711
5 ÿ0,5906 ± j 0,9072 ÿ0,8516 ± j 0,4427 ÿ0,9246
6 ÿ0,5385 ± j 0,9617 ÿ0,7998 ± j 0,5622 ÿ0,9093 ± j 0,1856
Exemplo 6.18
1
Gs( ) =
(é+ )(1 +
10é)
para obter (1) erro zero em estado estacionário devido a um degrau unitário e (2) um tempo de estabilização de cerca de 4 s.
O tempo de amostragem é escolhido como T = 0,02 s.
Solução
Como no Exemplo 6.8, a função de transferência de processo discretizada é
Gs( ) + 0 .9293
{
Com
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM 1 .8604 10×
- 4
é }= Com
ÿ .8187 0 9
(ÿ()0 Com
. 802)
Observe que não há pólos e zeros fora do círculo unitário e não há zeros no infinito.
Então, de acordo com a Tabela 6.5, a função de transferência desejada em malha fechada em tempo contínuo é
escolhida como de segunda ordem com pólos em (ÿ4,0530 ± j2,3400)/4 e com ganho igual a um para que os requisitos no
tempo de estabilização e no erro em estado estacionário são satisfeitos, a saber:
1 .369
Gscl( ) =
2
+ .
s + 2 .027 1é369
Então a função de transferência em malha fechada desejada é obtida usando z = esT, a saber:
-
Com + 1
G cl( . 10
z ) = 0 2683 ÿ 3
2z - 1 .9597 0com
9603
+ .
Aplicando (6.38) temos
1 .422 ( ÿ )( ÿ 0
)( .8187
+ ) 0 9802 1 .
Com Com Com
C z( ) =
( ÿ )( + )( ÿ 0 96 1 0 9293zz . Com . )
6.6 Projeto de Controle Direto 213
1
Sistema: gcl
0,8
0,6
Amplitude
0,4
0,2
0
0 1 2 3 4 5 6
Tempo
Figura 6.36
Resposta ao degrau para o método de projeto direto descrito no Exemplo 6.18.
Observamos que ocorreu o cancelamento estável do pólo zero e que um termo integral está presente, como esperado, no
controlador porque a condição de erro zero em estado estacionário foi resolvida. A resposta ao degrau digital em malha
fechada é mostrada na Figura 6.36.
Exemplo 6.19
Projetar um controlador digital para a planta analógica tipo 0
- . )
16738 ÿé( )(0 + 6. 933 é
9 307 .
Gs( ) =
2
( é+ 0 .3311 9é + )
para obter (1) erro zero em estado estacionário devido a um degrau unitário, (2) uma taxa de amortecimento de 0,7 e (3)
um tempo de estabilização de cerca de 1 s. O tempo de amostragem é escolhido como T = 0,01 s.
Solução
Gs( ) - 0 .16738
1 095.)( ÿ )
ÿ ( Com 0 .9319
{
Com
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM
é }= 2z - . 6 0 9967 z.+ 1 99
Observe que existe um zero fora do círculo unitário e isso deve ser incluído na função de transferência de malha fechada
desejada, que é, portanto, selecionada como
( -z
Para ) 1.095
.
G cl(
z )= 2
Com
- + .
1 .81 0 8269
Com
Os pólos de malha fechada foram selecionados como no Exemplo 6.8 e o valor K = ÿ0,17789
resulta da resolução da equação Gcl (1) = 1. Aplicando (6.38), temos
1 .0628 (2 -z ) + .
1 .81 z0 8269
C (z ) =
( ÿ )( ÿ1 )(
0 9319zz .
ÿ 0 6321 Com . )
O cancelamento estável do pólo zero é evidente novamente, assim como a presença do pólo em z = 1. A
resposta digital ao degrau em malha fechada é mostrada na Figura 6.37. A presença do undershoot é devida ao
zero instável que não pode ser modificado pelo método de projeto direto. O tempo de acomodação alcançado é
inferior ao valor requerido, pois a presença do zero não foi considerada na seleção dos pólos de malha fechada
para atender aos requisitos (2) e (3).
1.2
Sistema: gcl
0,8 Tempo de acomodação (seg): 0,489
0,6
0,4
Amplitude
0,2
–0,2
–0,4
–0,6
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Tempo
Figura 6.37
Resposta ao degrau para o método de projeto direto descrito no Exemplo 6.19.
Exemplo 6.20
Projetar um controlador digital para a planta analógica tipo 0
1 - 5é
Gs( ) = e
10 1é +
para obter (1) erro zero em estado estacionário que resulta de um degrau unitário, (2) um tempo de estabilização
de cerca de 10 s sem overshoot. O tempo de amostragem é escolhido como T = 1 s.
6.7 Projeto de Tempo de Estabilização Finito 215
0,8
0,6
Amplitude
0,4
0,2
0
02 4 6 8 10 12 14 16 18 20
Tempo
Figura 6.38
Resposta ao degrau para o método de projeto direto do Exemplo 6.20.
Solução
Gs( ) 0 .09516
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { -
Com
- 5
é }= Com 0 .9048
Para atender aos requisitos de causalidade, um atraso de cinco períodos de amostragem deve ser incluído na
função de transferência de malha fechada desejada. Então o tempo de estabilização de 10 s (incluindo o
atraso de tempo) é alcançado considerando uma função de transferência em malha fechada com um pólo em
z = 0,5, ou seja, selecionando
K - 5
G cl(
z )=
Com
- de. 0 5
Definir Gcl (1) = 1 produz K = 0,5, então aplicando (6.38) temos

5
5 .2543 ( -0 9048. Com ) Com
C (z ) =
5
6z - 0 .5 0 5 -Com .
A resposta ao degrau em malha fechada resultante é mostrada na Figura 6.38.
6.7 Dimensionamento de Tempo de Estabelecimento Finito
Sistemas de tempo contínuo só podem atingir a saída desejada assintoticamente após um período
de tempo infinito. Por outro lado, os sistemas de controle digital podem ser projetados para
estabilizar na saída de referência após um período de tempo finito e segui-lo exatamente a partir de então.
Seguindo o método de projeto de controle direto descrito na Seção 6.6, se todos os pólos e zeros do
processo em tempo discreto estiverem dentro do círculo unitário, uma escolha atraente pode ser selecionar
- k
Gzz
cl ( ) =
onde k deve ser maior ou igual ao atraso intrínseco do processo discretizado - ou seja, a diferença entre o
grau do denominador e o grau do numerador da função de transferência do processo discreto.
Desconsiderando o atraso de tempo, a definição implica que um passo unitário é rastreado perfeitamente
começando no primeiro ponto de amostragem. De (6.43) temos o caloteiro
controlador
- k
1 ÿ Com
ÿ
C z( ) = -
. (6.44)
k
Gz ()-
DE NOVO ÿÿ
1 Com
ÿÿ
Neste caso, o único parâmetro de projeto é o período de amostragem T, e o projeto geral do sistema
de controle é muito simples. No entanto, projetos de tempo de acomodação finito podem apresentar
comportamento interamostragem indesejável (oscilações) porque o controle permanece inalterado entre
dois pontos de amostragem consecutivos. Além disso, a variável de controle pode facilmente assumir
valores que podem causar saturação do DAC ou exceder os limites do atuador em um sistema físico,
resultando em comportamento inaceitável do sistema. O comportamento de projetos de tempo de
acomodação finito, como o controlador deadbeat, deve, portanto, ser cuidadosamente verificado antes da
implementação.
Exemplo 6.21
Projete um controlador deadbeat para o sistema de controle de velocidade do motor DC descrito no Exemplo 3.6,
onde a planta analógica (tipo 0) possui função de transferência
1
Gs( ) =
(é+ )(1 +
10é)
e o tempo de amostragem é inicialmente escolhido como T = 0,02 s. Redesenhe o controlador com T = 0,1 s.
Solução
Como a função de transferência de processo discretizada é
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { }
é
- 4
Com + 0 .9293
= 1 .8604 10 ×
( ÿ ( ) ÿ0 .8187 0 9
Com Com
. 802)
não temos pólos e zeros fora ou no círculo unitário e um controlador deadbeat pode, portanto, ser projetado definindo
ÿ1
G zz cl( ) =
1,5
1
Processo
Saída
do
0,5
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
Tempo
Figura 6.39
Resposta ao degrau amostrada e analógica para o controle de deadbeat do Exemplo 6.21 (T = 0,02 s).
(Observe que a diferença entre a ordem do denominador e a ordem do numerador é um.) Aplicando (6.39), temos
( ÿ )( ÿ )
5375 .0533 0 9802. 0 8187 .
C (z ) = ( ÿ )( + )
Com Com
z 1 0 9293 .
A resposta ao degrau de malha fechada analógica e amostrada resultante é mostrada na Figura 6.39,
enquanto a variável de controle correspondente é mostrada na Figura 6.40. Parece que, como esperado, a saída
do processo amostrado atinge seu valor de estado estacionário após apenas uma amostra—
ou seja, no tempo t = T = 0,02 s, mas entre amostras a saída oscila descontroladamente e a variável de controle
assume valores muito altos. Em outras palavras, o comportamento oscilatório da variável de controle causa uma
oscilação interamostra inaceitável.
Isto pode ser verificado analiticamente considerando o diagrama de blocos mostrado na Figura 6.41. Lembre-
se de que a função de transferência da retenção de ordem zero é
- ST
1-
ZOH ( ) =
e
Gs
é
Usando a manipulação simples do diagrama de blocos, obtemos
Rs* ( )
Es* ( ) = - ST
Gs( ) ) *
1 +1 - ( e Cs) * ( ) (
é (6,45)
Rs* ( )
=
1 + Cs
( )* (Gs
) * DE NOVO
¥ 104
1
0,8
0,6
0,4
0,2
Variável
controle
de
–0,2
–0,4
–0,6
–0,8
–1
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
Tempo
Figura 6.40
Variável de controle para o controle deadbeat do Exemplo 6.21 (T = 0,02 s).
T R*(s) Você*(z)
R (s) + E*(s) S(s)
C*(s) GZOH(s) G(s)
T
-
S*(s) T
Figura 6.41
Diagrama de blocos para projeto de tempo de acomodação finito com saída analógica.
Assim, a saída é
ÿ-1 e
- ST
ÿ Gs Cs *
ÿ Rs* ( ) ÿ
E sim
()= ÿ()()ÿ (6.46)
Cs* Gs *
ÿ ÿ
é
ÿÿ
ÿ
ÿ
+()1 DE NOVO
() ÿ
ÿ
As equações (6.45) e (6.46) são bastante gerais e aplicam-se a qualquer sistema descrito pelo diagrama de
blocos mostrado na Figura 6.41. Para obter a saída específica referente ao nosso exemplo, substituímos z = esT
nas expressões relevantes para obter
- ST
* 4 ST
1+ .
0 9293 e
( ) = 10 ×.
Gs 1 8604
ÿÿ
e
DE NOVO
. e
( 1- 0 8187
- ST
.
( ) 1- 0 9802 e
- ST
)
. e
( 1ÿ 0 9802
- ST
.
)( ÿ1 )0 8187 e
- ST
)
Cs* ( ) = .
5375 0533 (
1- e
- ST
.
( +1 0 9293 e
- ST
)
1
Rs* ( ) = -
1- e
ST
Então substituindo em (6.41) e simplificando dá
. e
( 1ÿ 0 9802
- ST
)( 1- 0( 8187
. e
- ST
)
E sim
()= .
5375 0533
1 10
ss( + )( + ) +é 1 0 .9293eÿsT )
Expandindo o denominador usando a identidade
- 1
ST 2 ST 3
.
( 1+ 0 9293 e
- ST
) = +1ÿ( 0 .9293 e
- ST
) + ÿ 0 .9293 e
-
( ) + ÿ 0 .9293 e
-
)+ ...
- - 2 sT - 3 sT
= - 1 0 9293
. e
ST
+ ( 0. 8636 e - 0 .8025 e + ...
nós obtemos
.
5375 0533 - ST - 2 sT
E sim
()= ( 1ÿ 2 782. e + 3 .3378 e
ss( + )( +
1 10
)é
- 2 .2993 e - 3 st + 0 .6930 e - 4 sT
+ )...
Finalmente, invertemos a transformada de Laplace para obter a saída analógica
1 1 1
.
sim( ) = 5375 0533
ÿ - e
- t
+ e 90
- 10 toneladas
ÿ 1 ( t) +
ÿ( 10 9 ÿ
- - ÿ ÿ10
. . + 0 .3031 . )1
( - tT
ÿ ÿ (t T ) (t T ) 0
e
5375 0533 0 2728 0303 e )+
ÿ ÿ (t T 2
) ÿ ÿ (t T ) 5375 0533 0 3338 0 3 10 2
. . ÿ 709 .0 0371 e + e . )1
( - t) T+ 2
. - . + ÿ ÿ (t T 3 - . ÿ ÿ10
(t 3T ) 0 0255
) ( - t) T+ 1 3
)
5375 0533 0 2299 0 .2555 e e
- 4 10 4
. . . )1
( - 4) +
tT ...
( ( ÿ ÿ (t T ) ÿ ÿ (t T ) ( 5375 0533 0 0693 0
0,0770 0 0077 e + e
onde 1(t) é a função degrau unitário. É fácil avaliar que, nos pontos de amostragem, temos y(0,02) = y(0,04) = y(0,06) = y(0,08) = = 1,
…Figura 6.39. Para reduzir as oscilações entre amostras,

mas entre amostras a saída oscila descontroladamente como mostrado na
definimos T = 0,1 s e obtemos a função de transferência
Gs( ) + 0 .6945
{
Com
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM .
35 501 10 ×
- 4
é }= . ()ÿ 0 .3679)
( ÿ 0 9048
Com Com
ÿ1
Para Gcl (z) = z nós obtemos
.
281 6855 ( ÿ 0 9048. )( ÿ 0 3679Com Com . )
C z( ) =
( ÿ )( + 0 6945 1zz . )
As respostas ao degrau amostradas e analógicas resultantes são mostradas na Figura 6.42, enquanto a variável de
controle correspondente é mostrada na Figura 6.43. A importância da seleção do período de amostragem no projeto do
controlador deadbeat é clara. Observe que as oscilações e a amplitude do sinal de controle são reduzidas; mas também
é evidente que as oscilações entre amostras não podem ser completamente evitadas com esta abordagem.
1.4
1.2
0,8
Processo
Saída
do
0,6
0,4
0,2
0 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2

Tempo
Figura 6.42
Resposta ao degrau amostrada e analógica para o controle de deadbeat do Exemplo 6.21 (T = 0,1 s).
300
200
100
0
Variável
controle
de
–100
–200
–300
0 0,2 0,4 0,6 0,8 1 Tempo s 1,2 1,4 1,6 1,8 2
Figura 6.43
Variável de controle para o controle deadbeat do Exemplo 6.21 (T = 0,1 s).

Para evitar oscilações entre amostras, mantemos a variável de controle constante após n amostras, onde
n é o grau do denominador do processo discretizado. Isto é feito às custas de atingir o tempo mínimo de
acomodação (considerando a saída amostrada do processo) como nos exemplos anteriores. Considerando o
esquema de controle mostrado na Figura 6.12, temos
E z( ) E z( ) R z( ) R z( )
Você
( )z= = = (G) (clz) (6.47)
Gz DE NOVO
() R z( ) Gz DE NOVO
Gz DE NOVO
()
Se resolvermos esta equação com as restrições Gcl(1) = 1, obtemos a expressão de U(z) ou,
alternativamente, obtemos a expressão de Gcl(z), que dá origem à expressão do controlador C(z) aplicando
(6.43).
Obviamente, o projeto geral requer a especificação a priori do sinal de referência a ser rastreado. Nos exemplos
a seguir, é assumido um sinal de referência de degrau.
Exemplo 6.22
Projete um controlador de deadbeat livre de ondulação para o sistema de posicionamento de veículos tipo 1 descrito
no Exemplo 3.3 com função de transferência
1
Gs( ) =
ss( + )1
O tempo de amostragem é escolhido como T = 0,1.
Solução
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM
{ é
}
- - 1
. ( +0 .
= 0048374 1 0 9672
1zz )
( ) ÿ ( 1 - 0 .9048
- 1 - 1
1 Com Com
)
Considerando que a transformada z do sinal de referência degrau é
1
R z( ) =
1-
- 1
Com
Nós temos
R z( )
()=()
U z G z cl
Gz DE NOVO
()
-
(6.48)
1
.
206 7218 1 0 (9048
ÿ . Com
)
= (G)ÿclz - 1 - 1
Com
(1 + 0 .9672 Com
)
Como o processo é do tipo 1, temos que exigir que a variável de controle seja zero após duas amostras (observe
que n = 2) – ou seja, que
- 1
E zaaz
()=+ 0 1
Uma solução da equação (6.48) é portanto
ÿ1 ÿ1
Gcl(
z K) =
zÿ + ( z ) 1 0 9672.
1
. 1 0 9048
U z() K= ÿ 206 7218 (- . Com )-
onde o valor K = 0,5083 é encontrado impondo Gcl(1) = 1. Assim, aplicando (6.38) temos
105 .1 95- 08 .
Com
C z( ) =
Com + 0 .4917
A resposta ao degrau de malha fechada analógica e amostrada resultante é mostrada na

Figura 6.44, enquanto a variável de controle correspondente é mostrada na Figura 6.45. Observe
que a variável de controle é constante após a segunda amostra e que não há ondulação entre
amostras.
0,8
0,6
Processo
Saída
do
0,4
0,2
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 vez
Figura 6.44
Resposta ao degrau amostrada e analógica para o controle de deadbeat do Exemplo 6.22.

150
100
50
Variável
controle
de
–50
–100
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 vez
Figura 6.45
Variável de controle para o controle deadbeat do Exemplo 6.22.
Exemplo 6.23
Projete um controlador deadbeat livre de ondulação para o sistema de controle de velocidade do motor DC descrito
no Exemplo 3.6, onde a planta analógica (tipo 0) tem a função de transferência
1
Gs( ) =
(é+ )(1 +
10é)
O período de amostragem é escolhido como T = 0,1 s.
Solução
Para um período de amostragem de 0,01, a função de transferência de processo discretizada é
Gs( )
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM { é
}
=
.
0035501 +0 .
1 0 (6945 1zz
ÿÿ
) 1
- .
( 1 0 9048 Com
- 1
)( ÿ0 13679. z
- 1
)
Para uma entrada de degrau unitário amostrada,
1
R z( ) = -
1- Com
1
temos a entrada de controle
R z( )
U z(G) z= ( )cl( )
Gz DE NOVO
.
281 6855 1 0 (9048
- =. ( )ÿ Com
- 1
( ) ÿ0 136 . 79 Com
- 1
)
G clz
-
1zz1 ( - 1
) ÿ ( + 1 0 6945 . Com
- 1
)
Levando em consideração o atraso de um período de amostragem no GZAS(z), a entrada de controle

condição é satisfeita com a função de transferência em malha fechada
G cl(
z K) z= ÿ ÿ1
+ ( z ) 1 0 6945.
ÿ1
onde o valor K = 0,5901 é encontrado impondo Gcl(1) = 1. Assim, aplicando (6.38) temos
.
166 2352 ( ÿ 0 9048 )(. ÿ 0 3679
Com Com . )
C z( ) =
(ÿ)(+) 1zz .
0 4099
As respostas ao degrau amostradas e analógicas resultantes são mostradas na Figura 6.46, enquanto a variável
de controle correspondente é mostrada na Figura 6.47. Observe também que neste caso não há ondulação entre
amostras.
0,8
0,6
Processo
Saída
do
0,4
0,2
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Tempo
Figura 6.46
Resposta ao degrau amostrada e analógica para o controle de deadbeat do Exemplo 6.23.

Problemas 225
200
150
100
Variável
controle
de
50
–50
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Tempo
Figura 6.47
Variável de controle para o controle deadbeat do Exemplo 6.23.
Recursos
Kuo, BC, Sistemas de Controle Automático, Prentice Hall, 1991.
Ogata, K., Engenharia de Controle Digital, Prentice Hall, 1987.
Oppenheim, AV e RW Schafer, Processamento de Sinal Digital, Prentice Hall, 1975.
Ragazzini, JR e GF Franklin, Sistemas de controle de dados amostrados, McGraw-Hill, 1958.
Problemas
6.1 Esboce o lugar das raízes do domínio z e encontre o ganho crítico para o seguinte
sistemas:
K
(a) G z ( ) =
Com ÿ 0 4.
K
(b) G z ( ) =
( + 0 90 9.
Com )( .-Com
)
Kz
(c) G z (( ÿ) =
0 2 1. )( ÿ )
Com Com
(+
Para z ) 0 .9
(d) Gz ( =) ( ÿ )
(ÿ)Com 0 .2 0 8Com .
6.2 Prove que a expressão (6.6) descreve um contorno wn constante no

plano z.
6.3 A equivalência de retenção é uma abordagem de projeto de filtro digital que aproxima um
filtro analógico usando
1 ÿ Csa ( ) ÿ *
{
Com
ÿ1
C z( ) = - ÿ- ÿ ZL
Com
ÿ ÿÿ
é ÿÿ }
(a) Obtenha o filtro digital equivalente a retenção para os controladores PD, PI e PID.
Modifique os resultados conforme necessário para obter um filtro realizável com
resposta de frequência finita na frequência de dobramento.
(b) Por que os filtros obtidos usando a equivalência de retenção são sempre estáveis?
6.4 Mostre que a transformação bilinear da expressão do controlador PID (5.20)

produz expressão (6.32).
6.5 Projete controladores proporcionais para os sistemas do Problema 6.1 para atender às
seguindo as especificações sempre que possível. Se a especificação do projeto não puder ser
atendida, explique o motivo e sugira um controlador mais apropriado.
(a) Uma taxa de amortecimento de 0,7
(b) Um erro em estado estacionário de 10% devido a um degrau unitário
(c) Um erro em estado estacionário de 10% devido a uma rampa unitária
6.6 Projete controladores digitais para atender às especificações desejadas para os sistemas
descritos nos Problemas 5.4, 5.7 e 5.8, transformando bilinearmente os projetos analógicos.
6.7 Projete um filtro digital aplicando a transformação bilinear ao filtro analógico (Butterworth)
1
Csuma( ) = 2
ss 1 2 + +
com T = 0,1 s. Em seguida, aplique pré-warping na frequência de 3 dB.
6.8 Projete um controlador PID digital (com T = 0,1) para a planta
1 - 5é
Gs( ) = + e
10 é1
aplicando as regras de sintonia de Ziegler-Nichols apresentadas na Tabela 5.1.
6.9 Projete controladores digitais para atender às especificações desejadas para os sistemas
descritos nos Problemas 5.4, 5.7 e 5.8 diretamente no domínio z.
6.10 No Exemplo 4.9, examinamos a estabilidade em malha fechada da temperatura do forno.

sistema de controle digital de temperatura com controle proporcional e período de amostragem de 0,01
s. Obtivemos a função de transferência z
5 + .
4 .95 4 901
Com
G DE
z NOVO( ) = ÿ 10 2
Com
- 1 .97 0 + .
Com9704
Projete um controlador para o sistema obter erro zero em estado estacionário devido a uma
entrada degrau sem deterioração significativa na resposta transitória.
6.11 Considere o sistema de controle de posição do motor DC descrito no Exemplo 3.6, onde a planta
analógica (tipo 1) possui a função de transferência
1
Gs( ) =
ss( + )(1 +
10é)
e projetar um controlador digital usando métodos de resposta em frequência para obter um tempo
de estabilização de cerca de 1 e um overshoot inferior a 5%.
6.12 Use projeto de controle direto para o sistema descrito no Problema 5.7 (com T =
0.1) para projetar um controlador para a função de transferência
1
Gs( )=
( é+ )(1+5 )é
para obter (1) erro zero em estado estacionário devido ao degrau, (2) um tempo de estabilização
inferior a 2 s e (3) uma frequência natural não amortecida de 5 rad/s. Obtenha a saída discretizada
e analógica. Em seguida, aplique o controlador projetado ao sistema
1
Gs( )=
( é+ )(1+5)(
é0 + )
1 1. é
e obter a saída discretizada e analógica para verificar a robustez do sistema de controle.
6.13 Projete um controlador deadbeat para o sistema do Problema 5.7 para obter rastreamento perfeito
de um passo unitário em um tempo finito mínimo. Obtenha a saída analógica do sistema e
compare seu projeto com aquele obtido no Problema 5.7. Em seguida, aplique o controlador ao
processo
1
Gs( )=
( é+ )(1+5)(
é0 + )
1 1. é
para verificar a robustez do sistema de controle.
6.14 Encontre uma solução para o Problema 6.13 que evite a ondulação entre amostras.
6.15 Escreva uma função MATLAB para traçar uma frequência natural amortecida constante
contorno no plano z.
6.16 Escreva uma função MATLAB para traçar um contorno constante de tempo no plano z.
6.17 Escreva um programa de computador que estime uma função de transferência de primeira ordem
mais tempo morto com o método tangente e determine os parâmetros PID digitais de acordo com
a fórmula de Ziegler-Nichols. Aplique o programa ao sistema
1
Gs( ) = 8
(é+ )1
e simular a resposta do sistema de controle digital (com T = 0,1) quando uma mudança de
degrau de set point e um degrau de perturbação de carga são aplicados. Compare os
resultados com os do Exercício 5.14.
6.18 Para examinar o efeito do período de amostragem na estabilidade relativa e na resposta

transitória de um sistema de controle digital, considere o sistema
1
Gs( ) =
(é+ )(1 5+ é)
(a) Obtenha a função de transferência do sistema, o lugar das raízes e o ganho crítico para T =
0,01 s, 0,05 s, 0,1 s.
(b) Obtenha a resposta ao degrau para cada sistema com um ganho de 2.
(c) Discuta o efeito do período de amostragem na resposta transitória e na estabilidade
relativa do sistema com base nos resultados de (a) e (b).
Capítulo
7
Representação Estado-Espaço
Neste capítulo, discutimos uma representação alternativa do sistema em termos das variáveis de estado do
sistema, conhecida como representação ou realização no espaço de estados .
Examinamos as propriedades, vantagens e desvantagens desta representação.
Também mostramos como obter uma representação de entrada-saída a partir de uma representação em
espaço de estados. A obtenção de uma representação no espaço de estados a partir de uma representação
de entrada-saída é discutida com mais detalhes no Capítulo 8.
O termo “realização” surge do fato de que esta representação fornece a base para a implementação de
filtros digitais ou analógicos. Além disso, as realizações no espaço de estados podem ser usadas para
desenvolver metodologias poderosas de projeto de controladores. Assim, a análise do espaço de estados é
uma ferramenta importante no arsenal do projetista de sistemas de controle atual.
Objetivos
1. Obtenha um modelo de espaço de estados a partir da função de transferência do sistema ou diferencial

equação.
2. Determine um modelo linearizado de um sistema não linear.
3. Determine a solução do estado linear (tempo contínuo e tempo discreto) –
equações espaciais.
4. Determine uma representação de entrada-saída a partir de uma representação em espaço de
estados.
5. Determine uma representação equivalente no espaço de estados de um sistema alterando os vetores de
base.
7.1 Variáveis de Estado

Sistemas lineares de tempo contínuo de entrada única e saída (SISO) são normalmente descritos pela
equação diferencial de entrada-saída
230ÿ CAPÍTULO 7 Representação Estado-Espaço
n
você n 1
você
-
você den
+ um n
- 1
+ + ...
um 1 + =ayc
0 n
dt n dt n - 1 dt n
(7.1)
den - 1 você não
+c + +c ... + com
n- 1 1 0
dt n- 1 dt
. ., é
onde y é a saída do sistema, u é a entrada do sistema e ai, i = 0, 1, . n ÿ 1, n são constantes. A descrição
explícitas do . . , válida para sistemas variantes no tempo cj, j = 0, 1, . se os coeficientes ai e cj são funções
tempo. Para um sistema multi-entrada-multi-saída (MIMO), a representação é em termos de l equações
diferenciais de entrada-saída da forma (7.1) onde l é o número de saídas. A representação também pode ser
usada para sistemas não lineares se (7.1) puder incluir termos não lineares.
A solução da equação diferencial (7.1) requer o conhecimento da entrada do sistema u(t)

para o período de interesse, bem como um conjunto de condições iniciais constantes
( )0 sim , ... , segundo

( ),0 sim, sim,
sim, n 1
( )0dt
- n- 1
onde a notação significa que as derivadas são avaliadas no tempo inicial t0. O conjunto de condições iniciais
é mínimo no sentido de que o conhecimento incompleto deste conjunto impediria a solução completa de
(7.1). Por outro lado, não são necessárias condições iniciais adicionais para obter a solução. As condições
iniciais fornecem um resumo do histórico do sistema até o momento inicial. Isto leva à seguinte definição.
Definição 7.1: Estado do Sistema. O estado de um sistema é o conjunto mínimo de números, n}

{xi(t0), eu = 1, 2, . . . necessário junto com a entrada u(t), com t no intervalo [t0, tf)
para determinar exclusivamente o comportamento do sistema no intervalo [t0, tf]. O número n
é conhecida como ordem do sistema. ÿ
À medida que t aumenta, o estado do sistema evolui e cada um dos números xi(t) torna-se uma variável de tempo.
Essas variáveis são conhecidas como variáveis de estado. Na notação vetorial, o conjunto de variáveis de estado forma o
vetor de estado
ÿx1 ÿ
ÿ
x ÿ
2
( 1) 2=
x txx [ ... x ] T= ÿ ÿ
(7.2)
n
ÿ
ÿ ÿ
ÿx n ÿ
ÿ ÿ
A equação anterior segue a notação padrão na teoria dos sistemas, onde um vetor coluna está
em negrito e um vetor linha é indicado pela transposição de uma coluna.
O espaço de estados é um espaço vetorial n-dimensional onde {xi(t), i = 1, 2,. , n} . .
representam os eixos coordenados. Portanto, para um sistema de segunda ordem, o espaço
de estados é bidimensional e é conhecido como plano de estados. Para o caso especial em
que as variáveis de estado são proporcionais às derivadas da saída, o plano de estado é
chamado de plano de fase e as variáveis de estado são chamadas de variáveis de fase.
7.1 Variáveis de Estado 231
As curvas no espaço de estado são conhecidas como trajetórias de estado e um gráfico

de trajetórias de estado no plano é o retrato de estado (ou retrato de fase para o plano de fase).
Exemplo 7.1
Considere a equação de movimento de uma massa pontual m impulsionada por uma força f
meu =f
ÿÿ
onde y é o deslocamento da massa pontual. A solução da equação diferencial é dada por
1 t t
()
sim =eu{ (começar
) + ( ) + ÿÿ ( )
0
ÿ
0
t 00 t fd t t }
Claramente, uma solução completa só pode ser obtida, dada a força, se as duas con- { ( ), ÿ ( ) iniciais forem
sistema é conhecidas.
de segunda
0 0 }
Portanto, essas constantes definem o estado do sistema nas condições ytyt tempo t0, e o
ordem. As variáveis de estado são
xtyt
1 ()=()
xtyt
2 ()=ÿ()
e o vetor de estado é
T ÿx 1ÿ
x txx
()=[ 12 ]=
ÿÿ
x2 ÿÿ
As variáveis de estado são variáveis de fase neste caso, porque a segunda é a derivada da primeira.
As variáveis de estado são governadas pelas duas equações diferenciais de primeira ordem
xx1 2=
ÿ
2 =
ÿ
desculpe
onde você = f. A primeira das duas equações decorre das definições das duas variáveis de estado. A segunda é
obtida a partir da equação de movimento da massa pontual. As duas equações diferenciais junto com a expressão
algébrica
yx = 1
são equivalentes à equação diferencial de segunda ordem porque resolver as equações diferenciais de primeira
ordem e depois substituí-las na expressão algébrica produz a saída y. Para uma força que satisfaz a lei de feedback
de estado
em
= ÿ ÿ 9 13 xx 2
eu
temos um sistema subamortecido de segunda ordem com a solução dependendo apenas das condições iniciais. As
soluções para diferentes condições iniciais podem ser obtidas usando repetidamente os comandos lsim ou inicial
do MATLAB. Cada uma dessas soluções produz dados de posição e velocidade para uma trajetória de fase, que é
um gráfico de velocidade versus posição. Um conjunto dessas trajetórias
–1
–2
–3
–1,5 –1 –0,5 0 0,5 1 1,5
Figura 7.1
Retrato de fase para uma massa pontual.
Os registros correspondentes a diferentes estados iniciais fornecem o retrato de fase da Figura 7.1. A variável
tempo não aparece explicitamente no retrato de fase e é um parâmetro implícito. As setas indicam a direção do
aumento do tempo.
Observe que a escolha das variáveis de estado não é única. Por exemplo, pode-se usar o deslocamento y e a
soma do deslocamento e da velocidade como variáveis de estado (ver Exemplo 7.18). Esta escolha não tem significado
físico, mas mesmo assim satisfaz a definição de variáveis de estado. A liberdade de escolha é uma característica geral
das equações de estado e não se restringe a este exemplo. Permite-nos representar um sistema de forma a revelar
mais claramente as suas características e é explorado em secções posteriores.
7.2 Representação Estado-Espaço

No Exemplo 7.1, duas equações de primeira ordem que governam as variáveis de estado foram obtidas a partir da
equação diferencial de entrada-produto de segunda ordem e das definições das variáveis de estado. Essas equações
são conhecidas como equações de estado. Em geral, existem n equações de estado para um sistema de enésima
ordem. As equações de estado podem ser obtidas para variáveis de estado de sistemas descritos por equações
diferenciais de entrada-saída, com a forma das equações dependendo da natureza do sistema.
Por exemplo, as equações variam no tempo para sistemas variantes no tempo e não lineares para sistemas não
lineares. Equações de estado para sistemas lineares invariantes no tempo também podem ser obtidas a partir de suas
funções de transferência.
A equação algébrica que expressa a saída em termos das variáveis de estado é chamada de equação de saída.
Para sistemas com múltiplas saídas, uma equação de saída separada
7.2 Representação Estado-Espaço 233
é necessário para definir cada saída. As equações de estado e de saída juntas fornecem uma representação
completa do sistema descrito pela equação diferencial, que é conhecida como representação no espaço de
estados. Para sistemas lineares, muitas vezes é mais conveniente escrever as equações de estado como uma
única equação matricial chamada equação de estado. Da mesma forma, as equações de saída podem ser
combinadas em uma única equação de saída em forma de matriz. A forma matricial da representação no
espaço de estados é demonstrada no exemplo a seguir.
Exemplo 7.2
As equações de espaço de estados para o sistema do Exemplo 7.1 em forma de matriz são
ÿ 0 ÿ
ÿx 1ÿ ÿ0 1 ÿ ÿx 1ÿ
ÿ
ÿ
1 ÿ
em
ÿÿ
x 2 ÿÿ=ÿÿ 00 ÿÿ ÿÿ
x 2ÿÿ+ ÿ ÿ
ÿ eu ÿ
x 1ÿ
= [ 1 0 e ]ÿ
ÿÿ
x 2 ÿÿ
A forma geral das equações do espaço de estados para sistemas lineares é

ÿ
x (t )A=t B( t)x + ( ) em
(7.3)
e (t )C=t D( t)x + ( ) em
onde x(t) é um vetor real n × 1, u(t) é um vetor real m × 1 e y(t) é um vetor real l × 1. As matrizes nas equações
são
A nn = × matriz de estado
B nm = × ou matriz de controle de entrada
C ln = × matriz de saída
D lm = × matriz de transmissão direta
7.2.1 Representação de Espaço de Estados no MATLAB
O MATLAB possui uma representação especial no espaço de estados obtida com o comando ss.
No entanto, alguns comandos de estado operam apenas em uma ou mais matrizes (A, B, C, D). Para inserir
uma matriz
ÿ 1 1 ÿ
UMA =
ÿÿ
ÿÿ
54 ÿÿ
use o comando
>> UMA = [0, 1; -5, -4]

Se B, C e D forem inseridos de forma semelhante, obtemos o quádruplo p no espaço de estados com o

comando
>> p = ss(A, B, C, D)
Também podemos especificar nomes para a entrada (torque, por exemplo) e saída (posição) usando o
comando set
>> set(p,'entrada','torque','saída','posição')
7.2.2 Equações de Estado-Espaço Lineares versus Não Lineares
As ordens das matrizes são ditadas pelas dimensões dos vetores e pelas regras de multiplicação vetor-matriz.
Por exemplo, no caso de entrada única (SI), B é uma matriz coluna, e no caso de saída única (SO), C e D são
matrizes linha. Para o caso SISO, D é um escalar. As entradas das matrizes são constantes para sistemas
invariantes no tempo e funções de tempo para sistemas variantes no tempo.
Exemplo 7.3
A seguir estão exemplos de equações de espaço de estados para sistemas lineares:
1. Um sistema linear invariante no tempo de terceira ordem com 2 entradas e 2 saídas (MIMO):
-
ÿ
ÿÿ
x1
ÿÿ ÿ 1 .1 0 3 ÿ .0 .
5ÿÿÿ ÿÿ1
x1 ÿÿ ÿ ÿÿ 0.0 11 10 ÿÿ ÿ
em 1
ÿÿÿ ÿ
+ ÿ ÿ 1 0 1 0.
ÿ
x2 = 1 3 .5 2 2 ÿ.ÿ ÿ 0 4 2
. ÿÿÿ
x2
ÿ
ÿÿ
às 2 ÿÿ
- 1 .1
ÿ
ÿÿÿ
x3 ÿÿÿ 4 . . ÿ x3 ÿÿÿ
. .
ÿ
x1
ÿÿ
ÿ e1 ÿ ÿ120 ÿ ÿ12 ÿÿ
em 1
ÿ
ÿ
x2 +
ÿÿ e 2 ÿÿ=ÿÿ 001 ÿÿ ÿÿ
01 ÿÿ ÿÿ
às 2 ÿÿ
ÿÿÿ
x3 ÿÿÿ
2. Um sistema linear variável no tempo de segunda ordem, 2 saídas e entrada única (SIMO):
ÿx1 ÿ ÿ pecado( )t porque ( t)

ÿÿ x1 ÿ ÿ0 ÿ
ÿ
- 2 toneladas
em
ÿÿ
x2 ÿÿ=ÿÿ 1 e ÿÿ ÿÿ
x2 ÿÿ+ÿÿ 1ÿÿ
ÿ e1 ÿ ÿ10 ÿÿ
x1 ÿ
ÿÿ e 2 ÿÿ=ÿÿ 01 ÿÿÿÿ
x2 ÿÿ
Aqui, a matriz de transmissão direta D é zero e as matrizes de entrada e saída são constantes. Mas o sistema varia
no tempo porque a matriz de estado possui algumas entradas que são funções do tempo.
É importante lembrar que a forma (7.3) só é válida para equações de estado linear. As equações de
estado não linear envolvem funções não lineares e não podem ser escritas em termos da matriz quádrupla (A,
B, C, D).
7.2 Representação Estado-Espaço 235
Exemplo 7.4
Obtenha uma representação no espaço de estados para o manipulador robótico com s-graus de liberdade
(sD.OF) a partir da equação de movimento
ÿÿ ÿ ÿ
)+(, )+()=t
MV (qqqqqgq
onde
q = vetor de coordenadas generalizadas
M (q) = s × s matriz de inércia definida positiva
ÿ
EM (q q, ) = × ss
matriz de termos relacionados à velocidade
g (q) = s × 1 vetor de termos gravitacionais
t = vetor de forças generalizadas
A saída do manipulador é o vetor de posição q.
Solução
O sistema é de ordem 2s, pois são necessárias 2s condições iniciais para determinar completamente a solução.
A escolha mais natural de variáveis de estado é o vetor
ÿ
= col { x xx1 2 , } coluna

= { } , qq
onde col{.} denota um vetor de coluna. As equações de estado associadas são

ÿ
ÿ ÿ x ÿ1
x 2 ÿ ÿ 0 ÿ
ÿÿ
= ÿ ÿ + ÿ ÿ
1 ( ){ ( ) + ( )} 1
ÿÿ
x 2
ÿ ÿ
VM - x 1 1,
ÿ xxxgx
2 2 1 ÿ
Mÿ (x) 1 ÿ você
com a força generalizada agora denotada pelo símbolo você

A equação de saída é
yx = 1
Esta equação é linear e pode ser escrita na forma padrão
x 1ÿ
você =[ É 0 × ss ]ÿ
x ÿ
ÿ 2 ÿÿ
Exemplo 7.5
Escreva as equações de espaço de estados para o manipulador antropomórfico 2-DOF da Figura 7.2. As
equações de movimento do manipulador são como no Exemplo 7.4 com as definições
2
ÿ ( (q)
+ ) 1+
= mmlmlmll
ÿ ÿ 2 +1 2 2 22 212
porque (eu)2 +
22 2mlmll 212
porque ( eu
) 2ÿÿ ÿ
M
2
ml 2 2
ml 2+1 2 porque (eu)2 22ml
2
ÿ ÿ ÿ
ÿ ÿ
ÿ - ml 2 1 2 pecado
( 2) 2 eu1 ) +eu2
(eu)2 ( eu ÿ
EM (qqq
, )=ÿÿ ÿ
ml 2 1 2 pecado eu2 eu12 ÿ

eu
2
eu Ligação 2
1
Ligação 1
Figura 7.2
Um manipulador antropomórfico de 2 DOF.
ÿ ( mm
+ ) 1g(q)
gl = ÿ2 ÿ 1 ( pecado eu1 ) + m gl 2 2 pecado (eu+1 ) eu2 ÿ
m gl
22 pecado (eu+1 ) eu2 ÿ
onde mi, i = 1, 2 são as massas dos dois elos, li, i = 1, 2 são seus comprimentos e g é a aceleração da
ÿ
gravidade; ( ) q q, são os vetores de posições angulares e velocidades angulares, respectivamente.
Solução
As equações de estado podem ser escritas usando os resultados do Exemplo 7.4 como
ÿ x 2 ÿ
ÿ ÿ ÿ
-
( pecado eu2 )
ÿ ÿ
ÿ ÿ ml 2 1 2 2 eu 2 eu1 eu
)+ 2 ÿ ÿ
ÿ
ÿx 1ÿ ÿ
ÿ
ÿ+
ÿ
ÿ0 ÿ
ÿ ÿ
2 + em
ÿ
ÿ
- ÿ
ÿ ml 2 1 2 pecado
( eu
( )2eu 1 ÿ ÿ
x 2 ÿ=
ÿÿ
eu ÿ eu
ÿÿ
ÿ ÿ ÿ ÿ ÿ
ÿÿ
ÿ ( + ) 1mmgl ÿ 2 eu
1 sem (m)+
gl
1 22 pecado (eu+1 ) eu2 ÿ ÿ
ÿ
ÿ ÿ
ÿ m gl
2 2 pecado ( eu
+1 eu2 ) ÿÿ ÿ
ÿ
ÿ
ÿ ÿ ÿÿ
ÿ
ÿ
onde
-
=
1 ÿ 22ml
2 +mlmll
( 2 22 2 1 2 porque eu2 ( )) ÿ
eu
-
o ÿD
() ÿ 222mlmll + 2 1 2 porque ( ))
eu2 ( 12 )1 ++2 22 2 mmlmlmll + 212 porque ÿeu
( 2) ÿ
ÿ
col 1 2 , x = ( = { coluna
} q q, . { } xx
A forma geral das equações não lineares do espaço de estados é

ÿ
( xfxu
= ) ,
(7.4)
=()
ygxu ,
onde f(.) (n × 1) e g(.) (l × 1) são vetores de funções que satisfazem condições matemáticas que garantem a existência e a
unicidade da solução. Mas uma forma
7.3 Linearização de Equações de Estado Não Linear 237
que é freqüentemente encontrado na prática e inclui as equações de manipuladores robóticos é
B
= ( ) + ( xfxxu )
(7,5)
=()+()
ygx D xu
A equação de estado (7.5) é considerada afim no controle porque o RHS é afim (inclui um
vetor constante) para x constante.
7.3 Linearização de Equações de Estado Não Lineares

Equações de estado não lineares da forma (7.4) ou (7.5) podem ser aproximadas por equações
de estado lineares da forma (7.3) para pequenos intervalos das variáveis de controle e de estado.
As equações lineares são baseadas na aproximação de primeira ordem
df
( ) = ( 0 ) + fxfx dx DxOx+ ( D) 2 (7.6)
x0
onde x0 é uma constante e ÿx = x ÿ x0 é uma perturbação da constante. O erro

associado à aproximação é da ordem ÿ2x e é, portanto, aceitável para pequenas
perturbações . Para uma função de n variáveis, (7.6) pode ser modificado para
ÿf ÿf 2
( xx
) = ( 0 ) + ff Dx++1 ... LxO
n +(
Dx ) (7.7)
ÿx1 x0
ÿx n x0
onde x0 é o vetor constante

T
x0 = [xx 10 20
... xn ] 0
e ÿx denota o vetor de perturbação

- T
ÿx = ÿ [xxxx
1 10 2 20
... xxn - ] n0
O termo ||ÿx||2 denota a soma dos quadrados das entradas do vetor (ou seja, sua
norma 2), que é uma medida do comprimento ou “tamanho” do vetor de perturbação.1
O termo de erro dependente desta perturbação é assumido como pequeno e é
desprezado na sequência.
Para equações não lineares de espaço de estados da forma (7.5), deixe a i-ésima entrada do
vetor f seja fi. Então, aplicando (7.7) a fi resulta a aproximação
ÿf ÿf
f eu
(x u,x u )0 0= f( eu
, )+
eu
Dx1 + +... eu
Dx n +
ÿx1 (xu0 ,0 )
ÿx n (xu0 ,0 )
(7.8)
ÿf ÿf
eu
+ +D
em D ...
1
eu
em
eu
ÿ em1 (xu 0, 0 )
ÿ em
eu (xu ,0 0 )
1
Outras normas podem ser usadas, mas a norma 2 é a mais comumente usada.
ÿ Dx 1 ÿ
ÿ
Dx ÿ
2
ÿÿf ÿf ÿ ÿ ÿ
f ( xu, ÿ( f) xu 0 ,0 )=ÿ
eu ÿ eu
ÿ
ÿ ÿ
+
eu eu
ÿx ÿx
ÿ
ÿ 1 ( xu 0 0 , ) n (xu0 ,0 )ÿ ÿ
Dx
ÿ
ÿ
n- 1 ÿ
ÿ Dx
ÿ
n ÿ ÿ
(7,9)
ÿ D em
1 ÿ
ÿ
D em
ÿ
2
ÿÿf eu
ÿf
eu
ÿ ÿ ÿ
ÿ
ÿ ÿ
ÿ
ÿ em ÿ em
ÿÿ 1 ( x você,
00 ) eu ( x você,
00 )ÿ ÿ
D
ÿ
em
ÿ
eu - 1 ÿ
ÿ D
ÿ em
eu ÿ ÿ
Na maioria das situações em que procuramos um modelo linearizado, o estado nominal é um ponto de
equilíbrio. Este termo refere-se a um estado inicial onde o sistema permanece a menos que seja perturbado.
Por outras palavras, é um sistema onde a taxa de mudança do estado, expressa pelo RHS da equação do
estado, deve ser zero (ver Definição 8.1).
Assim, se a perturbação for em torno de um ponto de equilíbrio, então a derivada do vetor de estado é zero no
estado nominal; isto é, fi(x0, u0) é um vetor zero.
A i-ésima entrada gi do vetor g pode ser expandida de forma semelhante para produzir a perturbação na
i-ésima saída
que= ( D xu,
eu eu
) ÿ ( g xu0 ,0 eu
)
ÿ Dx 1 ÿ
ÿ
Dx ÿ
2
ÿÿ g ÿg ÿ ÿ ÿ
= eu
... eu
ÿ
ÿ ÿ
ÿx ÿx
ÿ
ÿÿ 1 (xu 0 0, )
n (xu0 ,0 )ÿ ÿ
Dx
ÿ
ÿ
n- 1 ÿ
ÿ Dxn ÿ
ÿ ÿ (7.10)
ÿ D em1 ÿ
ÿ
D em
ÿ
2
ÿÿ g ÿg ÿ ÿ ÿ
+ eu
... eu
ÿ
ÿ ÿ
ÿ
ÿ em
1 (x você,
ÿ em
ÿ
ÿÿ
00 ) eu (x você,
0 0) ÿ
D
ÿ
em
ÿ
eu - 1 ÿ
ÿ D
ÿ em
eu ÿ
ÿ
Notamos também que a derivada do vetor de perturbação é
d D xxx0 d (-) ÿ
Dxÿ = = = x (7.11)
dt dt
porque o estado nominal x0 é constante.

Agora substituímos as aproximações (7.9) e (7.10) nas equações de estado e de saída, respectivamente,
para obter as equações linearizadas
7.3 Linearização de Equações de Estado Não Linear 239
ÿÿ
ÿf 1
ÿf 1 ÿÿÿx1ÿÿÿÿÿÿÿÿÿ ÿÿ ÿÿ
ÿf 1
ÿf 1 ÿÿÿÿÿ
Você 1
ÿÿ
ÿ ÿ
ÿ x1 (xu0 ,0 )
ÿ xn (xu 0, 0 )
ÿ
D x2 ÿ em1 (xu0 ,0 )
ÿ você é (xu 0, 0 )
ÿÿ
D às 2
ÿ ÿÿ
ÿÿx = ÿÿÿ
ÿ
ÿ + ÿÿÿ
ÿÿ
ÿ
ÿ ÿÿ
ÿf n
ÿf n
D xn - 1 ÿf n
ÿf n
D você é - 1
ÿ ÿ
ÿ ÿÿ
ÿ x1
ÿÿÿÿÿÿ (xu 0 0,
ÿ xn (xu 0, 0 )
ÿ xn ÿÿÿÿÿÿ ÿÿÿÿÿÿ
ÿ em1 (xu 0, 0 )
ÿ você é ( xu 0 0 , )
ÿD
você é ÿÿÿÿÿÿ
)
ÿÿ
ÿ g1 ÿ g1 ÿÿ ÿÿx1ÿÿÿÿ ÿÿ ÿÿ
ÿ g1 ÿ g1 ÿ ÿ ÿ você 1 ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿÿ
ÿ ÿ
ÿ x1 (xu 0 0,
ÿx n ( xu 0 0 , ) Dx2 ÿ em1 (xu 0 0,
ÿ emeu (você, x0 0 )
ÿ
Você 2
) )
ÿ
De = ÿÿÿ
. ÿ + ÿÿÿ
ÿ
ÿ
ÿ
ÿgn ÿgn ÿÿx
n - 1
ÿ gn ÿ gn você ÿ ÿ
eu - 1
ÿ
ÿÿÿ ÿ
ÿ ÿ ÿ você
ÿ x1
ÿÿÿÿÿÿ ( xu 0 0 , )
ÿx n ( xu 0 0 , ) ÿÿÿÿÿÿ
xn ÿÿÿÿÿÿ
ÿ em1
ÿÿÿÿÿÿ ( xu 0 0 , )
ÿ emeu ( xu 0 0 , ) eu ÿÿÿÿÿÿ
(7.12)
Eliminar os ÿ reduz (7.12) a (7.13), com as matrizes das equações de estado linear definidas como
Jacobianas
ÿÿ
ÿf 1
ÿf 1 ÿÿ
ÿÿ
ÿf 1
ÿf 1 ÿÿ
ÿ ÿ
ÿ x1 (xu 0 0,
ÿ xn (xu 0 0,
ÿ em1 (xu 0 0,
ÿ você é (xu 0 0,
) ) ) )
A = ÿÿÿ
B= ÿÿÿ
ÿf n
ÿf n
ÿf n ÿ
ÿf n
ÿ
ÿ x1 ÿ xn (xu 0, 0 )
ÿ em1 ( )
ÿ emeu (xu 0, 0 )
ÿÿ
(xu 0, 0 ) ÿÿ
ÿÿ x0 ,
em 0 ÿÿ
(7.13)
ÿÿ
ÿ g1
ÿ
ÿ g1 ÿÿ ÿÿ
ÿ g1 ÿ
ÿg1 ÿÿ
ÿ x1 (xu 0, 0 )
ÿ x n xu 0(0 )
ÿ em1 (xu 0, 0 )
ÿ você é (xu 0, 0 )
,
C= ÿÿÿ
D = ÿÿÿ
ÿgn ÿgn ÿgn ÿgn

ÿ ÿ
ÿ x1
ÿÿÿÿÿÿÿÿÿÿ ( xu 0 0 , )
ÿx n ( xu 0 0 , ) ÿÿÿÿÿÿÿÿÿÿ ÿÿÿÿÿÿÿÿÿÿ
ÿ em1 ( xu 0 0 , )
ÿ emeu ( xu 0 0 , ) ÿÿÿÿÿÿÿÿÿÿ
Exemplo 7.6
Considere a equação de movimento do sistema não linear mola-massa-amortecedor dada por
ÿÿ ÿ
+ ( ) + ( ) = meu byykyf
onde y é o deslocamento, f é a força aplicada, m é uma massa de 1 kg, b(y) é uma constante de
amortecimento não linear e k(y) é uma força de mola não linear. Encontre a posição de equilíbrio
correspondente a uma força f0 em termos da força da mola; então linearize a equação do
movimento em torno desse equilíbrio.
Solução
O equilíbrio do sistema com uma força f0 é obtido igualando todas as derivadas do tempo a zero e resolvendo
para y para obter
- 1
ahf =0 0()
onde kÿ1 (•) denota a função inversa. O equilíbrio está, portanto, na velocidade zero e na posição y0.
T T
ÿ
A equação de estado não linear para o sistema com vetor de estado x = [] xx 12 , aa = [, ] é

ÿ
ÿx 1ÿ ÿ x2 ÿ ÿ0 ÿ
em
)
ÿ
ÿÿ
x 2 ÿ ÿ = ÿ ÿ ÿ (kxbxx
) ÿ (1 12 ÿÿ+ÿÿ 1 ÿÿ
onde você = f. Então linearizando em torno do equilíbrio, obtemos
ÿ
ÿ 0 1 ÿ
ÿx 1ÿ ÿx 1ÿ ÿ0 ÿ
ÿ
-
(
não sei x1 ) ÿ
ÿ (bx)
ÿ
ÿÿ
x 2 ÿÿ=ÿ 1 e0 ÿ ÿÿ
x2 ÿÿ+ÿÿ 1 ÿ ÿu
ÿ
dx 1 ÿ
e0
ÿ ÿ
Claramente, as entradas da matriz de estado são constantes cujos valores dependem da posição de equilíbrio.
Além disso, os termos originalmente lineares não mudam devido à linearização.
7.4 A solução de equações lineares de estado-espaço

As equações do espaço de estados (7.3) são lineares e podem, portanto, ser transformadas por
Laplace para obter sua solução. Claramente, uma vez resolvida a equação de estado para o vetor de
estado x, a substituição na equação de saída produz facilmente o vetor de saída y. Então começamos
examinando a transformada de Laplace da equação de estado.
A equação de estado envolve a derivada xÿ do vetor de estado x. Como a transformação de

Laplace é simplesmente uma multiplicação por um escalar seguida de integração, a transformada de
Laplace desta derivada é o vetor das transformadas de Laplace de suas entradas. Mais especificamente,
Lxÿ( ){ } t=sX
[ sx = ( ) ÿ(())ÿ ( )] = [ ] ( ) ÿ [ 0 s X sx
eu eu eu eu
] 0( )
(7.14)
ssXx 0
Usando um argumento semelhante, a transformada de Laplace do produto Ax é

n n n
ÿÿ ÿÿ ÿ ÿ ÿ ÿ
L A t (L ){ }x = ij j
machado
ÿÿ ÿ
=
ÿÿÿ eu {ij j}
machado ÿ=ÿÿ ÿ a X ij j ( )s ÿ
(7.15)
ÿ ÿÿ j
=1 ÿ ÿÿ j =1 ÿ j =1 ÿ
()
= XComo
Portanto, a equação de estado
xÿ (t A t B tx) = ( ) + ( ),ux( )0
7.4 A solução de equações lineares de estado-espaço 241
tem a transformada de Laplace
X xss
() ÿ (0) = ( ) + (A)XU
eB (7.16)
Reorganizando os termos, obtemos
[ ] sIn AÿXx
s ( ) = (0) + ( ) BsEM (7.17)
Então pré-multiplicar pelo inverso de [sIn ÿ A] dá

ÿ1
X (s ) = ÿ ][ sIn A [x Em ( ) +Bs
( )] 0 (7.18)
Agora precisamos inverter a transformada de Laplace para obter a solução da

equação de estado. Então, primeiro examinamos o inverso conhecido como resolvente
matriz
- 1
- 1 1ÿ 1 ÿ
[ ] sIn A- = EU-n A (7.19)
é ÿÿ é ÿÿ
Isto pode ser expandido como

- 1
1ÿ 1 1 1 1 1
EUn
- Aÿ {
EUn ++ A 2
A 2 + +... Ai
eu
+ ... } (7.20)
é ÿÿ é ÿÿ= é é é é
Então a transformação inversa de Laplace produz a série

2
(No
) ( No
eu
- )
eu- 1 { [ ] ÿnsI A
1
} = +Eu+ em
n
2!
+ +... + ... (7.21)
eu !
Este somatório é uma versão matricial da função exponencial
2
(no
) (no
)
eu
no
e = +1 em
+ + +... + ... (7.22)
2! eu !
É, portanto, conhecida como matriz exponencial e é escrita como
No)
ÿ eu
-
e
No = (ÿ = eu - 1
ÿ A{ [ ]nsI
1
} (7.23)
eu
=0 eu !
Voltando a (7.18), vemos que o primeiro termo agora pode ser facilmente
transformado inversamente usando (7.23). O segundo termo requer o uso da
propriedade de convolução das transformadas de Laplace, que afirma que a
multiplicação das transformadas de Laplace é equivalente à convolução de suas
inversas. Portanto, a solução da equação de estado é dada por
t
No No( - )t
x ( texto
)=()+ e B você ( t) t (7.24)
ÿ0 0
A solução para o tempo inicial diferente de zero é obtida simplesmente mudando a variável de tempo para
obter
A tt( -te) 0x t
x ()= ( t)0+ ÿ e B você
No( - ) t
( t) t (7,25)
t0
A solução inclui dois termos. A primeira se deve às condições iniciais com entrada zero e é conhecida
como resposta de entrada zero. O segundo termo é devido à entrada com condições iniciais zero e é
conhecido como resposta de estado zero.
Por superposição, a resposta total do sistema é a soma da resposta do estado zero e da resposta da entrada
zero.
A resposta de entrada zero envolve a mudança do estado do sistema do vetor inicial x(0) para o vetor x(t)
através da multiplicação pela matriz exponencial.
Conseqüentemente, a matriz exponencial também é chamada de matriz de transição de estado. Este nome
também é dado a uma matriz que desempenha função semelhante no caso de sistemas variantes no tempo e
depende tanto do tempo inicial quanto do tempo final e não apenas da diferença entre eles. No entanto, a
forma matricial exponencial da matriz de transição de estado só é válida para sistemas lineares invariantes
no tempo.
Para obter a saída do sistema, substituímos (7.24) na equação de saída
e (t C t D t x) = ( ) + ( ) em
Isso dá a resposta de tempo
()}+()
t
( -t 0)
etCe
Um x ( t)0+ ÿ B( -d) tD t
e No em t t em (7.26)
()={ t0
Exemplo 7.7
As equações de estado de um motor CC controlado por armadura são dadas por

ÿ
ÿx 1 ÿ ÿ0 1 0 ÿ ÿx 1 ÿ ÿ 0 ÿ
ÿ
x ÿ
= ÿ
00 1 ÿ ÿ
x ÿ
+ ÿ
0 ÿ
em
2 2
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
0 10 -11 -
ÿ
ÿx
ÿ
3 ÿ ÿ
ÿ
ÿ
ÿ ÿx
ÿ ÿ
3 ÿ ÿ
ÿ 10 ÿ
ÿ ÿ
onde x1 é a posição angular, x2 é a velocidade angular e x3 é a corrente de armadura.

Encontre o seguinte:
1. A matriz de transição de estado

2. A resposta devido a uma corrente inicial de 10 mA com posição angular zero e zero
velocidade angular
3. A resposta devido a uma entrada em degrau unitário
4. A resposta devida à condição inicial na parte 2 juntamente com a entrada na parte 3.
Solução
1. A matriz de transição de estado é a matriz exponencial dada pela transposição inversa de Laplace.
forma da matriz
- 1
- 10
ÿé ÿ
- 1
- 1
[ sI
] -A 0ÿ é
ÿ
3=
ÿ
ÿ 0 10 11
ÿ é + ÿ ÿ
ÿ ( é+ )( + ) 1é10 ÿ é 11+ 1 ÿ
0 ss( + 11 ) é ÿ
ÿ ÿ
- 10 é 2
0 é ÿ
= ÿ
ÿ ÿ
ss( + )(1 +
10é)
ÿ1 é + 11 1 ÿ
ÿ
é ss( + )( + ) 1é10 ss(1)(10

++ ) é ÿ
ÿ ÿ
é + 11 1
= ÿ
0
ÿ
( é+ )( + ) 1é10 (é+ )(1 +

10é) ÿ
ÿ ÿ
- 10 é
ÿ ÿ
0
( é+ )( +1 ) ÿé 10 ( s+ )( +1) é 10
ÿ ÿ
ÿ ÿ
ÿ1 1 99 100
- ÿ
1 1
ÿ
9 10
-
1
ÿÿ
+ +
ÿ
é 90 ÿ ss + 1 é + 10 ÿ 90 ÿ é é + 1 é + 10 ÿ ÿ
ÿ ÿ
1 10 1 1 1 1
= ÿ
0 ÿ - ÿ ÿ - ÿ ÿ
ÿ
9 ÿs + 1 é + 10 ÿ 9 ÿs + 1 é + 10 ÿ ÿ
ÿ ÿ
10 1 1 1 10 1
ÿ
0 - ÿ - ÿ ÿ - ÿ ÿ
ÿ
ÿ
9 ÿ é +1 é + 10 ÿ 9 ÿ s + 10 é 1+ ÿ ÿ
ÿ
As operações anteriores envolvem escrever s nas entradas diagonais de uma matriz, subtrair entradas da
matriz A e depois inverter a matriz resultante. A inversão é viável neste exemplo, mas torna-se progressivamente
mais difícil à medida que a ordem do sistema aumenta. A matriz inversa é obtida dividindo a matriz adjunta pelo
determinante porque algoritmos de inversão de matrizes numéricas não podem ser usados na presença da
variável complexa s.
A seguir, invertemos a transformada de Laplace para obter a matriz de transição de estado
ÿ 1 1
)ÿ
- t - - t - 10 t
1 ( 99
-90100 e +e
10 toneladas
) ( 9-90
10 e +e
ÿ ÿ
ÿ ÿ
1 - t - 1 - t
e
No = ÿ
0 (10 sim - t
(e - e - 10 t ) ÿ
10 )
ÿ
9 9 ÿ
ÿ ÿ
10 - t - 1 - 10 t - t
ÿ
0 -
ÿe( e
10 toneladas
) (10 e ÿ )e
ÿ
ÿ
ÿ
9 9 ÿ
ÿ
A matriz de transição de estado pode ser decomposta como
- - 1 ÿ
ÿ 10 11 1 ÿ 0 ÿ 0 10 1 ÿ - t ÿ0 1 - 10 t
e e e
0 10 -10 -
Ee
= ÿ
000 ÿ
+ ÿ
0 10 1 ÿ
+ ÿ ÿ
ÿ ÿ
10 ÿ ÿ
9 ÿ ÿ
90
- -
ÿ 000
ÿ
ÿ ÿ
ÿ 0 10 1
ÿ
ÿ ÿ
ÿ 0 100 100
ÿ
ÿ
ÿ
Esta última forma revela que uma matriz exponencial nada mais é do que uma soma ponderada de
matrizes de exponenciais escalares. As exponenciais escalares envolvem os autovalores da matriz de
estado {0, ÿ1, ÿ10} e são conhecidas como modos do sistema. Os pesos da matriz têm classificação 1.
Esta propriedade geral pode ser usada para verificar a validade da matriz exponencial.
2. Para uma corrente inicial de 10 mA e posição angular e velocidade iniciais zero, o valor inicial
estado é
T
[ x(0 0
) =0 0 01 ] .
A resposta de entrada zero é
x ZI (você
)= Em x ()0
ÿÿ ÿÿ
ÿÿÿ
10 11 1 ÿ 0 ÿ
0 10-1 -
ÿÿ
- t
ÿ
01 1 ÿ
- 10 toneladas
ÿ
0
e e e
=
ÿ
ÿÿ 000 ÿ + ÿ 10 ÿ 0 10 1 + 0 10-10 - ÿÿÿ
ÿ
0
ÿÿ
000 0 10-1 - ÿ
9 0 100 100 90 ÿÿ
1
ÿ ÿÿÿ ÿ ÿÿÿ ÿÿÿ ÿ
ÿ
10 0 ÿÿÿÿ
1ÿ - 1 - t 1 -
ÿ 0 ÿ ÿÿ ÿ ÿ 10 toneladas
e e e
= 0 ÿ + ÿ 1000 ÿ 1 + -ÿ 10
0 - 1 900ÿ ÿ
100 ÿ ÿ 9000 ÿ
ÿÿÿ ÿÿÿ ÿÿ
Em virtude da decomposição da matriz de transição de estado na parte 1, o resultado é obtido utilizando a

multiplicação por matrizes constantes em vez de matrizes com entradas exponenciais.
3. A resposta devido a uma entrada degrau é avaliada mais facilmente começando no domínio s para evitar a
integral de convolução. Para simplificar as operações matriciais, a matriz resolvente é decomposta como
ÿÿ
10 11 1 ÿ ÿÿ
0 10 1 ÿÿ
ÿ ÿÿ
01 1
- 1 1 1 1
[ sI 3A ] - = 000 + 0 10 1 ÿ+ÿ(+)91sÿÿ 0 10-10 -
ÿ ÿ 10s ÿ ÿ ÿ10ÿ s( +
ÿ ÿ) 90
ÿÿÿ
000 ÿ ÿÿÿ
0 10 1 ÿÿ
ÿÿÿ
0 100 100
A transformada de Laplace da resposta do estado zero é

- 1
( ) = ÿ [ ]UsI(3AB
XZS ÿ ÿ ÿ ÿ ÿ ) s
ÿÿÿÿÿÿÿÿÿ
10 11 1 ÿ ÿÿ
0 10-1 -
ÿ
1 1
= 000 + 0 10 1
ÿÿ
ÿ ÿ 10s ÿ ÿ ÿÿ ( +é ) 9 1 ÿ
ÿÿ ÿ 000 ÿ ÿÿÿ
0 10-1 -
ÿ
0 1 1 ÿ ÿÿÿÿÿ
0 ÿÿ
1 1
+ ÿ ÿ 0 10 10 ÿÿÿ
0
ÿ ÿ ( + ) 90 10 s ÿ ÿ é
0 100 100 ÿÿ
10 ÿÿÿ
1 - 1 1
ÿÿ
1
ÿÿ ÿ ( 10 ) ÿÿ ÿÿ
( )
= 9 1
0 + 1 + ÿ 10 ( + ) 1
2s ss ss9 ( + ) 10
0 - 1 100
ÿÿ ÿÿÿ ÿÿÿÿ ÿÿÿ ÿÿÿ
1 - 1 1
ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ
1 ÿ1 1 1 1
= 0 + 1 (10 ÿ
+- 10 ( ÿ ÿ
2s 9 ) ÿ +ÿ ss
ÿ 1 ÿÿ
1 90 ) ÿ-ÿ ss + 10 ÿÿ
0 - 1 100
ÿÿÿÿ ÿÿÿ ÿÿÿ ÿÿÿ ÿÿÿ ÿÿÿ
Transformada inversa de Laplace, obtemos a solução
- 1
ÿ1ÿ ÿ ÿ ÿÿ
1
10 1 ] ÿ e+ -ÿt -
xZS
(t ) = ÿ
ÿ
0 ÿ
ÿ
+ ÿ
ÿ
1 ÿ
ÿ
( 9 )[ ÿ
ÿ
10 ÿ
ÿ
( 1 90 )[ 1 ] - e 10 toneladas
- 1
ÿ0 ÿ
ÿ ÿ
ÿ
ÿ
ÿ ÿ
ÿ100
ÿ
ÿ ÿ
- 1
ÿÿ 11 ÿ ÿ1ÿ ÿ 1 ÿ ÿ ÿ
=
( 1 10 (10 ( 1 90 ) e
- t -
ÿ
10 ÿ ÿ
0 ÿ
t+- ÿ
1 ÿ
e ÿ
10 ÿ
10 t
ÿ ÿ
)+ ÿ ÿ ÿ ÿ
9)+ ÿ ÿ
- 100
ÿ
ÿ 0 ÿÿ
ÿ0 ÿ
ÿ ÿ
ÿ 1 ÿ
ÿ ÿ
ÿ
ÿ
ÿ ÿ
4. A solução completa devido às condições iniciais da parte 2 e à entrada do degrau unitário de

a parte 3 é simplesmente a soma das duas respostas obtidas anteriormente. Por isso,
xx ( ) = ( )DIA+t ( ) x t
ZS
-
ÿ1ÿ ÿ 1ÿ - t
ÿ 1 ÿ -
ÿÿ 11 ÿ ÿ1ÿ
1 e e 10 t
= 1
ÿ
0 ÿ
+ ÿ
1 ÿ
+- ÿ
10 ÿ
+ ÿ
10 ÿ
( 10 ÿ ) +
0 ÿ
t +
ÿ ÿ
1000 ÿ ÿ
900 ÿ ÿ
9.000 ÿ ÿ ÿ ÿ
- 1
ÿ0 ÿ
ÿ ÿ
ÿ
ÿ
ÿ ÿ
ÿ 100 ÿ
ÿ ÿ
ÿ
ÿ 0 ÿÿ
ÿ0 ÿ
ÿ ÿ
- 1
ÿ 1 ÿ ÿ ÿ
10
- 1
( 1 90 ) e
- t - 10 t
ÿ
ÿ
ÿ
ÿ
( 9)+
e ÿ
ÿ
10 ÿ
-
ÿ 1 ÿ
ÿ ÿ
ÿ 100 ÿ
ÿ ÿ
- 1
.
ÿÿ 1.099 ÿ ÿ 1 ÿ ÿ ÿ ÿ1ÿ
= ÿ
1 ÿ
+- ÿ
1 1 .11 eÿ - t
+ ÿ
10 ÿ
×
1 .1 10
ÿÿ
2 10 toneladas
e + ÿ
0 ÿ
t
-
ÿ
ÿ 0 ÿ ÿ
ÿ 1 ÿ
ÿ ÿ
ÿ 100 ÿ
ÿ ÿ
ÿ0 ÿ
ÿ ÿ
7.4.1 O Algoritmo de Leverrier

ÿ1
O cálculo da matriz resolvente [sI - A] é claramente o gargalo no
solução de equações de espaço de estados pela transformação de Laplace. O algoritmo de Leverrier é um método
conveniente para realizar esse cálculo, que pode ser programado na atual geração de calculadoras portáteis que são
capazes de realizar aritmética matricial. A derivação do algoritmo é deixada como exercício (ver Problema 7.8).
Primeiro escrevemos a matriz resolvente como
ÿ1 adj. sI A ] -
n
[ [ ] nÿ = sIA (7.27)
[ que sI An ] -
onde adj[·] denota a matriz adjunta e det[·] denota o determinante. Então observamos que, como suas entradas são
determinantes de matrizes de ordem n ÿ 1, a maior potência de s na matriz adjunta é n ÿ 1. Termos das mesmas potências
de s podem ser separados com matrizes de seus coeficientes, e o matriz resolvente pode ser expandida como
PPs+ + + ... Ps - n - 1
- 1
= 011 n
[ ] ÿnsI A (7.28)
+ + + aasas 0...
11 n - 1 + én
n -
onde Pi, i = 1, 2,…, n ÿ 1 são n × n matrizes constantes e ai, i = 1, 2,. n ÿ 1 são coeficientes constantes. ..,
Os coeficientes e matrizes são calculados da seguinte forma.
Algoritmo de Leverrier
1. Inicialização: k = n ÿ 1
n
PIn -tem= =- tr A e eu
1 n n- 1
{ } = ÿÿ1 eu
=
onde tr{·} denota o traço da matriz.

2. Iteração retroativa: k = n ÿ 2,. . . ,0
1
PPA= a eu a + =- tr { P
} Ac
k k1+ 1 kn + k -
como
3. Verifique:
[ ] 0 = + 0PA para0nI
O algoritmo requer multiplicação de matrizes, multiplicação escalar de matrizes, adição de

matrizes e avaliação de traços. Estas são operações relativamente simples disponíveis em
muitas calculadoras portáteis, com exceção da operação de rastreamento.
Entretanto, a operação de rastreamento pode ser facilmente programada usando um único loop de repetição.
A inicialização do algoritmo é simples e a iteração inversa começa com as fórmulas
1
PA a I a = + nÿ2
ÿ1nn ÿ2n
= ÿ { tr } MAS
n-2 2
O algoritmo de Leverrier produz uma forma de matriz resolvente que não pode ser
transformada inversamente por Laplace diretamente para obter a matriz exponencial. Primeiro
é necessário expandir as seguintes funções do domínio s em frações parciais:
- 1 -
én n
q em, - 1 én 2
n
= ÿ é - eu
,
n
ÿ (é- ) eu eu
eu
=1 eu
ÿ (é- ) eu eu
=1 =1
(7.29)
eu eu
n
q em, - 1 n
q
= ÿ é - eu
2
, ... ,
n
= ÿ é - eu
eu ,0
eu
=1 eu
ÿ (é- ) eu eu
eu
=1 eu
eu
=1
onde li, i = 1, . . . , n são os autovalores da matriz de estado A definida por
n - 1 + + + = ÿ base
... ... ( é-
sas [ n ] ÿ = + it sInA n- 1 1 0
( eu )( é-
1 ) eu
2
eu
n)
(7h30)
Para simplificar a análise, assumimos que os autovalores em (7.30) são distintos (isto é,
li ÿ lj, i ÿ j). O caso de autovalores repetidos pode ser tratado de forma semelhante, mas
requer termos de ordem superior na expansão de frações parciais.
Substituindo em (7.28) e combinando termos semelhantes dá

n n n
q em q q
ÿ , -
ÿ ÿ
- 1
1 ,1
[ ] - n= sI AP n- 1
++... P1 eu
+ P0 eu ,0
é - eu é - eu =1
é - eu
eu = 1 eu eu = 1 eu
1 eu eu
1 n- 1 1 n- 1 1 n- 1
=
ÿq P 1,jj
é - eu1 =
+
é - eu2
ÿ q 2P.S.
,
+ + ...
jj
é - eun
ÿ q NJJ
,
P
0 eu eu
=0 eu
=0
n 1 n- 1
ÿ ÿ
= ÿÿ q ijjP.S.
,
=1
é - eu eu
ÿÿ =0 ÿÿ
eu eu
Assim, podemos escrever a matriz resolvente na forma simples

n 1
-
[sI A
n ] - =
COM
(7.31)
ÿ1 é - eu
eu
eu
=1 eu
onde as matrizes Zi, I = 1, 2, . . . , n são dados por
- 1
ÿn ÿ
COM = qP ijj (7.32)
eu
ÿ,
ÿÿ = 0 ÿÿ
j
Finalmente, invertemos a transformada de Laplace para obter a matriz exponencial

n
e No =
ÿ Ze eu
eu teu
(7.33)
eu
=1
Esta é a forma geral da expansão usada para simplificar o cálculo no Exemplo 7.7 e é a forma que
usaremos ao longo deste texto.
Exemplo 7.8
Use o algoritmo de Leverrier para calcular a matriz exponencial para a matriz de estado descrita no Exemplo
7.7:
ÿ0 1 ÿ 0 ÿ
UMA = 00ÿ 1 ÿ
- -
ÿ 0 10 11
ÿ
ÿ ÿ
Solução
1. Inicialização:
= 3
PI tem = ÿtr { } =A 11
2 2
2. Iteração retroativa: k = 1, 0
(a) k = 1
ÿ 11 1 0 ÿ
PA a IAI = + = + 1 2 3 3 11 = ÿ
0 11 1 ÿ
ÿ ÿ
-
ÿ 0 10 0
ÿ
ÿÿ
ÿÿÿÿ
11 1 0 ÿÿÿÿÿ
01 0 ÿÿÿ
11=ÿ{}=ÿ
um 1 tr Bem , 1 tr ÿ
ÿÿ
0 11 1 ÿ
00 1 ÿÿÿ
2 2 ÿÿ ÿ
ÿÿ ÿÿ
0 10 0- ÿÿ
ÿ 0 10 -11 -
ÿÿ ÿÿ
ÿÿÿ
0 11 1 ÿÿÿÿ
1
=- pa ÿ
ÿÿ
0 10 -0 ÿ
= 10
2 ÿÿ
00 - 10
ÿÿ ÿÿ
(b) k = 0
11 1 0 ÿÿ
01 0 ÿÿ ÿÿ
10 0 0 ÿÿ ÿ
10 11 1 ÿÿ
PPA
0 a I1= + 13
= ÿ ÿ 0 11 1 ÿ ÿ ÿ ÿ
ÿ00ÿÿÿÿ 1 + 0 10 0 = 000
ÿ
0 10 0- ÿ 0 10 11 ÿÿ
ÿÿÿ ÿÿÿ
0 0 10 ÿÿÿ ÿ 000 ÿÿÿ
ÿÿÿÿ
10 11 1 ÿ 01 0 ÿÿÿÿ ÿÿ
000 ÿÿÿÿ
1 1
a0 =ÿ{ PA0 } = ÿ tr 3 3 1 tr ÿÿÿ00000ÿÿÿÿÿÿ 1 =- pa ÿÿÿÿ000ÿÿÿ = 0
ÿÿ ÿÿ ÿÿ ÿÿ
3
ÿÿÿÿ
000 0 10 11 ÿÿ
ÿ ÿÿ ÿ ÿÿ 000 ÿ ÿÿ ÿ
3. Verifique:
01 0 ÿÿÿÿÿ
10 11 1
[]0= PA0 para eu +0n == ÿ ÿ 0 0 ÿ ÿ 1 ÿ

0000ÿÿÿ ÿÿ=[]
ÿ
ÿ 0 10 11 000
ÿÿ
ÿ
ÿÿ
Assim, temos
ÿÿ
10 11 1 ÿÿ ÿÿ
11 1 0 ÿÿ ÿÿ
100 ÿÿ
000 + 0 11 1 s + 010 2s
ÿ1 ÿÿÿ
000 ÿÿÿ ÿÿÿ
0 10 0- ÿÿÿ ÿÿÿ
001 ÿÿÿ
[ ] sIn A- = 2
10 11 + + s 3ss
O polinômio característico do sistema é
segundos
3
2 )( + ) 11 10 1 10 + + = + ssss ( é
e os autovalores do sistema são {0, ÿ1, ÿ10}.

A seguir, obtemos as expansões em frações parciais
2s
3
q 0 ÿ ( 19
) (10 )
=
eu ,2 9
3 ÿ - eu
=+1+ +
1 é eu
ss 10+ s
= ÿ (é - )eu
eu
eu
eu 1 =
é
3
0
( ) )
= q eu ,1 19 + ÿ ( 19
3 ÿ =+1+
1 é - eu eu
ss 10+ s
= ÿ (é - )eu
eu
eu
eu = 1
1
1 3
q ( 1 10 ) ÿ( 9
) ( 1 90 )
= eu ,0 = + +
3 ÿ é - eu é s + 1 s + 10
1
= ÿ (é - )eu
eu eu
eu
eu 1 =
onde alguns dos coeficientes são zero devido ao cancelamento. Isso nos permite avaliar o
matrizes
ÿ
10 11 1 ÿÿ
000
Z1 = ( 1 10 ÿ)
ÿÿÿ
000 ÿÿÿ
ÿ
10 11 1 ÿ ÿ
11 1 0 ÿÿ ÿ
100 ÿ ÿ
0 10 1 ÿÿ
= 000 0 11 1 + 010 0 10 1 ÿ
Z2 ÿ ( 19 ÿ)
ÿ+(ÿ 19 ÿ)
ÿ ( 19 ÿ)
ÿ=(ÿÿ 19 ÿ)
ÿÿÿ
000 ÿÿ ÿÿÿ
0 10- 0 ÿÿÿ ÿÿÿ
001 ÿ ÿÿÿ
0 10 1 ÿÿ
ÿÿÿ
ÿ 0ÿ 0100 11
ÿ ÿ1ÿÿÿÿ ÿ 1ÿ ÿ11ÿ 1
ÿ 10
0 ÿ 0ÿ 0 11 ÿ0
ÿ100
ÿÿÿ
10
Z3
ÿ ÿÿ 0ÿ 00 010ÿ 10
ÿ01 +
= ( 1 90 ) ÿ ÿ ÿ 0 100 100ÿ ÿ ( 19 )ÿ +( 9
)ÿ ÿ ÿ 0 0 1
ÿÿ -
ÿÿ0
= ( 1 90 )
ÿÿ
Portanto, a matriz de transição de estado é
ÿÿ
10 11 1 ÿ 0 ÿÿ
0 10- 1 -
ÿ ÿÿ
01 1 ÿÿ
- t -
e e e 10 toneladas
e
E = 000 + 0 10 1 ÿ
+ 0 10- 10 -
ÿ ÿ 10 ÿ9ÿÿ 90
ÿÿÿ
000 ÿÿ ÿÿÿ
0 10- 1 -
ÿÿÿ
0 100 100 ÿÿÿ
Assim, obtivemos a resposta do Exemplo 7.7 com muito menos expansões de frações parciais, mas com
algumas operações adicionais com matrizes constantes. Como estas operações são facilmente realizadas
utilizando uma calculadora, este é um pequeno preço a pagar pela simplificação resultante.
7.4.2 Expansão de Sylvester

As matrizes Zi, i = 1, 2, . . . , n, obtidos na Seção 7.4.1 usando o algoritmo de Leverrier,
são conhecidos como matrizes constituintes de A. As matrizes constituintes também
podem ser calculadas usando a fórmula de Sylvester como segue:
n
AI jn- eu ]
ÿ[
j
=1
ÿ ji
Z = eu
n
(7.34)
ÿ[ eueu
] -euj
=1
jjiÿ
onde li, i = 1, 2,…, n são os autovalores da matriz A.

O cálculo numérico da matriz exponencial usando (7.34) pode ser problemático. Por exemplo,
se dois autovalores são quase iguais, o denominador escalar na equação é pequeno, resultando
em grandes erros computacionais. Na verdade, o cálculo numérico da matriz exponencial não é
tão simples como a nossa apresentação pode sugerir, com todos os procedimentos computacionais
conhecidos falhando em casos especiais. Estas questões são discutidas com mais detalhes num
conhecido artigo de Moler e Van Loan (1978).
Exemplo 7.9
Calcule as matrizes constituintes da matriz A dada nos Exemplos 7.7 e 7.8, usando a
fórmula de Sylvester.
Solução
3
ÿ [IA - euJN ]
j =1 ÿ 10 11 1 ÿ
AIAI 10 )
COM
1
= deÿ
= ( + )( + n n
= ( 11 0 ) ÿ
000 ÿ
3
(1)(10)
ÿ [0 ] - eu
ÿ ÿ
j ÿ 000
ÿ
ÿ
ÿ
j =1
deÿ
ÿ [IA ] - eu JN
ÿ 0 10 1
ÿÿ
j =1 ÿ
( + 10 n ) =
CIDADE
2
COM = deÿ
= (1 ) ÿ
0 10 1 ÿ
3
1 + )1 10
(ÿ )(ÿ 9
ÿ [ ]
ÿ ÿ
ÿÿ
1 euj ÿ 0 10 1
ÿ
ÿÿ
ÿÿ
j =1
deÿ
ÿ [IA - euJN ]
1 1 ÿ
j =1 ÿ0
(+)
CIDADE n
COM
3
= deÿ
= = (1 ÿ
0 10 10 ÿ
3
10 +10) 1 90) ÿ ÿ
(ÿ )(ÿ
ÿ [ ]
ÿ ÿ
ÿÿ
10 euj ÿ 0 100 100

ÿ
ÿ
ÿ
j =1
deÿ
As matrizes constituintes podem ser usadas para definir qualquer função analítica de uma
matriz (ou seja, uma função que possua uma série de Taylor) e não apenas a matriz exponencial.
A seguinte identidade é verdadeira para qualquer função analítica f(l):
n
f ( Um
) = dia f (eu
)eu (7,35)
= ÿ1
eu
Esta identidade nos permite calcular as funções eAt e Ai , entre outros. Utilizando
as matrizes Zi descritas no Exemplo 7.9 e (7.35), obtemos a matriz de transição de estado descrita
no Exemplo 7.7.
7.4.3 A Matriz de Transição de Estado para uma Matriz de Estado Diagonal
Para uma matriz de estado L na forma
L =diag{ eu1,eu 2 , ... , eun } (7,36)
A matriz resolvente é
1 1 1 1
[e n ] - - eu = diagnóstico , , ... , (7,37)
{ -é eu1 é - eu2 é ÿ }eun
A matriz de transição de estado correspondente é

-
e
eu = eu e n ] EU 1
ÿ{[ }
=
{ diag. sim ,
eu1t eu2 t
, ..., e
eunão
}
= diagnóstico { 1} , 0,...,
0 e
eu1t
+diag{ 0 ,1,...,
0 } e eu 2t
...
+ +diag{ 0 ,0,..., }é
isso
eunão
(7,38)
Assim, a i-ésima matriz constituinte para a forma diagonal é uma matriz diagonal com entrada
unitária (i, i) e todas as outras entradas iguais a zero.
Exemplo 7.10
Calcule a matriz de transição de estado se a matriz de estado L for
eu = {1, 5diagrama
6 20 }
ÿÿÿÿ
, ,
Solução
Usando (7.38), obtemos a matriz de transição de estado
- -
Tenente
=
{ diag.,t eee
ÿÿ
t 5 toneladas
,
6
,
20 t
}
Assumindo autovalores distintos, a matriz de estado pode, em geral, ser escrita na forma
1
= - eu
AVVVW = eu (7,39)
onde
T
ÿ Em1 ÿ
T
Em2
ÿ ÿ
EM =[ vv 1 2 ÿ
emn ] EM = ÿ ÿ
ÿ ÿ ÿ
ÿ
T ÿ
Emn
ÿ ÿ
vi, wi, = i = 1, 2,…, n são os autovetores direito e esquerdo da matriz A, respectivamente. O fato de
W ser o inverso de V implica que seu produto é a matriz identidade – isto é,
WV = [ ] em
Eu vj = EUn
Equacionar entradas de matriz dá
1, eu= j
T
em vi j
= {0 (7.40)
, euÿ j
Os autovetores direitos são os autovetores usuais da matriz, enquanto os autovetores

esquerdos podem ser mostrados como os autovetores da matriz transposta.
A matriz A elevada a qualquer potência inteira i pode ser escrita na forma
eu eu
( = ( LL ) ...( ) = AVWVWVWVW eu eu (7.41)
Substituindo de (7.41) na expansão da série exponencial da matriz dá

n eu
( No
)
e
No = ÿ !
eu
=1 eu
n
)
eu
Peso
eu
=(ÿ
eu
=1 eu !
n
V t( eu
W) eu(n t )
eu eu
= ÿ !
= EM
ÿW !
eu
=1 eu =1
eu
eu
Aquilo é,
e No
eW= Eu t
(7.42)
Assim, temos uma expressão para a matriz exponencial de A em termos da matriz

exponencial para a matriz diagonal L. A expressão fornece outro método para calcular a
matriz de transição de estado usando a autoestrutura (autovalores e autovetores) da
matriz de estado. A desvantagem do método é que o cálculo da estrutura própria é
computacionalmente caro.
Exemplo 7.11
Obtenha as matrizes constituintes da matriz de estados utilizando (7.42); então obtenha a matriz de transição
de estado para o sistema:
ÿ 01 ÿ
xÿ (t) = x -t
ÿÿ
ÿÿ
23 ÿÿ()
Solução
A matriz de estado está na forma companheira e sua equação característica pode ser escrita diretamente com o
coeficiente obtido pela negação da última linha da matriz
2
eu 2 1 + + =(+eu
3 eu eu) =2 0
)( +
Os autovalores do sistema são, portanto, {ÿ1, ÿ2}. A matriz de autovetores é a matriz de Van der Monde
ÿÿ ÿ2 ÿ1 ÿ ÿ
ÿ 1 1 ÿ - 1
1 1 ÿÿ
= ÿ
21 ÿ
V=ÿ WV= =
ÿ
ÿÿ
12 ÿÿ +2 1 - ÿÿ
ÿÿ
11 ÿÿ
A matriz exponencial é
- t
1 1 e 0 21
= ÿ ÿ ÿ ÿ
ÿÿÿ
e No
eW = Eu t
ÿ -
12 ÿÿ
ÿÿ
ÿÿ
0 e 2 toneladas
ÿÿ
ÿÿ
11 ÿÿ
ÿ ÿ
21
ÿ 1 ÿ ÿ 1ÿ ÿ
= { - 1
e
- t
0]+
-
0 e
- 2 toneladas
ÿÿ ÿ[ ÿ ÿ 2[ÿÿ ]} ÿÿ ÿÿ ÿ ÿ 1 1 ÿ
1 ÿ
1 ÿ
= ÿ
2 1 ÿ ÿ eÿ ] +
- t ÿÿ
]11 e
- 2 toneladas
- 1 - 2
ÿ ÿ[ ÿ ÿ ÿ[ ÿ
21 ÿ ÿÿ ÿ1 ÿ1 ÿ ÿ
= ÿ
e
- t
e
- 2 toneladas
ÿÿÿ
ÿÿ
2 1+ ÿ ÿ 22 ÿÿ
Como se pode inferir das matrizes particionadas usadas no Exemplo 7.11, a expressão (7.42)
pode ser usada para escrever a matriz de transição de estado em termos das matrizes constituintes.
Primeiro obtemos o produto
ÿÿ
e eu1t
0 ÿ
0 ÿÿ
ÿÿ
Tw
1 ÿÿ
L
0 e eu2 t ÿ
0 Tw
2
e Wt = ÿÿ
ÿ ÿÿÿ ÿÿ ÿ
ÿÿ
ÿÿ
00 ÿ
e eunão
ÿ
Tw
n ÿÿÿÿ
ÿÿ w1
T
ÿÿ ÿ
01×n ÿÿ ÿ
01×n ÿÿ
01×n Tw
2
ÿ0ÿÿ
1×n
= e eu
t1 + e eu2 t
+ +... e eu1t
ÿ ÿ ÿ
01×n ÿÿÿÿ
0ÿ 1×n ÿÿÿÿ ÿÿ
Tw
n ÿÿÿÿ
ÿÿÿÿÿÿ ÿÿÿÿ
Então pré-multiplicamos pela matriz de partição V para obter
ÿÿÿ w1
T
ÿÿ ÿÿ
01×n ÿÿ ÿÿ
01×n ÿÿ ÿ
ÿÿ T
0ÿÿ]ÿÿ 1× n w2 01×n
E WEu t =[ vv 1 2 ÿ
em
n ÿ ÿ
e eu1t
+ e eu2 t
+ +... e eunão
ÿÿ
(7,43)
0ÿÿ ÿ ÿ ÿ
1× n
01×n Twn
ÿÿÿÿ ÿÿÿÿ ÿÿÿÿ ÿÿÿÿ ÿÿÿÿ ÿÿÿÿ
Substituindo os rendimentos de (7,43) por (7,42)
n n
E
e =
ÿÿ Z para
eu
eueu = vw eu isto
e eueu
(7,44)
eu
=1 eu
=1
Portanto, a i-ésima matriz constituinte de A é dada pelo produto dos i-ésimos autovetores
direito e esquerdo. As seguintes propriedades da matriz constituinte podem ser provadas
usando (7.44). As provas ficam como exercício.
Propriedades das matrizes constituintes 1.

As matrizes constituintes têm classificação 1.
2. O produto de duas matrizes constituintes é

=
{Com, ijij ÿ
eu
ZZ ij =
0,
Elevar Zi a qualquer potência dá a matriz Zi. Diz-se que Zi é idempotente.

3. A soma das n matrizes constituintes de uma matriz n × n é igual à identidade
matriz de cidade
n
DIA= eu n
= ÿ1eu
Exemplo 7.12
Obtenha as matrizes constituintes da matriz de estado do Exemplo 7.11 usando (7.44) e verifique se elas
satisfazem as Propriedades 1 a 3. Em seguida, obtenha a matriz de transição de estado para o sistema.
Solução
As matrizes constituintes são
1 21
Z1 = ÿ ÿ 21 ÿ]= ÿ
- 1 2 ÿÿ
1
ÿ[ ÿÿÿ ÿÿ ÿÿ
1 ÿÿ 1
ÿ 1ÿ
Z2 =ÿ ÿ 11 ÿÿ= ]
- 2 22
ÿ[ ÿÿÿ ÿÿ ÿÿ
Ambas as matrizes têm uma segunda coluna igual à primeira e claramente têm classificação 1. O produto da
primeira e da segunda matrizes é
21 ÿ ÿÿ 1ÿ 1ÿ
Com Z1 2
=ÿ
ÿ
21 ÿÿ
22
ÿÿ ÿÿ ÿÿ
0 0 ÿ ÿÿ 1 ÿ1 ÿÿ
21 ÿ
=ÿÿ
21
0 0 ÿÿ=ÿÿ 2 2
ÿÿ ÿÿ ÿÿ
2 ÿ ÿ1 ÿ ÿ = ZZ
Os quadrados das matrizes são
ÿ 21 ÿÿ
21 ÿ ÿ 21 ÿ
Z Z1 1 =
ÿÿ
ÿÿ
21 ÿÿ ÿÿ
ÿÿ
21 ÿÿ=ÿÿ
ÿÿ
2 1ÿÿ
11 ÿ ÿÿ 1ÿ 1ÿ ÿÿ 1 1ÿ
Z Z2 2 = ÿÿ ÿ ÿ
ÿÿ
22 22
ÿÿ ÿÿ ÿÿ=ÿÿ 2 2 ÿÿ
A matriz de transição de estado é
2
21 ÿÿ ÿ1 1ÿ
ÿ = ÿ ÿ
E eu t - t -
e = Z para
eu
eu
e e
2 toneladas
21 ÿÿ+ÿÿ 22
ÿÿ
eu
=1 ÿÿ ÿÿ
Exemplo 7.13
Obtenha a matriz de transição de estado para o sistema com matriz de estado
ÿ0 1 3 ÿ
UMA =
ÿ
356 ÿ
ÿ ÿ
ÿ5 6 7
ÿ
ÿ
ÿ
Solução
Usando o comando MATLAB eig, obtemos as matrizes
- -
ÿ 0 .8283 0 2159 0. 5013 . ÿ ÿ 0 .8355 0 3121 0
. 4952 . ÿ
V= ÿ - 0. 7931
0 .1173 0 6195 - . ÿ
W- = ÿ - .0 7357
0 .4050 0 5768 - . ÿ
ÿ ÿ ÿ ÿ
- - -
ÿ 0 .5479 0 7547 .0
ÿ
.3459 ÿ ÿ
ÿ 0 .4399 0 7641 0. 5014
ÿ . ÿ
ÿ
e os autovalores {ÿ1,8429, 13,3554, 0,4875}. Então multiplicando cada coluna de V pela linha correspondente de
W, obtemos as matrizes constituintes
-
ÿ 0 .6920 0 2585 .0 4102 . ÿ ÿ 0 .0874 0 1245
. 0 1588 . ÿ
= ÿ
0 .0980 0 0366 .0 0581 - . ÿ
Z= ÿ
0 .2509 0 3573. 0 4558 . ÿ
Z1 2
ÿ ÿ ÿ ÿ
- -
ÿ 0 .4578 0 1710 .0
ÿ
.2713 ÿ ÿ
ÿ 0 . 3057 0 4353
ÿ . 0 5552 . ÿ
ÿ
-
ÿ 0 .2205 0 3831 0. 2513 . ÿ
= ÿ - 0 .3489 0 6061. 0 3977 - . ÿ
Z3
ÿ ÿ
- -
ÿ 0 .1521 0 2643 .0
ÿ
.1734 ÿ ÿ
A matriz de transição de estado é
-
ÿ 0 .6920 0 2585 .0 4102 . ÿ ÿ 0 .0874 0 1245
. 0 1588 . ÿ
E - 1 .8429 t 13 .3554 t
e = ÿ
0 .0980 0 0366 .0 0581 - . ÿ
e + ÿ
0 .2509 0 3573. 0 .4558 ÿ
e
ÿ ÿ ÿ ÿ
- -
ÿ 0 .4578 0 1710 .0
ÿ . 2713 ÿ ÿ
ÿ 0 .3057 0 4353. 0 5552
ÿ . ÿ
ÿ
-
ÿ 0 .2205 0 3 . 831 0 2513
. ÿ
+ ÿ - 0 .3489 0 6061. 0 3977 - . ÿ
e0 4875. t
ÿ ÿ
- -
ÿ 0 .1521 0 2643 .0 1734
ÿ . ÿ ÿ
7.5 A Matriz da Função de Transferência

A matriz da função de transferência de um sistema pode ser derivada de suas equações de estado e de
saída. Começamos por Laplace transformando a equação de estado (7.3) com condições iniciais zero para
obter
X (s ) = ÿsI[ nAB s ]
ÿ1
Em ( ) (7,45)
Então transformamos Laplace a equação de saída e substituímos de (7.45) para obter
ÿ1
Y(s )C=sIÿ [AB
] ns D s ( ) EM Em ( ) +
A última equação pode ser reescrita na forma

S ( )Hs
s = você ( ) é( ) yÿ
eu
ÿÿÿ ( ) = (t H
)ÿ t( ) você
(7,46)
- 1 eu
H s( )C=sI ABDH
ÿ[n t ] + ÿ ÿÿÿ ( No
) = + Este BD t(d )
onde H(s) é a matriz da função de transferência e H(t) é a matriz de resposta ao impulso.

As equações enfatizam o fato de que a função de transferência e a resposta ao impulso
são pares de transformadas de Laplace.
A equação anterior não pode ser simplificada ainda mais no caso MIMO porque a divisão por um vetor U(s)
não está definida. No caso SI, a função de transferência pode ser expressa como um vetor de proporções entre
produtos e insumos. Isso se reduz a uma única razão escalar no caso SISO. Em geral, a ij-ésima entrada da
matriz da função de transferência denota
()
E sim
hs ij ()= eu
(7,47)
(Você
)j =é ÿ U0,lj zero eu
condições iniciais
A Equação (7.46) pode ser reescrita em termos das matrizes constituintes de A como
ÿ n 1 ÿ
H é( )CZ
=
ÿÿ
ÿ é - eu
ÿÿ+
BD
eu
=1 eu
Por isso,
n 1 n
Hs( ) = ÿ CZB + ÿDH
ÿÿÿt ( ) =
eu
ÿ CZ Seja D t i eu
eu
+ ( )d (7,48)
é -
eu
eu
eu
=1 eu eu
=1
Isso mostra que os pólos da função de transferência são os autovalores da matriz de

estado A. Em alguns casos, entretanto, um ou ambos os produtos da matriz CZi, ZiB
são zero e os autovalores não aparecem na função de transferência reduzida.
A avaliação de (7.46) requer o cálculo da matriz resolvente e pode ser realizada
utilizando o algoritmo de Leverrier ou a fórmula de Sylvester. No entanto, isto implica
um esforço considerável. Portanto, só devemos usar (7.46) para avaliar a função de
transferência se as equações do espaço de estados forem dadas e a entrada-
7.5 A Matriz da Função de Transferência 257
equações diferenciais de saída não são. Geralmente é mais simples obter a função de
transferência pela transformação de Laplace da equação diferencial de entrada-saída.
Exemplo 7.14
Calcule a função de transferência do sistema do Exemplo 7.7 com a posição angular como
saída.
Solução
ÿÿ
10 11 1 ÿ ÿ
0 10 1
ÿÿ
ÿ ÿ
1 1
ÿ ÿ ÿ ÿ ÿ ( + ) 9 1 s ÿ ÿ ÿ 0 10 +
000 + 0 10 1
ÿ ÿ ÿ 10s ÿ 1ÿ ÿÿÿÿÿÿ
0 ÿÿ
ÿÿ 000 ÿ
ÿÿ
Hs ÿ ÿ ÿ ÿ ( ) = [ ÿ] 1ÿ 0 0 ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿÿÿ
0
0 1 1
ÿ
ÿ ÿÿ
1 ÿ 10 ÿÿÿ
0 10 10 ÿÿ
ÿ ÿ ( + ) 90 10 s ÿ ÿ
0 100 100
1 10 1
=- +
é ( é+ ) 9 1 ( é+ ) 9 10
10
=
sss(( + ) + 1 10 )
7.5.1 Comandos MATLAB

MATLAB obtém a função de transferência para as matrizes (A, B, C, D) com os comandos
>> g = tf(ss(A, B, C, D))

Por exemplo, as matrizes
ÿ ÿÿ 0ÿ 1ÿ 03 ÿ4 ÿ2 ÿ ÿ ÿ ÿ1
ÿ00
ÿÿÿ
UMA = 01 1 B = ÿÿÿÿ01
ÿÿÿ
ÿ0 1 0 ÿ ÿ0 1 ÿ
C= D =
ÿÿ
011 ÿÿ
01 ÿÿ ÿÿ
são inseridos como
>> UMA = [zeros(2, 1), [1, 0; 1, 1]; -3, -4, -2]; B = [zeros(1, 2); olho (2)]
>> C = [zeros(2, 1), [1, 0; 1, 1]]; D = [zeros(2, 1), uns(2, 1)
Então a função de transferência para a primeira entrada é obtida com o comando de transformação
>> g = tf(ss(A, B, C, D))

Função de transferência da entrada 1 para a saída

ÿ 2 + 2s
#1: ------------------
sÿ 3 + sÿ 2 + 2s + 3
sÿ 2 - 2s - 3
#2: ------------------
sÿ 3 + sÿ 2 + 2s + 3
Função de transferência da entrada 2 para a saída

sÿ 3 + sÿ 2 + 3s + 3
#1: -------------------
sÿ 3 + sÿ 2 + 2s + 3
sÿ 3 + 2sÿ 2 + 2s + 3
#2: --------------------
sÿ 3 + sÿ 2 + 2s + 3
Estes correspondem à matriz da função de transferência

2
ÿ é + 2é ÿ
2
é 2 é3
ÿ
ÿ
ÿÿ
ÿÿ
Hs1 ( ) =
32
sss+ + + 23
A coluna da função de transferência correspondente à segunda entrada pode ser obtida de forma semelhante.
O comando tf também pode ser usado para obter a matriz resolvente definindo
B = C = In com D zero. O comando assume a forma
>> Resolvente = tf(ss(A, olho(n), olho(n), 0))
7.6 Equações de Estado-Espaço em Tempo Discreto

Dado um sistema analógico com entradas constantes por partes durante um determinado
período de amostragem, as variáveis de estado do sistema no final de cada período podem
ser relacionadas por uma equação de diferenças. A equação de diferença é obtida
examinando a solução do estado analógico derivado na Seção 7.4, durante um período de
amostragem T. A solução é dada por (7.25), que é repetida aqui por conveniência:
A t(f 0 ) - t- f No( f ) -t
x t (f ) = e x ( t) 0+ ÿ eBd em ( t) t (7,49)
t0
Seja o tempo inicial t0 = kT e o tempo final tf = (k + 1)T. Então a solução (7.49) se reduz a
(1+mil
) T
A k((T+ ) ÿ ) (t )
Àx
( + ) = ( ) + x k 1 ek ÿ 1e Você t t (7,50)
kT
onde x(k) denota o vetor no tempo kT. Para uma entrada constante por partes
7.6 Equações de Estado-Espaço em Tempo Discreto 259
) ÿ k< kT
você= (t( ), + ( tk
1)T
a entrada pode ser movida para fora da integral. O integrando pode então ser
simplificado alterando a variável de integração para
) -1
eu = +k( T t
ddeu = - t
A integral agora se torna

0 T
A eu A
{ ÿ e B d (ÿ
T
( )k=
eu)} em {ÿ0 e Bdeuk ( ) você
eu }
Substituindo em (7.50), obtemos a equação de estado em tempo discreto
x (k+ 1) = (A)k-d+xB k você d () (7,51)
onde
A e =d
NO
(7,52)
T
B de Bd A eu eu
= ÿ0 (7,53)
Ad é a matriz de estado de tempo discreto e Bd é a matriz de entrada discreta, e eles são

claramente da mesma ordem que suas contrapartes contínuas. A matriz de estado em
tempo discreto é a matriz de transição de estado para o sistema analógico avaliado no
período de amostragem T.
As equações (7.52) e (7.53) podem ser simplificadas ainda mais usando propriedades da matriz exponencial.
Para a matriz de estado invertível A, a integral da matriz exponencial é
No = No
] = por
- No[ IA
ÿ e dt A e eu ÿ [
ÿ1 ÿ1
n ]n
(7,54)
Isso nos permite escrever Bd na forma

Eles= sãoÿ1 NO IBn e NO
] =IAB ÿ [
ÿ1
d ÿ[ ]n
(7,55)
Usando a expansão da matriz exponencial (7.33), reescrevemos (7.52) e (7.53) como
n
De
Anúncios
= ÿ Z para
eu
eu T eu
(7,56)
eu
=1
n
T
Bd =
ÿ ÿÿ 0 ÿÿ =1
eu t ÿ
Z e Bd
eu
ÿ
eu
ÿ
t
eu
n
(7,57)
T
=
ÿÿ =1
ZB ed. eu
0
eu t eu
t
eu
Os integrandos em (7.57) são funções escalares e a integral pode ser facilmente

avaliada. Como assumimos autovalores distintos, apenas um autovalor pode ser
zero. Portanto, obtemos a seguinte expressão para Bd:
n - e eu T
ÿ1
eu
ÿ ÿ
ÿ
ÿ ZB
eu
- eu
eu ÿ 0 eu
=1 ÿÿ ÿÿ
=
ÿ
eu
B ÿ
eu
(7,58)
d
n - e eu T
ÿ1
eu
ÿ
ÿ
ÿ
Z BT ZB + ÿ ÿ ÿ
1 ÿ eu
- eu
eu1 = 0
eu
=2 eu
ÿÿ
A equação de saída avaliada no tempo kT é
(k C k D kx) = ( ) + ( ) yem (7,59)
A representação no espaço de estados em tempo discreto é dada por (7.51) e (7.59).

A Equação (7.51) é aproximadamente válida para um vetor de entrada geral u(t), desde que o período de
amostragem T seja suficientemente curto. A equação pode, portanto, ser usada para obter a solução da equação
de estado no caso geral.
Exemplo 7.15
Obtenha as equações de estado em tempo discreto para o sistema do Exemplo 7.7:

ÿ
ÿx 1ÿ ÿ0 1 0 ÿ ÿx 1ÿ ÿ 0 ÿ
ÿ
x ÿ
= ÿ
00 1 ÿ ÿ
x ÿ
+ ÿ
0 ÿ
em
2 2
- -
ÿ
ÿx
ÿ
3 ÿ ÿ
ÿ 0 10 11
ÿ
ÿ ÿx
ÿ ÿ
3 ÿ ÿ
ÿ 10 ÿ
ÿ ÿ
para um período de amostragem T = 0,01 s.
Solução
Do Exemplo 7.3, a matriz de transição de estado do sistema é
- - 1 ÿ
ÿ 10 11 1 ÿ 0 ÿ 0 10 1 ÿ -
ÿ0 1 -
e e t e 10 t
E
e = ÿ
000 ÿ
+ ÿ
0 10 1 ÿ
+ ÿ
0 10 -10 - ÿ
ÿ ÿ
10 ÿ ÿ
9 ÿ ÿ
90
- -
ÿ 000
ÿ
ÿ ÿ
ÿ 0 10 1
ÿ
ÿ ÿ
ÿ 0 100 100
ÿ
ÿ
ÿ
Assim, a matriz de estado em tempo discreto é
ÿ 10 11 1 ÿ ÿ 0 10 1
ÿÿ
ÿ ÿ0 1 1 ÿ
0 - 0 .01 ÿ ×01
10 0 .
e e e
Dedo =
do pé 0 .01× A = ÿ
000 ÿ
+ ÿ
0 10 1 ÿ
+ ÿ
0 10 -10 - ÿ
d
ÿ ÿ
10 ÿ ÿ
9 ÿ ÿ
90
ÿ 000 ÿ ÿ 0 10 1 ÿ ÿ 0 100 100 ÿ
ÿÿ
ÿ ÿ ÿ ÿ ÿ ÿ
Isto simplifica para
ÿ 1 .0 0 .1 0 .0 ÿ
Anúncio =
ÿ
0 .0 0 9995. 0 0095 . ÿ
ÿ ÿ
- .0 8954
0 .0 0 0947 .
ÿ
ÿ
ÿ ÿ
A matriz de entrada em tempo discreto é

- 0 .01 10 0 01 ÿ.×
BZB d=1 ( ) + 0 01 . ZB é 2
ÿ1( ) + ZB é 3 ÿ1( ÿ ) 10
-
.
ÿ 0 01 ÿ ÿ 1ÿ ÿ 1
= 10 1 - e . 0 01
- 1 - e . 10 0 01 ÿ ×
ÿ
ÿ
0 ÿ
ÿ
+ ÿ
ÿ
1 ÿ
ÿ
( 9 )(
) +- ÿ
ÿ
10 ÿ
(ÿ 90 )( 1 )
-
ÿ
ÿ 0 ÿÿ
ÿ 1ÿ
ÿ ÿ
ÿ 100 ÿ
ÿ ÿ
7.7 Solução de Equações Estado-Espaço em Tempo Discreto 261

- 6
ÿ 1 .622 10× ÿ
- 4
Bd =
ÿ
4 .821 10× ÿ
ÿ ÿ
- 2
ÿ 9 .468 10×
ÿ
ÿ
ÿ
7.6.1 Comandos MATLAB para Equações de Estado-Espaço em Tempo Discreto
O comando MATLAB para obter o quádruplo pd do espaço de estados discreto a partir do quádruplo contínuo
p com período de amostragem T = 0,1 é
>> pd = c2d(p, 0,1)
Alternativamente, as matrizes são obtidas usando (7.52) e (7.55) e os comandos MATLAB
>> Anúncio = expm(A * 0,05)
>> Bd = A\ (Olho Ad(3))* B
7.7 Solução de Equações Estado-Espaço em Tempo Discreto

Procuramos agora uma expressão para o estado no tempo k em termos do vetor de condição inicial x(0) e da
sequência de entrada u(k), k = 0, 1, 2,…, k ÿ 1. Começamos examinando- calculando a equação de estado
em tempo discreto (7.51)
x (k+ 1) = ( A
) +k dB k ( ) d
Em k = 0, 1, temos
x ()=1 -dx ( ) + 0 B d em (0)

(7,60)
x UMA
( ) = 2 A -dx (1)1 + B( )d em
Substituindo da primeira na segunda equação em (7.60) dá
x ( ) = [ 2 AAxdd ( ) + 0 B você ( )] + 0 B d em (1)

(7,61)
= A d2 x ( ) + 0 ABvocê dd ( ) + 0 B d em (1)
Então reescrevemos (7.61) como

2 -1
eu 2 1
()
ÿÿ
x ()=2 A 2x ()+0 AB eu você d (7,62)

dÿd
eu
=0
e observe que a expressão generaliza para

k- 1
k para ÿÿ
x ( k) =
A x( ) + d AB d
eu ( ) você d (7,63)
0ÿ1
eu
=0
Esta expressão é de facto a solução geral. Deixamos como exercício detalhes da prova por indução onde
(7.63) é considerado válido e é mostrado que uma forma semelhante é válida para x(k + 1).
A expressão (7.63) é a solução da equação de estado em tempo discreto. O anúncio matriz

k
é conhecida como matriz de transição de estado para o sistema de tempo discreto
e desempenha um papel análogo ao de sua contraparte contínua. Uma matriz de transição de
estado pode ser definida para sistemas de tempo discreto variantes no tempo, mas não é uma
potência de matriz e depende tanto do tempo k quanto do tempo inicial k0.
A solução (7.63) inclui dois termos como no caso de tempo contínuo. A primeira é
a resposta de entrada zero devido a condições iniciais diferentes de zero e entrada zero.
A segunda é a resposta de estado zero devido à entrada diferente de zero e às condições iniciais zero. Como
o sistema é linear, cada termo pode ser calculado separadamente e depois somado para obter a resposta total
para um sistema forçado com condições iniciais diferentes de zero.
Substituindo (7.63) na equação de saída em tempo discreto (7.59) dá a saída
k - 1
ÿ k ÿ
( AC
) = ke x ( 0) + ABcriança ÿÿ
ÿ (
eu D kvocê )+
ÿ ( ) em (7,64)
ÿ d ÿ1
ÿ =
eu 0
7.7.1 Solução de Transformada z de Equações de Estado de Tempo Discreto
A equação (7.63) pode ser obtida transformando z a equação de estado de tempo

discreto (7.51). A transformada z é dada por
X x ( ) ÿ (0) = ( ) + ( ) A z BXz d
zzz EM (7,65)
d
Portanto, X(z) é dado por

X z( zI
) =A z ÿd [x n ]ÿ1[ ( ) + ( )]beleza
0 Fora (7,66)
ÿ1
Portanto, precisamos avaliar a transformada z inversa da matriz [zIn - Ad] Com.
Isso pode ser conseguido expandindo a matriz na forma da série
- 1
- 1 ÿ 1 ÿ
[ zI A ] -I
n z d
=ÿn
Ad
ÿÿ Com ÿÿ (7,67)
Eu
n
z A zd = -+1 + 22 - + + ...
d A dz
eu
- eu
+ ...
A transformada z inversa da série é
Z zI{[A z IAAA
n ] ÿ de
d
ÿ1
}={ n
, d
, 2d, ... , , ... } (7,68)
Portanto, temos o par de transformada z

-
}
ÿ
[ zI An z] ÿ ÿ dÿÿ {1 COM
De
k
Anúncios
k = 0
(7,69)
7.7 Solução de Equações de Estado-Espaço em Tempo Discreto 263
Este resultado é análogo ao par de transformada escalar

Com ÿ
COM k
- ÿ ÿÿ { } = de
Anúncios
k 0
para d
A matriz inversa em (7.69) pode ser avaliada usando o algoritmo de Leverrier de

Seção 7.4.1 para obter a expressão
P 0z P z + 1 2 + +... P nz- n
- 1 1
[ zI An z] - = (7,70)
d n- 1 n
aaz +1+1+ é 0 ... n-
+ Com
Então, após fatoração do denominador e expansão em frações parciais, obtemos
n
Com
-
[ ] ÿ nzI A z = COM (7,71)
d ÿ1 - eu eu
Com
eu
=1 eu
onde li, i = 1, 2,…, n são os autovalores da matriz de estado discreto Ad. Finalmente, invertemos a
transformada z para obter a matriz de transição de estado em tempo discreto
n
AZ kd = eu (7,72)
eu para
= ÿ1
eu
Escrevendo (7.72) para k = 1 e usando (7.52), temos

n n
AZ di = ÿ ÿ eu = eu
ZA(e) eu
eu eu (NO
)
(7,73)
eu
=1 eu
=1
onde os parênteses indicam termos pertencentes à matriz de estado de tempo contínuo

A. Como a igualdade deve ser válida para qualquer período de amostragem T e qualquer
matriz A, temos as duas igualdades
ZZA
eu = ( )
(7,74)
eu =
eu
e eueu
( )AT
Em outras palavras, as matrizes constituintes da matriz de estado de tempo discreto são simplesmente aquelas
da matriz de estado de tempo contínuo A, e seus autovalores são funções exponenciais dos valores característicos
de tempo contínuo vezes o período de amostragem. Isso nos permite escrever a matriz de transição de estado em
tempo discreto como
n
= eueu( sou
) kT
AZ ke d (7,75)
eu
ÿ1=
eu
Para completar a solução da equação do estado em tempo discreto, examinamos a

resposta do estado zero reescrita como
ÿ1
XZS(z ) = ÿ {[zI An zz B dz ]
ÿ1
} de ( ) (7,76)
O termo entre colchetes em (7.76) tem uma transformada inversa conhecida, e a multiplicação
por zÿ1 equivale a atrasar sua transformada inversa em um período de amostragem. Os termos
restantes também possuem uma transformada inversa conhecida. Usando o teorema da
convolução, o inverso do produto é o somatório da convolução
k- 1
() (7,77)
ÿÿ
xZS(k) = ÿ1
AB eu você d
criança
eu
=0
Isso completa a solução usando a transformação z.

Usando (7.75), a resposta do estado zero pode ser escrita como
k- 1
ÿ n ÿ
) ÿ ÿ qual T1
euj ( Para
xZS k ÿ ÿ ÿÿ ( ) =
Zej B eudvocê () (7,78)
eu
=0 j
=1 ÿÿ
Então, trocando a ordem da soma, dá

n k- 1
ÿ ÿ
xZS ( k) ZB
= e jd ÿ eu ( A
) ÿk1T j
ÿ eu A isso
e ÿ ( )j em ()
eu
(7,79)
j
=1 ÿÿ
eu
=0 ÿÿ
Esta expressão é útil em alguns casos especiais onde a soma de i pode ser obtida de forma fechada.
Ocasionalmente, as condições iniciais são dadas em tempo diferente de zero. O completo

a solução (7.63) pode ser deslocada para obter a resposta
k- 1
x ( A)k=d 0 kk- k
ÿx 0( ) + ABpara 1
eu você
ÿÿ
d
d () (7,80)
= 0
EU
onde x(k0) é o estado no tempo k0.
Exemplo 7.16
Considere a equação de estado

ÿ
ÿx 1 ÿ ÿ 01 ÿ ÿx 1 ÿ ÿ0 ÿ
ÿ
em
ÿÿ
x 2 ÿÿ=ÿÿ ÿÿ
23 ÿÿ ÿÿ
x 2 ÿÿ+ÿÿ 1 ÿÿ
1. Resolva a equação de estado para uma entrada em degrau unitário e o vetor de condição inicial x(0) = [1 0]T .
2. Use a solução para obter as equações de estado em tempo discreto para um período de amostragem de 0,1s.
3. Resolva as equações de estado em tempo discreto com as mesmas condições iniciais e entradas da parte 1 e
verifique se a solução é a mesma mostrada na parte 1 avaliada em múltiplos do período de amostragem T.
Solução
1. Começamos encontrando a matriz de transição de estado para o sistema dado. A matriz resolvente é
ÿé + 3 1 ÿ ÿ1 0 ÿ ÿ 31 ÿ
- 1 é
- 1 ÿ - -
ÿé 2 é ÿÿ 01 ÿÿ+ÿÿ 2 0
ÿs ( ) = = ÿÿ ÿÿ
2 + 3ÿ ÿ ÿ ÿ = 2 + +3 ss 2
ÿÿ
é 2 (ss + 1)( + )
7.7 Solução de Equações Estado-Espaço em Tempo Discreto 265
Para inverter a transformada de Laplace, precisamos das expansões em frações parciais
1 1 - 1
= +
é2
(s + )( + ) 1 (é
+) 1 (é+ )2
é - 1 2
= +
1 2+é)
(s + )( (é+ )1 (é+ )2
Assim, reduzimos a matriz resolvente para
1 0 ÿ ÿ 31 ÿ ÿ1 0 ÿ ÿ 31 ÿ
- ÿ 2
- -
ÿ0
ÿ ÿ1ÿ + ÿ ÿ ( + ) 2 0 ÿÿ ÿ0
ÿ ÿ1ÿ ÿ ÿ ÿ ( + ) 2 0 ÿÿ
Fs( ) = +
é 1 é 2
ÿ 21 ÿ ÿÿ 1
ÿ 1ÿ
ÿÿ
21 22
= ÿÿ ÿÿ
+
ÿÿ ÿÿ
(é+ )1 (s+2)
As matrizes na expansão anterior são ambas de posto 1 porque são as matrizes constituintes da
matriz de estado A. A expansão pode ser facilmente transformada inversamente por Laplace para obter a
matriz de transição de estado
ÿ 21 ÿ ÿÿ 1
ÿ1 ÿ
Fi( t) = ÿ
- t - 2t
e e
ÿ 21 ÿÿ+ÿÿ 22
ÿÿ
ÿÿ
A resposta de entrada zero do sistema é
ÿ 21 ÿ ÿÿ 1
ÿ1 ÿ ÿ 1ÿ
xZIt ( ) = { ÿÿ
ÿÿ
21
e
ÿÿ+ÿÿÿ 2
2
- t
ÿÿ
e
- 2t
} ÿÿ
0 ÿÿ
2 1
= ÿ ÿ e - t ÿÿ e
- 2t
- 2 ÿ+ÿ
ÿÿ 2
ÿÿ ÿÿ
Para uma entrada em degrau, a resposta de estado zero é
ÿ 21 ÿ ÿÿ 1
ÿ1 ÿ ÿ0ÿ
xZS(t) = { ÿÿ
ÿÿ
21
e
ÿÿ+ÿÿ 2
- t
2 ÿÿ
e
- 2t
} ÿÿ
1 t
1ÿ ÿÿ ( )
1 ÿÿ 1ÿ
= ÿ ÿe- t ÿ()+
t 1 e
- 2t
ÿ()1t
- 1 2
ÿÿ ÿÿ ÿÿ ÿÿ
onde * denota convolução. Como a convolução de uma exponencial e de um degrau é uma operação
relativamente simples, não precisamos da transformação de Laplace. Usamos a identidade
t 1- e
- a t
e
- a t
t1
ÿ()= ÿ Ed
- no =
0 e um
obter
ÿ 1ÿ ÿÿ 1ÿ 1 - e 2 t = ÿ 1 2 ÿ ÿ 1 ÿ ÿÿ- t
- 1ÿ e - 2 t
xZS (t ) = 1 ) ÿe +- t ÿ ÿ e
- 1 2 2 0 ÿ ÿ ÿ ÿ ÿ - 1ÿ ÿ ÿ ÿ ÿ 2 2
ÿÿ ÿ( ÿ ÿÿ ÿÿ ÿÿ
A resposta total do sistema é a soma das respostas de entrada zero e de estado zero
xx( ) = ( ) +t ( ) x DIA ZS t
-
2 1 1 2 ÿ ÿ 1 ÿ - t ÿÿ 1ÿ 2 toneladas
= ÿ ÿ e - t ÿÿ ÿ e - 2 t ÿ
e
e
- 2 -
ÿ ÿ ÿ + ÿ ÿ 2 ÿ ÿ + ÿ ÿ 0 ÿ ÿ ÿ ÿ ÿ 1ÿ ÿ ÿ ÿ ÿ 2 2 ÿÿ
- 2t
1 2ÿ ÿ 1ÿ - t ÿÿ 1ÿ e
= ÿÿ
e
0 - 1ÿ ÿ + ÿ ÿ 2 ÿ 2 ÿ
ÿÿ ÿÿ+ÿÿ
2. Para obter as equações de estado em tempo discreto, utilizamos a matriz de transição de estado obtida na etapa 1
com t substituído pelo período de amostragem. Para um período de amostragem de 0,1, temos
ÿ 21 ÿ - 0. ÿÿ ÿ1 1ÿ 201ÿ× . = ÿ
0 .9909 0 08 ÿ.ÿ 61 ÿ
= ( ÿ 0. 1) =
Anúncio e 1+ e
ÿÿ
ÿÿ
21 ÿÿ ÿÿ
22 ÿÿ ÿÿ
.
ÿ0 1722 .
0 7326
A matriz de entrada em tempo discreto Bd pode ser avaliada como mostrado anteriormente usando (7.58). Pode-
se também observar que a resposta do sistema em tempo contínuo a uma entrada em degrau com a duração de
um período de amostragem é a mesma que a resposta de um sistema devido a uma entrada constante por partes
discutida na Seção 7.6. Se a entrada for de amplitude unitária, Bd pode ser obtido a partir da resposta do estado
zero da parte 1 com t substituído pelo período de amostragem T = 0,1. Bd é dado por
.
21 1 1ÿ 1 - ÿ ×0 21
0
) + ÿÿ ÿ
e
Bd = ÿ { ÿ
1- e
- 0 .1
} ÿ 1ÿ
21 ÿÿ
ÿÿ
ÿ( ÿ ÿ
22 ÿÿ
2 ÿÿ ÿÿ
- 0 .2
= ÿ1 2 ÿ ÿ 1 ÿ - 0 .1 ÿÿ 1ÿ ÿ e ÿ 0 .0045
e
-
0 ÿ ÿ ÿ ÿ ÿ 1ÿ ÿ ÿ ÿ ÿ 2 2ÿ ÿ ÿ = ÿ ÿ ÿ ÿ0 .0861
ÿÿ
3. A solução das equações de estado em tempo discreto envolve a transição de estado em tempo discreto
matriz
ÿ 21 ÿ - 0 .1k ÿÿ ÿ1 1ÿ - 0 .2k
A dk = (0ÿ1 . k)=ÿ e + e
ÿ
ÿÿ
21 ÿÿ ÿÿ
22 ÿÿ
A resposta de entrada zero é o produto
xZI k( ) = ( ÿ10) k x. (0)
= ÿ
21 ÿÿ ÿ1 1ÿ 1 ÿ 2 ÿ ÿÿ 1ÿ - 0 .2k
{
21 ÿÿ
ÿ
e
- 0. k
1+
22
e
- 0 .2 k
}ÿ0 ÿ - 2
e
- 0. k
1+
2
e
ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ=ÿÿ ÿÿ ÿÿ ÿÿ
A comparação deste resultado com a resposta de entrada zero do sistema de tempo contínuo revela que os dois
são idênticos em todos os pontos de amostragem k = 0, 1, 2,…
Em seguida, transformamos z a matriz de transição de estado em tempo discreto para obter
ÿ 21 ÿ Com
ÿÿ ÿ1 1ÿ Com
F z( ) = ÿ - 0 1.
+ - 0 2.
ÿ
ÿÿ
21 ÿÿ
ela- ÿÿ
22 ÿÿ
ela-
7.7 Solução de Equações de Estado-Espaço em Tempo Discreto 267
Portanto, a transformada z da resposta do estado zero para uma entrada de degrau unitário é
- 1
XZS (z ÿ) zz
= BU
( ) z( ) d
21 ÿÿ 1ÿ 1 ÿ 0 .0045 ÿ z
- 1
= {ÿ ÿ ÿ
Com Com
21
ÿÿ
ÿÿ
ÿÿ
ela-
- 0 .1
+
22
ÿÿÿÿ
ela-
- 0 .2
} ÿÿÿÿ
0 .0861 Com
- 1
= 9 .5163 10 - ÿ 1ÿ Com
- ÿÿ 1ÿ Com
× 2 ×
+ 9 .0635 10 2
- 1 ela-
- 0 .1 2 - - 02.
ÿÿ ÿÿ( )( - ) 1 Com
ÿÿÿÿ(
apertar os olhos
)(-)1
Agora precisamos das expansões em frações parciais
Com 1 ÿ Com
(- )1 Com
ÿ ÿ Com
(- )1 Com
ÿ
= + .
10 5083 ÿ +
ÿ0 1.
1- ÿ0 1. - 1 - ÿ0 1. - 1 - .0
(semicerrar os olhos
)ÿ(ÿ)1 e ÿ ÿ Com ze ÿÿ= ÿ Com Com 9048 ÿÿ
Com
=
1 ÿ Com
+
(- )1 Com
ÿ ÿ Com
+
(- )1 Com
ÿ
5 .5167
- ÿ0 2.
1- ÿ0 2. - 1 - ÿ0 2. - 1 - .0
( semicerrar os olhos
)(-)1 e ÿ ÿ Com ze ÿÿ= ÿ ÿ Com Com 8187 ÿÿ
Substituir na expressão de resposta de estado zero produz
ÿ 0 .5 ÿ ÿ 1ÿ Com
- ÿÿ 1ÿ Com
XZS( z) = 0 .5
0 - 1 ela-
- 0 .1 2 ela-
- 0 .2
ÿÿÿÿÿÿÿ ÿÿ ÿÿÿÿ
Então a transformação inversa dá a resposta
ÿ 0 .5 ÿ ÿ 1ÿ - 0 .1k - ÿÿ 1ÿ - 0 .2k
xZS k( ) = ÿ e 0 .5 e
- 1 2
ÿ ÿ ÿ ÿ0ÿ ÿ ÿÿ ÿÿÿÿ
Este resultado é idêntico à resposta do estado zero para o sistema contínuo no tempo. A resposta do estado
somatório . zero também pode ser obtida usando (7.79) e t = 0,1 k, k = 0, 1, 2, . . o conhecido
k- 1 1- a k
ÿ =a
eu
1, a <
eu
=0
1- a
Substituindo a soma em (7.79) por uma entrada constante e depois simplificando o resultado dá
n - e ÿ eu
( j) E kT
ÿ1 ÿ
xZS ( )ZB
= ke jd ÿ euj ( A) -k T 1
1- ( ) NO
ÿ eu
ou
ÿ
j =1
ÿÿ
seja
ÿ
n - e euj ( E kT
ÿ1
)
ÿ
= ÿ ZB
jd (NO
)
ÿÿ
1- e
euj
ÿ
ÿ
j = 1
A substituição de valores numéricos na expressão anterior produz a resposta de estado zero obtida anteriormente.
7.8 Função de transferência Z de equações de espaço de estado

A função de transferência z pode ser obtida a partir da representação no espaço de estado
em tempo discreto transformando z a equação de saída (7.59) para obter
YXU
z D) =
z ( ) + (z C (7,81)
A função de transferência é derivada sob condições iniciais zero. Portanto, substituímos a transformada
z da resposta do estado zero (7.76) por X(z) em (7.81) para obter
-
() }
ÿ1
Y(z C { [] (z)n D
) =zI AB + z ddU EM (7,82)
Assim, a matriz da função de transferência z é definida por

E (de) G
= zz
( ) ( ) EM (7,83)
onde G(z) é a matriz
- 1 ÿ CAdkB- 1k d,
ÿ 1
G (de
) =C de ÿI ABD
{[n d ] } d + ÿ ÿÿ ( ) = ÿG k
COM
ÿ
D, k =0
(7,84)
e G(k) é a matriz de resposta ao impulso. A matriz da função de transferência e a matriz

de resposta ao impulso são pares de transformada z.
Substituir de (7.71) por (7.84) dá a expressão alternativa
n
ÿ -
n 1 ÿ ÿ CZB
eu sei
eu 1
, k ÿ 1
G (z ) = ÿ CZB + ÿDÿÿ ( ) = ÿG k (7,85)
COM
eu ia - eu eu
=1
Com
=1
eu eu ÿ
ÿ D, k =0
Assim, os pólos do sistema são os autovalores da matriz de estado de tempo discreto

Ad. De (7.74), estas são funções exponenciais dos autovalores li(A) da matriz de
estado de tempo contínuo A. Para uma matriz estável A, os autovalores li(A) têm
partes reais negativas e os autovalores li têm magnitude menor que a unidade . Isto
implica que a discretização da Seção 7.6 produz um sistema estável em tempo
discreto para um sistema estável em tempo contínuo.
Outra consequência importante de (7.85) é que o produto CZiB pode desaparecer e eliminar certos
autovalores da função de transferência. Isso ocorre se o produto CZi for zero, o produto ZiB for zero
ou ambos. Se tal cancelamento ocorrer, diz-se que o sistema tem um zero de desacoplamento de
saída em li, um zero de desacoplamento de entrada em li ou um zero de desacoplamento de
entrada-saída em li, respectivamente. Os pólos da função de transferência reduzida são então um
subconjunto dos autovalores da matriz de estado Ad. Uma realização no espaço de estados que leva
ao cancelamento do pólo zero é considerada redutível ou não mínima. Se não ocorrer cancelamento,
a realização é considerada irredutível ou mínima.
Claramente, no caso de um desacoplamento de saída zero em li, a resposta forçada do sistema k. No

o modo que está desacoplado ou não eucaso de um zero de desacoplamento de entrada, o modo não inclui
eu
é afetado pela entrada. No caso de uma entrada-saída-

7.8 Função de Transferência Z de Equações de Espaço de Estado 269
desacoplamento zero, o modo é desacoplado da entrada e da saída.

Essas propriedades estão relacionadas aos conceitos de controlabilidade e observabilidade
discutidos no Capítulo 8.
Exemplo 7.17
Obtenha a função de transferência z para o sistema de controle de posição descrito no Exemplo 7.16.
1. Com x1 como saída

2. Com x1 + x2 como saída
Solução
Do Exemplo 7.16, temos
ÿ 21 ÿ Com
ÿÿ ÿ1 1ÿ Com
z ()=ÿ - 0 1. + - 0 2.
ÿÿ
ÿÿ
21 ÿÿ
ela- ÿÿ
22 ÿÿ
ela-
-
1 2 ÿ ÿ 1 ÿ - 0 .1 ÿÿ 1ÿ e 0 .2 ÿ 0 .0045 ÿ
Bd = ÿ e
-
0 ÿ ÿ ÿ ÿ ÿ 1ÿ ÿ ÿ ÿ ÿ 2 ÿ ÿ =
2 ÿ ÿ 0 .0861
ÿÿ ÿÿ
1. A matriz de saída C e a matriz de transmissão direta D para a saída x1 são
C 1= 0[ ] D0=
Portanto, a função de transferência do sistema é
ÿ 21 ÿÿ ÿ1 1
G z( ) = [ ] ÿ 1
- 0 1. +
ÿ 1
- 0 2.
} ÿ 0 .0045 ÿ
10{ ÿÿ
ÿÿ
2 1 ÿÿ
ela- ÿÿ
22 ÿÿ
ela- ÿÿ
0 .0861 ÿÿ
- 2 - 2
×
9 .5163 10 ×
9 .0635 10
= -
-
-
0 .1 0 .2
ela- ela-
2. Com x1 + x2 como saída, C = [1, 1] e D = 0. A função de transferência é
ÿ 21 ÿÿ ÿ1 1ÿ
G z( ) = [ ] ÿ 1
- 0 1. +
1
- 0 2.
} ÿ 0 .0045 ÿ
11{ ÿÿ
ÿÿ
21 ÿÿ
ela- ÿÿ
22 ÿÿ
ela- ÿÿ
0 .0861 ÿÿ
- 2
0 ×
9 .0635 10
= - + -
0 .1 0 .2
ela- ela-
O sistema tem um desacoplamento de saída zero em eÿ0,1 porque o produto CZ1 é zero. A
resposta do sistema a qualquer entrada não inclui o termo de desacoplamento. Por exemplo, a resposta
ao degrau é o inverso da transformada
- 2
×
9 .0635 10 Com
E z( ) = ( 0 .2 -
-
estrabismo ) (-)1
-
(- 1)
2
×
9 .0635 10 ÿ Com Com
ÿ ÿ Com
(- )1 Com
ÿ
= - + - 0 .5 +
0 .2 0 .2 - 1
1- e ÿ ÿ Com
- 1 ela- ÿÿ= ÿ ÿ Com Com
- ÿ0
. 8187 ÿ
Ou seja, a resposta ao degrau é

- 0 2k
yk =( )0 5 1 . ÿ [ e
.
]
7.8.1 Função z-Transfer no MATLAB
As expressões para obter funções de transferência no domínio z e no domínio s diferem apenas porque z
no primeiro é substituído por s no último. O mesmo comando MATLAB é usado para obter funções de
transferência de domínio s e domínio z. A função de transferência para as matrizes (Ad, Bd, C, D) é obtida
com os comandos
>> p = ss(Ad, Bd, C, D, T)

>> gd = tf(p)
onde T é o período de amostragem. Os pólos e zeros de uma função de transferência são obtidos com o
comando
>> zpk(gd)
Para o sistema descrito no Exemplo 7.17 (2), obtemos

Zero/pólo/ganho:
0,090635 (z-0,9048)
---------------------
(z-0,9048) (z-0,8187)
Tempo de amostragem: 0,1
O comando revela que o sistema tem zero em 0,9048 e pólos em (0,9048, 0,8187) com ganho de 0,09035.
Com cancelamento do pólo zero, a função de transferência é a mesma mostrada no Exemplo 7.17 (2).
7.9 Transformação de Similaridade
Qualquer sistema linear dado tem um número infinito de representações válidas no espaço de estados.
Cada representação corresponde a um conjunto diferente de vetores de base no espaço de estados.
Algumas representações são preferidas porque revelam certas propriedades do sistema, enquanto outras
podem ser convenientes para tarefas específicas de projeto. Esta seção considera a transformação de uma
representação para outra.
Dado um vetor de estado x(k) com representação em espaço de estados da forma (7.3),
definimos um novo vetor de estado z(k)
ÿ1
x = kz T k ( ) = (R ) ÿ ( ) Com kTk()x R (7,86)
onde a matriz de transformação Tr é assumida invertível. Substituindo x(k) de (7.86) na equação de estado
(7.51) e na equação de saída (7.59) dá
T Rk 1(
Com + ) = () AT k B k( ) +
com o Dr. d em
(7,87)
e (k)CT
= (k D
) +kR ()
Com em
7.9 Transformação de Similaridade 271
ÿ1
Pré-multiplicando a equação de estado por Tr dá
- 1 - 1
TAT k TB k (d) rz
( ) = ( ) z k +1 R + R você
(7,88)
Portanto, temos o quádruplo espaço de estados para o vetor de estado z(k)

- - 1
, , ) =, (
(ABCD R
1
TATTBdr
CT, D d , R , ) (7,89)
Claramente, o quádruplo para o vetor de estado x(k) pode ser obtido a partir do quádruplo de z(k)
ÿ1
usando o inverso da transformação Tr (ou seja, a matriz Tr ).
Para o sistema de tempo contínuo de (7.3), um vetor de estado z(t) pode ser definido como
x ( ) = ( ) ÿ ( ) = ÿ1
R t T tt T t zx
Com
R () (7,90)
e substituição em (7.3) rendimentos (7,89). Assim, uma discussão sobre transformação de

similaridade é idêntica para sistemas de tempo contínuo e de tempo discreto. Portanto,
eliminamos o subscrito d na sequência.
Exemplo 7.18
Considere a massa pontual m impulsionada por uma força f do Exemplo 7.1 e determine as duas equações
do espaço de estados quando m = 1 e
1. O deslocamento e a velocidade são as variáveis de estado.

2. O deslocamento e a soma do deslocamento e da velocidade são as variáveis de estado.
Solução
Do primeiro princípio, conforme mostrado no Exemplo 7.1, temos que a equação do movimento é
meu =f
ÿÿ
e no caso 1, considerando x1 como o deslocamento e x2 como a velocidade, podemos escrever
1( ) = ( )2
xtxt
ÿ
2( ) = (
margens )
()
ytxt = ( )1
Assim, obtemos
ÿ1 0 ÿ ÿ0 ÿ
A = B = C 1= 0[ ] = D0
00
ÿÿ ÿÿ
1 ÿÿ ÿÿ
Para resolver o caso 2, consideramos as novas variáveis de estado z1 e z2, e escrevemos
1( ) = ( )1
ztxt
2( )
ztxtx = ( )1 + ( ) 2
Aquilo é,
10
1 = ÿ ÿ
Tr-
11 ÿÿ ÿÿ
Explorando (7.89), finalmente temos
-
- 11 - 0
= ÿ ÿ = ÿ ÿ
1 1
A = TAT RDR B TBd
R
- 11 1
ÿÿ ÿÿ= ÿÿ ÿÿ
C=[]10 D = 0
Para obter a transformação para a forma diagonal, lembramos a expressão

- 1 - 1
eu
ANÚNCIO
DESLIGADO = ÿ = eu V (7,91)
onde V é a matriz modal de autovetores de A e L = diag{l1, l2, …, ln} é a matriz de autovalores de A. Assim,
para A = L em (7.89), usamos a matriz modal de A como a matriz de transformação. A forma assim obtida não
é necessariamente a mesma que a forma diagonal obtida na Seção 8.5 a partir da função de transferência
usando expansão em frações parciais. Embora todas as formas diagonais compartilhem a mesma matriz de
estado, suas matrizes de entrada e saída podem ser diferentes.
Exemplo 7.19
Obtenha a forma diagonal para as equações do espaço de estados
ÿ xk1
( + )1 ÿ ÿ0 1 0 ÿ ÿ xk1
() ÿ ÿ0 ÿ
ÿ
xk2 ( + )1 ÿ
= ÿ
00 1 ÿ ÿ
xk2 ( ) ÿ
+ ÿ
0 ÿ
()
Reino Unido
ÿ ÿ ÿ ÿ ÿ ÿ
( + )1 . ÿ ÿ xk3 ( )
ÿÿ
- 0 .5 -
ÿ xk3
ÿ
ÿ ÿ
ÿ
ÿ 0 0 04 ÿ ÿ
ÿ ÿ
ÿ 1ÿ
ÿ ÿ
ÿ xk1
() ÿ
sim( ) = [ ] 1 0 0
ÿ
xk2 ( ) ÿ
ÿ ÿ
ÿ xk3
ÿ
() ÿÿ
Solução
O comando eig do MATLAB produz os autovalores e a matriz modal
- 0 .995 0 9184 .
ÿ1 ÿ
L = { diag.
0 1 0 04 ,
ÿÿ
. , . } EM = ÿ
. ÿ
0 0 0995 - 0 .3674 1 ÿ
. 0 -
ÿ 0 0 00995
ÿ
.1469 ÿ
ÿ
A matriz de estado está na forma companheira e a matriz modal também é conhecida como Van
a matriz mundial :
ÿ 1 1 1 ÿ ÿ1 1 1 ÿ
V= ÿ
eu1 eu2 eu3 ÿ

= ÿ
0 0 1- 0 4. - . ÿ
2 2 2 ÿ ÿ ÿ
ÿ eu
ÿ 1 eu 2 eu3 ÿ ÿ
ÿ 0 0 01 .0 16
ÿ . ÿ
ÿ
ÿ1
O comando MATLAB para transformação de similaridade é ss2ss. Requer o inverso Tr
da matriz de transformação de similaridade Tr. Dois comandos MATLAB se transformam em diagonal
7.9 Transformação de Similaridade 273
forma. O primeiro requer a matriz modal dos autovetores V e o sistema a ser transformado
>> s_diag = ss2ss(sistema, inv(v))
O segundo usa transformação de similaridade, mas não requer a matriz de transformação
>> s_diag = canon(sistema, 'modal')
Os dois comandos produzem
T
Um
t
= { 0 ,0 1 0. 4, }
ÿÿ
. , . 9 0738 .
B t = [ ]25 33 5012
C t =diagnóstico
. - .
[ 1 0000 0 99500 .9184 ] Dt = 0
Para autovalores conjugados complexos, o comando canon produz uma realização real, mas sua matriz de estado não
está na forma diagonal, enquanto ss2ss produzirá uma matriz diagonal, mas complexa.
7.9.1 Invariância de Funções de Transferência e Equações Características
Sistemas semelhantes podem ser vistos como representações diferentes dos mesmos sistemas.
Isto é justificado pelo seguinte teorema.
Teorema 7.1: Sistemas semelhantes possuem funções de transferência idênticas e polinômios

característicos.
Prova. Considere os polinômios característicos de realizações semelhantes (A, B, C, D) e

(A1, B1, C1, D):
- 1
isso ( zI- A) 1n= isso ÿzI Tn AT R R )
- 1
= [o= [ T(RzI( AT
ÿ )n ] R
- 1
o TR ]d E AT ]nr ÿ ) isso [ (zI = isto - ( n zI A )
1
[ onde usamos a identidade det ÿ[ aquele
R ]× T TR ] = 1 .
A matriz da função de transferência é
G 1s( )C=zI] +
ABD
1 ÿ [ n 1 1 1
- 1 - 1
= CT RzI- [T[ nAT
( - TBD
R rr ] +
= CT[ zIR TA n - 1
Rÿ A definirrr ) ÿ1
]+
= C zI ABDG
n s] + = ( )
ÿ1
onde usamos a identidade (AB C) = Cÿ1 Bÿ1 Aÿ1 . ÿ
Claramente, nem todos os sistemas com a mesma função de transferência são semelhantes,
devido à possibilidade de cancelamento do pólo zero. Os sistemas que dão origem à mesma função
de transferência são considerados equivalentes.
Exemplo 7.20
Mostre que o sistema a seguir é equivalente ao sistema mostrado no Exemplo 7.17(2).
- 2
.
( + ) = ( ) + 9 0635 . xk
10 xk 1 0 8187 × ()
Reino Unido
()
ykxk =()
Solução
A função de transferência do sistema é
- 2
9 .0635 10×
G z( ) =
Com
- 0 .8187
que é idêntica à função de transferência reduzida do Exemplo 7.17(2).
Recursos
1988.
Belanger, PR, Engenharia de Controle: Uma Abordagem Moderna, Saunders, 1995.
Brogan, WL, Teoria de Controle Moderno, Prentice Hall, 1985.
Chen, CT, Teoria e Projeto de Sistemas Lineares, HRW, 1984.
Friedland, B., Projeto de sistema de controle: uma introdução aos métodos de espaço de estados, McGraw-
Colina, 1986.
Hou, S.-H., Uma prova simples do algoritmo polinomial característico de Leverrier-Faddeev, SIAM Review,
40(3):706–709, 1998.
Kailath, T., Sistemas Lineares, Prentice Hall, 1980.
Moler, CB e CF Van Loan, Dezenove maneiras duvidosas de calcular o exponencial de uma matriz, SIAM Review,
20:801–836, 1978.
Sinha, NK, Sistemas de Controle, HRW, 1988.
Problemas
7.1 Classifique as equações do espaço de estados quanto à linearidade e à variância no tempo:
ÿ
ÿx 1ÿ ÿ pecado (t ) 1 ÿ ÿx 1ÿ ÿ 1ÿ
(a) em
- 2
ÿ
ÿÿ
x 2 ÿÿ=ÿÿ 0 ÿÿ ÿÿ
x 2 ÿ ÿ + ÿ ÿ 2 ÿÿ
x 1ÿ
= [ 1 1 e ]ÿ
ÿÿ
x2 ÿÿ
Problemas 275
ÿx 1ÿ ÿ110 ÿ ÿx 1ÿ ÿ1ÿ
ÿ
(b) ÿ
x 2 ÿ
= ÿ
020 ÿ ÿ
x 2 ÿ
+ ÿ
2 ÿ
em
ÿ
ÿx 3 ÿ
ÿ ÿ
ÿ157
ÿ
ÿ ÿx 3 ÿÿ ÿ ÿ
ÿ0 ÿ
ÿ ÿ
ÿx 1ÿ
e = [ ]1 1 2 x 2
ÿ ÿ
ÿ ÿ
ÿx 3 ÿ
ÿ ÿ
2
ÿ
27=ÿ++
(c) xxx xu yx = 3
(d) xxu =ÿ+7

2
yx = 3
7.2 As equações de movimento de um manipulador 2-DOF são
ÿT ÿ
ÿÿ ÿ
Médico
eu eu eu
+ ( ) + ( ) = ÿ ÿ gÿ
f ÿÿ
ÿ milímetros
11 12 ÿ
ÿ
ÿ 0 ()
ÿ g 1 eu ÿ
M = d eu
()=ÿ
ÿ
ÿ ( eu
)=g
ÿÿ
mm 12 22 ÿÿ ÿ D 2eu
2 ÿÿ ÿ ()
g 2 eu ÿ
ÿ
ÿ1 ÿ milímetros
a 11 a 12 ÿ
=
MILÍMETROS =
a
ÿÿ
milímetros
a 12 a 22 ÿÿ
T
onde q = [q1, q2] é um vetor de ângulos articulares. As entradas do definido positivo
matriz de inércia M depende das coordenadas do robô q. D2 é uma constante de amortecimento.
Os termos gi, i = 1, 2, são termos relacionados à gravidade que também dependem das coordenadas.
O lado direito é um vetor de forças generalizadas.
a) Obtenha uma representação em espaço de estados para o manipulador e depois linearize-o na
vizinhança de um ponto operacional geral (x0, u0).
b) Obtenha o modelo linearizado nas proximidades de coordenadas zero, velocidades
e entradas.
c) Mostre que, se as entradas da matriz de estados forem polinômios, a resposta de (b) pode ser
obtida a partir de (a) deixando todos os termos não lineares irem para zero.
7.3 Obtenha as exponenciais das matrizes de estado usando quatro diferentes

abordagens:
(a) A = diag 3 5 7, , ÿ { ÿÿÿ
}
001 ÿ
(b) UMA = ÿ
ÿ
010 - ÿ
- 600
ÿ
ÿ
ÿ ÿ
ÿ011 ÿ
(c) UMA =
ÿ
00ÿ 1 ÿ
ÿ065
ÿÿ
ÿ
ÿ ÿ
(d) A é uma matriz diagonal de bloco com as matrizes de (b) e (c) em sua diagonal.
7.4 Obtenha as respostas de entrada zero dos sistemas do Problema 7.3 devido ao
vetores de condição inicial:
(a), (b), (c) [1, 1, 0]T e [1, 0, 0]T
(d) [1, 1, 0, 1, 0, 0]T
7.5 Determine as equações de estado em tempo discreto para os sistemas do Problema 7.3(a),
(b) e (c), com b = [0, 0, 1]T em termos do período de amostragem T.
7.6 Prove que os autovetores (direitos) da matriz AT são os autovetores esquerdos de A e que
os autovalores de AT são os autovalores de A usando
=
AVVVW- eu 1 = eu
7.7 Prove as propriedades das matrizes constituintes dadas na Seção 7.4.3 usando
(7,44).
7.8 (a) Derive as expressões para os termos da matriz adjunta usada no algoritmo de
Leverrier. Dica: multiplique ambos os lados de (7.28) pela matriz [sI ÿ A] e iguale
os coeficientes.
(b) Derive as expressões para os coeficientes das equações características usadas no
algoritmo de Leverrier. Dica: Transforme Laplace a expressão derivada para a
matriz exponencial para obter
é EU {e
E
} ÿ = eu {Neste
EU } A
Pegue o rastreamento e use a identidade
- + 12
asnas + + ÿ ( 2 1... ) n- 1
n- 2
+ ns n
- 1
tr sI([A )=
1
n ]- n- n
+ + +1
ter esperança
0
... n- 1
+ 1s é
7.9 Presume-se que o componente biológico de um sistema pesqueiro seja governado por
a equação da dinâmica populacional
dx t ( )
= (rx
)(1t ÿ ( ) xt K ht )ÿ()
dt
onde r é a taxa de crescimento intrínseca por unidade de tempo, K é a capacidade de

suporte do ambiente, x(t) é a biomassa do estoque e h(t) é a taxa de colheita em peso2 :
(a) Determine a taxa de captura para uma população de peixes sustentável x0 < K.
(b) Linearize o sistema nas proximidades da população de peixes x0.
(c) Obtenha um modelo de tempo discreto para o modelo linearizado com média fixa
taxa de colheita anual h(k) no k- ésimo ano.
(d) Obtenha uma condição para a estabilidade da população de peixes do seu
modelo de tempo discreto e comente sobre o significado da condição.
7.10 As seguintes equações diferenciais representam um modelo simplificado de um
ponte rolante3 :
2
CW Clark, Bioeconomia Matemática: A Gestão Ideal de Recursos Renováveis,
Wiley, 1990.
3
A. Piazzi e A. Visioli, Controle ideal baseado em inversão dinâmica de uma ponte rolante, IEE Pro-
ceedings: Control Theory and Applications, 149(5):405–411, 2002.
Problemas 277
ÿÿ ÿ
2
+ ) + mmxtmlxt
( ) ÿÿeu 1( C eu ( 3( ) 3 ( )cos
xtxtxtu - 3 ( ) sem 3 ( )) =
ÿÿ ÿÿ
eu 1 (lx)cos
mxtxtm tmgxt ( ) + sen ( )
3 eu 3 ()=- eu 3
onde mC é a massa do carrinho, mL é a massa do gancho/carga, l é o comprimento da corda, g é a

aceleração da gravidade, u é a força aplicada ao carrinho, x1 é a posição do carrinho e x3 é o ângulo
da corda. Considere a posição da carga y = x1 + l sin x3 como saída.
(a) Determine um modelo de espaço de estados linearizado do sistema em torno do

ponto de equilíbrio x = 0 com variáveis de estado x1, x3, a primeira derivada de x1 e a primeira
derivada de x3.
(b) Determine um segundo modelo de espaço de estados quando a soma do carrinho
posição e do ângulo da corda é substituído pelo ângulo da corda como uma terceira variável de
estado.
7.11 Considere o sistema de motor CC discretizado controlado por armadura obtido em

Exemplo 7.15. Obtenha a forma diagonal do sistema (observe que a posição angular do motor é medida).
7.12 Um sistema cujas respostas de estado e de saída são sempre não negativas para quaisquer condições
iniciais não negativas e qualquer entrada não negativa é chamado de sistema positivo.
4
Sistemas positivos surgem em muitas aplicações onde a variável do sistema
nunca pode ser negativo, incluindo processos químicos, sistemas biológicos, economia, entre
outros. Mostre que o sistema de tempo discreto de entrada única e saída única (A, b, cT ) é positivo
se e somente se todas as entradas da matriz de estado, entrada e saída forem positivas.
7.13 Para monitorar a poluição dos rios, precisamos modelar a concentração de

matéria biodegradável contida na água em termos de demanda bioquímica de oxigênio para sua
degradação. Também precisamos de modelar o défice de oxigénio dissolvido definido como a
diferença entre a concentração mais elevada de oxigénio dissolvido e a concentração real em
mg/l. Se as duas variáveis de interesse são as variáveis de estado x1 e x2, respectivamente, então um
modelo apropriado é dado por
- 0
ÿ k1 ÿ
xÿ = x
k1 - k
ÿÿ 2 ÿÿ
onde k1 é uma constante de biodegradação e k2 é uma constante de reaeração, e ambas são positivas.
Suponha que as duas constantes positivas sejam desiguais. Obtenha um modelo de tempo discreto
para o sistema com período de amostragem T e mostre que o sistema é positivo.
7.14 Veículos subaquáticos autônomos (AUVs) são submarinos robóticos que podem ser usados para uma
variedade de estudos do ambiente subaquático. A vertical e
4
L. Farina e S. Rinaldi, Sistemas Lineares Positivos: Teoria e Aplicações, Wiley-Interscience, 2000.
a dinâmica horizontal do veículo deve ser controlada para operar remotamente o AUV. O
INFANTE (Figura P7.14) é um AUV de investigação operado pelo Instituto Superior Técnico
de Lisboa, Portugal.5 As variáveis de interesse no movimento horizontal são a velocidade
de oscilação e o ângulo de guinada. Um modelo linearizado do movimento no plano
horizontal do veículo é dado por
- 0 14
. 0 69 0- 0 ÿ. ÿ ÿ ÿ 0 19. 0
ÿ
ÿÿ
x1
ÿÿ ÿÿ
x1 ÿÿ
.
ÿ 0 056 ÿ ÿ ÿ ÿ
- 048
. 0 0 ÿ -ÿ ÿ ÿ. ÿ ÿ
ÿ
x2 = . x2 +-
ÿÿ
.
0 23 em
ÿÿÿ
x3 ÿÿÿ ÿÿÿ
00
. 1 .0 0 0 . x3 ÿÿÿ ÿÿÿ
0 0.
ÿ
x1
ÿÿ
ÿ e ÿ 1 ÿ ÿ ÿ 1 0 ÿ0 ÿÿ ÿÿ ÿ = ÿ ÿ ÿ ÿ
x2
ÿ e2 010
x3 ÿÿÿ
onde x1 é a velocidade de oscilação, x2 é o ângulo de guinada, x3 é a taxa de guinada e u

é a deflexão do leme. Obtenha o modelo discreto de espaço de estados para o sistema
com um período de amostragem de 50 ms.
Figura P7.14
O INFANTE AUV. (Fonte: Extraído de Silvestrea e Pascoa, 2004; usado com permissão.)
7.15 Escreva um programa de computador para simular os sistemas descritos no Problema 7.1
para várias condições iniciais com entrada zero e discuta seus resultados referindo-se às
soluções do Exemplo 7.4. Obtenha gráficos das trajetórias de fase para qualquer sistema de
segunda ordem.
5
C. Silvestrea e A. Pascoa, Controle do INFANTE AUV usando feedback de saída estática programada de
ganho, Prática de Engenharia de Controle, 12:1501-1509, 2004.
7.16 Escreva um programa para obter a matriz de transição de estado usando o Leverrier
algoritmo.
7.17 Simule os sistemas do Problema 7.3(a–c) com as condições iniciais de 7.4 e obtenha gráficos de
trajetória de estado com uma variável de estado fixa para cada sistema.
7.18 Repita o Problema 7.5 usando um pacote de desenho auxiliado por computador (CAD) para dois
escolhas aceitáveis do período de amostragem e comparar os sistemas resultantes.
7.19 Simule o sistema de poluição fluvial do Problema 7.13 para o sistema normalizado
valores dos parâmetros de k1 = 1, k2 = 2, com um período de amostragem T = 0,01 s para as
condições iniciais xT (0) = [1, 0], [0, 1], [1, 1], e traçar todos os resultados juntos.
7.20 Repita o Problema 7.14 usando um pacote CAD.

Capítulo
8
Propriedades do espaço de estado
Modelos
No Capítulo 7, descrevemos modelos de espaço de estados de tempo linear discreto e como esses modelos
podem ser obtidos a partir de funções de transferência ou equações diferenciais de entrada-saída. Também
obtivemos as soluções para equações de estado de tempo contínuo e de tempo discreto. Agora, examinamos
algumas propriedades desses modelos que desempenham um papel importante na análise e projeto de
sistemas.
Examinamos a controlabilidade, que determina a eficácia do controle de feedback estatal; observabilidade,
que determina a possibilidade de estimativa de estado a partir das medições de saída; e estabilidade. Estas
três propriedades são independentes, de modo que um sistema pode ser instável, mas controlável,
incontrolável, mas estável, e assim por diante. Entretanto, sistemas cuja dinâmica incontrolável é estável são
estabilizáveis, e sistemas cuja dinâmica inobservável é estável são chamados de detectáveis.
A estabilização e a detectabilidade são mais prováveis de serem encontradas na prática do que a

controlabilidade e a observabilidade.
Finalmente, mostramos como as representações no espaço de estados de um sistema em vários cânones
formas físicas podem ser obtidas a partir de sua representação de entrada-saída.
Para simplificar nossa notação, o subscrito d usado no Capítulo 7 com estados de tempo discreto e
matrizes de entrada é descartado se a discussão for restrita a sistemas de tempo discreto. Nas seções que
envolvem sistemas de tempo contínuo e de tempo discreto, o subscrito d é retido. Começamos com uma
discussão sobre estabilidade.
Objetivos
1. Determine o ponto de equilíbrio de um sistema de tempo discreto.

2. Determinar a estabilidade assintótica de um sistema de tempo discreto.
3. Determinar a estabilidade de entrada-saída de um sistema de tempo discreto.
4. Determinar os pólos e zeros de sistemas multivariáveis.
5. Determine a controlabilidade e a estabilização.
6. Determine a observabilidade e a detectabilidade.
7. Obtenha representações canônicas de espaço de estados a partir de uma representação de
entrada-saída de um sistema.
282ÿ CAPÍTULO 8 Propriedades de modelos de espaço de estados
8.1 Estabilidade das Realizações Espaço-Estado

Os conceitos de estabilidade assintótica e estabilidade de entrada-saída limitada (BIBO)
de funções de transferência são discutidos no Capítulo 4. Aqui, damos uma cobertura mais
completa usando modelos de espaço de estados. Primeiro discutimos a estabilidade
assintótica das realizações no espaço de estados. Em seguida, discutimos a estabilidade
BIBO de suas respostas de entrada-saída.
8.1.1 Estabilidade Assintótica

A resposta natural de um sistema linear devido às suas condições iniciais pode
1. Converja para a origem assintoticamente.
2. Permanecer numa região delimitada nas proximidades da origem.
3. Cresça sem limites.
No primeiro caso, diz-se que o sistema é assintoticamente estável; na segunda, o

sistema é marginalmente estável; e no terceiro, é instável. Claramente, as
variáveis físicas nunca são realmente ilimitadas, embora os modelos lineares sugiram isso.
Uma vez que uma variável física sai de um intervalo limitado de valores, o modelo
linear deixa de ser válido e o sistema deve ser descrito por um modelo não linear.
Crítico para a compreensão da estabilidade de sistemas lineares e não lineares é o
conceito de estado de equilíbrio.
Definição 8.1: Equilíbrio. Um ponto ou estado de equilíbrio é um estado inicial do qual o

sistema nunca se afasta a menos que seja perturbado. ÿ
Para a equação de estado
( ) k[ +x =
1 fx ] ( ) k (8.1)
todos os estados de equilíbrio xe satisfazem a condição
( k )+= [ x 1 fx k]()
(8.2)
=
= [ ] fxxe e
Para equações de estado linear, os pontos de equilíbrio satisfazem a condição
k O) k+
( x 1x =()
(8.3)
= =Um
ÿ ÿxx
e[ e Uma entrada ] = x0
e
Para uma matriz invertível A ÿ In, (8.3) tem a solução única 0 e o sistema linear tem um
estado de equilíbrio na origem. Posteriormente mostramos que a invertibilidade de A ÿ
In é uma condição necessária para a estabilidade assintótica.
Ao contrário dos sistemas lineares, os modelos não lineares podem ter vários estados de equilíbrio.
Sair de um estado de equilíbrio, em torno do qual o modelo linear é válido, pode
levar o sistema a outro estado de equilíbrio onde outro modelo linear é necessário.
8.1 Estabilidade das Realizações Espaço-Estado 283
Os sistemas não lineares também podem apresentar outros fenômenos mais complexos que
não são discutidos neste capítulo, mas são discutidos no Capítulo 11.
O equilíbrio de um sistema com entrada constante u pode ser derivado da Definição 8.1
substituindo primeiro o valor da entrada constante na equação de estado para obter a forma
da equação (8.2).
Exemplo 8.1
Encontre os pontos de equilíbrio dos seguintes sistemas:
1. x(k + 1) = x(k) [x(k) ÿ 0,5] 2. x(k + 1) =

2x(k) ÿ ( xk ) + 1
1 ÿ ÿ 0 .1 0 ÿ ÿ xk1 ( ) ÿ
3.
ÿÿ
xk2 ( ) +1 ÿ ÿ = ÿÿ 109 . ÿÿ ÿÿ
xk2 ( ) ÿÿ
Solução
1. No equilíbrio, temos
xxx=e ÿ [ ] 0 5.
sim
Reescrevemos a condição de equilíbrio como
xxde [ ] ÿ1 5 0. =
Portanto, o sistema tem os dois estados de equilíbrio
carro = 0 e carro = 1 5.
2. A condição de equilíbrio é
2xx =
e e
O sistema tem um ponto de equilíbrio em xe = 0.

3. A condição de equilíbrio é
-
ÿ xk1e(ÿ) ÿ 0 .1 0 ÿ ÿ xk1e( ) ÿ ÿ 0 .1 1 0 ÿ ÿ xk1 e(ÿ) ÿ0ÿ
ÿÿ
xk2 (e ) ÿÿ=ÿÿ 109 . ÿÿ ÿÿ
xk2 (e ) ÿÿÿÿÿ 1 0 .9 1- ÿÿ ÿÿ
xk2 e( ) ÿÿ=ÿÿ 0 ÿÿ
T
O sistema tem um estado de equilíbrio único em xe = [x1e, x2e] = [0, 0]T .
Embora todos os sistemas do Exemplo 8.1 tenham pontos de equilíbrio, a convergência

para um ponto de equilíbrio não é garantida. Esta propriedade adicional define a estabilidade
assintótica para sistemas lineares assumindo que a condição necessária de um equilíbrio único
na origem é satisfeita.
Definição 8.2: Estabilidade Assintótica. Diz-se que um sistema linear é assintoticamente estável se todas as suas
trajetórias convergem para a origem; isto é, para qualquer estado inicial x(k0), x(k) ÿ 0 como k ÿ ÿ.
Teorema 8.1: Um sistema linear em tempo discreto é assintoticamente (Schur) estável se e somente se
todos os autovalores de sua matriz de estado estiverem dentro do círculo unitário.
Prova. Para provar o teorema, examinamos a resposta de entrada zero em (7.63) com o
matriz de transição de estado dada por (7.72). Rendimentos de substituição
-
x DIA ( k) O
= k
kkkkk0 x ( )0
n (8.4)
= ÿ Dexk(
eu
)0
-
eukkkkk0
eu
eu
=1
Suficiência
A resposta decai para zero se os autovalores estiverem todos dentro do círculo unitário. Portanto, a condição é
suficiente.
Necessidade
Para provar a necessidade, assumimos que o sistema é estável, mas que um dos seus autovalores lj está fora do
círculo unitário. Seja o vetor de condição inicial x(k0) = vj, o j-ésimo autovetor de A. Então (veja a Seção 7.4.3) a
resposta do sistema é
n
x DIA ( )k =x k Z ÿ eu
( )0 eu
-
eukkkkk0
eu
=1
n
= ÿ vwv para usar
isto
eukk 0
-
= em
jj
-
eukkkkk0
eu
=1
que é claramente ilimitado como k ÿ ÿ. Portanto, a condição também é necessária por contradição.
ÿ
Observação
Existem alguns estados iniciais diferentes de zero para os quais o produto Zj x(k0) é zero porque a matriz Zj tem
classificação 1 (x(k0) = vi, i ÿ j). Portanto, a resposta a esses estados iniciais pode convergir para zero mesmo que o
lj correspondente tenha magnitude maior que a unidade.
Contudo, a solução cresce ilimitadamente para um estado inicial na direção para a qual o produto é diferente de
zero. Portanto, nem todas as trajetórias convergem para a origem para |lj| > 1. Portanto, a condição do Teorema 8.1
é necessária.
Discutimos agora a necessidade de uma matriz invertível A ÿ In para estabilidade assintótica.

A matriz pode ser decomposta como
- = n 1diag eu -
AIVIVV []nÿ{}
- 1
= eu
- 1
EM
eu
Uma matriz assintoticamente estável A não tem autovalores unitários e A ÿ In é invertível.
Exemplo 8.2
Determine a estabilidade dos sistemas do Exemplo 8.1(2) e 8.1(3) usando princípios básicos e verifique seus resultados
usando o Teorema 8.1.
Solução
8.1(2): Considere qualquer estado inicial x(0). Então a resposta do sistema é
x (1) 2=0( ) x
x (2) 2=1( 2) x2
= 0×4( 0) = ( ) x x
x ( 3) 2= 2( 2) x=
4 0× 8( 0) = ( ) x x
ÿ
xk( ) = 2 k0(x )
Claramente, a resposta é ilimitada quando k ÿ ÿ. Assim, o sistema é instável. O sistema

tem um autovalor em 2 > 1, o que viola a condição de estabilidade do Teorema 8.1.
8.1(3): A equação de estado é
ÿ ( xk
1 ) +1 ÿ ÿ 0 .1 0 ÿ ÿ xk1( ) ÿ
ÿÿ ( xk
2 ) +1 ÿ ÿ = ÿ ÿ 1 0 9 . xk2 ( ) ÿÿ ÿÿ ÿÿ
Usando a expansão de Sylvester (7.34), obtemos
ÿ 0 .1 0 ÿ ÿ 1 0ÿ ÿ 00 ÿ
0 .1 0 .9
109 . - 1 0 .8 0
ÿÿ ÿÿ=ÿÿ ÿ ÿ + ÿ ÿ 1 0 .8 1 ÿÿ
A resposta do sistema devido a um estado inicial arbitrário x(0) é
ÿ xk1( ) ÿ ÿ 1 0ÿ ÿ 00 ÿ ÿ x 1( 0) ÿ
xk ( ) ÿ ÿ =
{ - 1 0 .8 0 ÿ( ÿ
01
k
. )+
1 0 .8 1
( ) 0. 9
k
} x 2 ( 0)
ÿÿ
2 ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ
Isso decai para zero quando k ÿ ÿ. Portanto, o sistema é assintoticamente estável. Ambos os autovalores
do sistema (0,1 e 0,9) estão dentro do círculo unitário e o sistema satisfaz as condições do Teorema 8.1.
Observe que a resposta devido a qualquer estado inicial com x1(0) = 0 não inclui o primeiro autovalor. Se
este autovalor fosse instável, a resposta devida a esta classe especial de condições iniciais permaneceria
limitada. Contudo, a resposta devido a outras condições iniciais seria ilimitada e o sistema seria instável.
No Capítulo 4, a estabilidade assintótica foi estudada em termos dos pólos do sistema

com a condição adicional de não haver cancelamento do pólo zero. A condição para
estabilidade assintótica era idêntica à condição imposta aos autovalores de uma matriz de
estado estável no Teorema 8.1. Isso ocorre porque os autovalores da matriz de estado A e
os pólos da função de transferência são idênticos na ausência de cancelamento do pólo
zero. A seguir, examinamos uma definição de estabilidade baseada na resposta de entrada-
saída.
8.1.2 Estabilidade BIBO

Para uma descrição do sistema de entrada-saída, a saída do sistema deve permanecer
limitada para qualquer função de entrada limitada. Para testar a limitação de um n-dimensional
vetor de saída, a norma do vetor (uma medida do comprimento ou tamanho do vetor) deve ser usada (ver
Apêndice III). Um vetor x é limitado se satisfaz a condição
x < < ÿ bx (8.5)
para alguma constante finita bx onde ||x|| denota qualquer norma vetorial.
Para vetores n × 1 reais ou complexos , todas as normas são equivalentes no sentido de que
se um vetor tem uma norma limitada ||x||a, então qualquer outra norma ||x||b, também é limitada.
Isso é verdade porque para quaisquer duas normas ||x||a e ||x||b, existem constantes positivas finitas k1 e k2 tais
que
a
ÿ ÿ k1 xxx
b a k2 (8.6)
Como uma mudança de norma resulta apenas num escalonamento da constante bx, a
limitação é independente de qual norma é realmente usada em (8.5). A estabilidade do
comportamento de entrada-saída de um sistema é definida como segue.
Definição 8.3: Estabilidade de Entrada Limitada-Saída Limitada. Um sistema é BIBO estável

se sua saída for limitada por qualquer entrada limitada. Aquilo é,
você( )< kb
<ÿÿem y( ) < < ÿ kb e (8.7)
ÿ
Para obter uma condição necessária e suficiente para a estabilidade BIBO, precisamos do conceito de
norma de uma matriz (ver Apêndice III). As normas matriciais podem ser definidas com base em um conjunto
de axiomas ou propriedades. Alternativamente, definimos a norma de uma matriz em termos da norma
vetorial como
Ax
A = máx.
x x
(8.8)
= máx. Ax
x =1
Multiplicando pela norma de x, obtemos a desigualdade
AAxx ÿ ÿ (8.9)
que se aplica a qualquer norma matricial induzida a partir de uma norma vetorial. A seguir, damos uma condição para
a estabilidade do BIBO em termos da norma da matriz de resposta ao impulso.
Teorema 8.2: Um sistema é BIBO estável se e somente se a norma de sua matriz de resposta ao
impulso for absolutamente somável. Aquilo é,
ÿ
G k( ) < ÿ (8.10)
kÿ0=
Prova.
Suficiência
A saída de um sistema com matriz de resposta ao impulso G(k) e entrada u(k) é
eu
()=
y eu ( ) você
G kik ( )-
k= ÿ0
A norma de y (i) satisfaz

eu
eu(e) = ÿ G quem
( ) ( em
)ÿ
k =0
eu eu
ÿ ÿ ( )você
G kik ( )ÿÿ ÿ G k( ) em ( EU
)-
k =0 k =0
Para uma entrada limitada você(k)
você( ) kb < < ÿ em
Portanto, a saída é limitada por

eu ÿ
k (( )) ÿ ( ) ÿ y ib G kb G
em ÿ em ÿ
k =0 k =0
que é finito se a condição (8.10) for satisfeita.
Necessidade
A prova é por contradição. Assumimos que o sistema é BIBO estável, mas que (8.10)
é violado. Escrevemos a saída y(k) na forma
(kkkkk
)=()
e você
ÿ em ( k) ÿ
ÿ
em ( k ) -1 ÿ
( ) (0) 1k
= [ GGG ÿ
( )] ÿ ÿ
ÿ
ÿ ÿ
( 0)
ÿ ÿ
em
ÿ ÿ
Usando a definição de norma matricial, a norma do vetor de saída pode ser escrita
como
( k) = e máx. é( )
sim
é
= T k
é ( )
máx. para
é
T
onde gs ( ) k é a linha s da matriz G(k). Selecione os vetores u(i) para ter a r-ésima entrada
com magnitude unitária e com sinal oposto ao de gsr(i), onde gsr(i) denota a r-ésima entrada da
matriz de resposta ao impulso G(i). Isso dá a norma de saída
k eu
=yk máx ÿÿ ( ) gi ( )
senhor
é
eu
==00R
Para a estabilidade do BIBO, esta soma permanece finita. Mas para a violação de (8.10),
k k eu eu
ÿ ÿÿÿGkgik
()=()ÿÿÿÿ senhor como
eu
=0 eu
===
110é R
A definição da norma como a soma dos valores absolutos das entradas de uma matriz
é válido e pode ser demonstrado que (1) satisfaz todas as propriedades da norma e (2) permanece finito se e
somente se outras normas para a matriz forem finitas. Como a matriz tem um número finito de entradas, (8.10)
é violada apenas se a soma para fixo (s, r) for ilimitada (isto é, se a saída for ilimitada como k ÿ ÿ). Isto contradiz
a suposição de estabilidade do BIBO. ÿ
Exemplo 8.3
Determine a estabilidade BIBO do sistema com equações de diferenças
1 1 yk ( .) + +2+ ( 2 1)
( ) + +0sim =() Reino Unido
2( yk 2 0 9 yk . 1 1) =() Reino Unido
Solução
Para encontrar a matriz de resposta ao impulso, primeiro obtemos a matriz da função de transferência
- 1
2
ÿ E 1z
() ÿ ÿ z 0 .1 ÿ
2
Você z ()
ÿÿ
E 2z( ) ÿÿÿ=ÿ 0 .9 z ÿÿ
2 - 0 .1 - 0 .1
ÿ Com Com
ÿ ÿ Com
ÿ
- 0 .9 z 2 ÿ
- 0 .9
= ÿÿ ÿ ÿÿ
Com
ÿÿ
()
Você
( )z= Você
z (
22
- 0 .09 ) z ( ) ÿ ( .0 3 Com
z )0+.3
A transformação z inversa da matriz fornece a resposta ao impulso
k k k k
5 .556 0{(3()0ÿ 3.+ . )} 1 .111 d ( ) ÿ + 1) ÿ ( k 1. 852 {( - )}
ÿ 0 3 0 3. . ÿ
G (k ) = ÿ k k k k ÿ
ÿ10 d( ) k
ÿ+ 16 0 3 .) ÿ ( ÿÿ {(
0 13667 . . )} 5 .556 0{(3 ) - . + ( 0 .3 )} ÿ
ÿ
As entradas da matriz de resposta ao impulso são todas absolutamente somáveis porque

ÿ
1 - 1
ÿk ( ) .= = ( ) < ÿ- 0 3 0 .7
k =0 103.
Conseqüentemente, a resposta ao impulso satisfaz a condição (8.10) e o sistema é BIBO estável.
Embora seja possível testar a resposta ao impulso para estabilidade do BIBO, é muito
mais fácil desenvolver testes baseados na função de transferência. O teorema a seguir
relaciona a estabilidade BIBO à estabilidade assintótica e prepara o terreno para tal teste.
Teorema 8.3: Se um sistema linear em tempo discreto é assintoticamente estável, então é

BIBO estável. Além disso, na ausência de cancelamento instável do pólo zero, o sistema é
assintoticamente estável se for BIBO estável.
Prova. Substituindo de (8.4) em (8.10) dá

ÿ ÿ n
ÿ ÿÿ
G k( ) = CZBj euj
k
k =0 k ==10 j
ÿ n
ÿ ÿÿ CZBj euj
k
k ==10j
Para um sistema assintoticamente estável, todos os pólos estão dentro do círculo unitário. Portanto,
ÿ n
1
ÿ ÿ (G
) ÿk CZ Bj
k =0 j =1
1- euj
que é finito desde que as entradas das matrizes sejam finitas. Assim, sempre que o produto CZjB for
diferente de zero para todo j, BIBO e estabilidade assintótica são equivalentes. No entanto, o sistema é
BIBO estável, mas não assintoticamente estável se o produto for zero para algum lj com magnitude maior
que a unidade. Em outras palavras, um sistema com zeros de desacoplamento de entrada, desacoplamento
de saída ou desacoplamento de entrada-saída instáveis e todos os outros modos estáveis é BIBO estável,
mas não assintoticamente estável. Na ausência de cancelamento instável do pólo zero, a estabilidade BIBO
e a estabilidade assintótica são equivalentes. ÿ
Usando o Teorema 8.3, podemos testar a estabilidade do BIBO examinando os pólos da

matriz da função de transferência. Lembre-se de que, na ausência de cancelamento do pólo
zero, os autovalores da matriz de estados são os pólos do sistema. Se todos os pólos estiverem
dentro do círculo unitário, concluímos que o sistema é BIBO estável. No entanto, não podemos
concluir a estabilidade assintótica, exceto na ausência de cancelamento instável do pólo zero.
Reexaminaremos essa questão posteriormente neste capítulo.
Exemplo 8.4
Teste a estabilidade BIBO da função de transferência do sistema do Exemplo 8.3.
Solução
A função de transferência é
- 0 .1
ÿ Com
ÿ
- 0 .9 Com
ÿÿ ÿÿ
G z( ) =
z ( ) ÿ ( .0 3 Com
) +0 .3
O sistema tem pólos na origem, 0,3 e ÿ0,3, todos dentro do círculo unitário.
Portanto, o sistema é BIBO estável.
8.2 Controlabilidade e Estabilização

Ao obter funções de transferência z a partir de equações de espaço de estado em tempo
discreto, descobrimos que é possível ter modos que não afetam a relação entrada-saída. Isto
ocorre como resultado do cancelamento do pólo zero na função de transferência. Examinaremos
agora este fenómeno mais de perto para avaliar o seu efeito nos sistemas de controlo.
O tempo de resposta de um sistema é dado pela soma dos modos do sistema ponderados
por autovetores. Portanto, é importante que cada modo do sistema seja influenciado pela
entrada, de modo a poder selecionar uma resposta temporal que atenda às especificações do
projeto. Os sistemas que possuem esta propriedade são considerados completamente controláveis
ou simplesmente controlável. Os modos que não podem ser influenciados pelo controle são
chamados de modos incontroláveis. Uma definição mais precisa de controlabilidade é dada
próximo.
Definição 8.4: Controlabilidade. Um sistema é dito controlável se para qualquer estado

inicial x(k0) existe uma sequência de controle u(k), k = k0, k0 + 1,. .. , kf ÿ 1, tal que um
estado final arbitrário x(kf) pode ser alcançado em kf finito. ÿ
A controlabilidade pode receber uma interpretação geométrica se considerarmos um sistema

de segunda ordem. A Figura 8.1 mostra a decomposição do plano de estados em um subespaço
controlável e um subespaço incontrolável. O subespaço controlável representa estados que são
alcançáveis usando a entrada de controle, enquanto o subespaço incontrolável representa
estados que não são alcançáveis. Alguns autores preferem usar o termo acessibilidade em vez
de “controlabilidade”. Sistemas alcançáveis são aqueles em que todos os pontos no espaço de
estados são alcançáveis a partir da origem.1 Esta definição é equivalente à nossa definição de
controlabilidade.
O teorema a seguir estabelece que a definição anterior de controlabilidade
é equivalente à capacidade da entrada do sistema de influenciar todos os seus modos.
x2
Controlável
Incontrolável Subespaço
Subespaço
em
x1
Figura 8.1
Subespaços controláveis e incontroláveis.
1
Tradicionalmente, sistemas controláveis são definidos como sistemas onde a origem pode ser alcançada a partir de qualquer
ponto do espaço de estados. Isto é equivalente à nossa definição para sistemas de tempo contínuo, mas não para sistemas de
tempo discreto. Para simplificar, adotamos a Definição 8.4, mais relevante do ponto de vista prático.
8.2 Controlabilidade e Estabilização 291
Teorema 8.4: Condição de Controlabilidade. Um sistema linear invariante no tempo é

T
completamente controlável se e somente se os Bd, i = 1, 2, .
produtos . . , n são todos diferentes de zero, onde T é o i-ésimo
autovetor esquerdo da matriz de estado. Além disso, os modos para os quais o wi
T
produto com Bd é zero são incontroláveis.
Prova.
Necessidade e modos incontroláveis

A definição 8.4 com tempo final finito kf garante que todos os modos do sistema são influenciados
pelo controle. Para ver isso, examinamos a resposta de entrada zero
n
xZI k( Z) =k ix ( )0 eu
para
= ÿ1
eu
Para qualquer autovalor li dentro do círculo unitário, o modo correspondente decai para zero
exponencialmente, independentemente da influência da entrada. Porém, para ir ao estado zero
em tempo finito, é necessário que a entrada influencie todos os modos. Para um produto zero
ZiBd, o i-ésimo modo não é influenciado pelo controle e só pode ir a zero assintoticamente.
Portanto, o i-ésimo modo é incontrolável para ZiBd zero. Na Seção 7.4.3, mostramos que Zi é
uma matriz de posto 1 dada pelo produto do i-ésimo autovetor direito vi da matriz de estado, e
seu i-ésimo autovetor esquerdo é wi. Portanto, o produto ZiBd é dado por
ÿ em 1 ÿ eu
ÿ em Em ÿ eu 1 isto
Em
ÿ ÿ ÿ ÿ
em em
= vw eu B = eu 2 isto
ZB ÿ ÿ
w= B ÿ
eu 2
ÿ
eu ia é Eu d D.B.
ÿ
ÿ ÿ ÿ ÿ ÿ
ÿ ÿ
T
ÿ ÿ
ÿ emem ÿ ÿ emem Em ÿ eu
onde vij, j = 1, . . . , n são as entradas do i-ésimo autovetor da matriz de estado. Lá-

T
Portanto, o produto ZiBd é zero se e somente se o produto wi Bd é zero.
Suficiência
Examinamos a resposta total para qualquer estado inicial e terminal. De (7.80), temos
k- 1
k
xx = k A k( d) - x ()= ABpara
eu você d ()
ÿÿ
d (8.11)
0ÿ1
= 0
EU
Usando o teorema de Cayley-Hamilton, pode-se mostrar que para k > n, nenhum termo “novo” é
adicionado ao somatório anterior. Com isso queremos dizer que os termos adicionais serão
linearmente dependentes e, portanto, supérfluos. Assim, se o vetor x não puder ser obtido em n
períodos de amostragem pela seleção adequada da sequência de controle, ele não poderá ser
obtido por um período mais longo. Portanto, assumimos que k = n e usamos a expansão de (7.78)
para obter
n- 1ÿ n ÿ
x= ÿÿ De
j eu novo ÿÿ
1
()
B euvocê
d (8.12)
eu
=0 ÿÿ
j =1
ÿÿ
A soma externa em (8.12) pode ser escrita em forma de matriz para obter
ÿ em (0) ÿ
ÿ
em (1) ÿ
ÿ n n n n ÿ ÿ ÿ
x=
ÿÿÿ
ZB d
jn j eu
- 1
ÿ ZB d
jn j eu
- 2 .... ÿ ÿZBZB eu j djjd ÿ
ÿ
. ÿ (8.13)
j =1 j =1 j =1 j =1
ÿ
) -2
ÿ ÿ
ÿ
em (n ÿ
ÿ
em (n ) - 1 ÿ ÿ
= euem
A matriz Bd é n × m e é assumida como de posto completo m. Precisamos mostrar que

A matriz n × mn L tem classificação de linha completa. As matrizes constituintes Zi, i = 1, 2, . . . , n são de
classificação 1 e cada uma tem uma linearidade de coluna independente das outras matrizes constituintes.
Portanto, desde que os produtos individuais ZiBd sejam todos diferentes de zero, cada submatriz de L tem
posto 1, e L tem n colunas linearmente independentes (isto é, L tem posto completo n).
Como a classificação de uma matriz não pode exceder o número de linhas para menos linhas do que
colunas, temos
{ } L=x{ } = classificação
classificação eu n (8.14)
Esta condição garante a existência de uma solução u para (8.12). No entanto, a solução é, em geral,
não única porque o número de elementos de u (incógnitas) é mn > n. Uma solução única existe apenas no
caso de entrada única (m = 1). Segue-se que se os produtos ZiBd, i = 1, 2, . . n são todos diferentes de
. ,
zero, então pode-se resolver o vetor de sequências de entrada necessárias para alcançar qualquer x(kf) a
partir de qualquer x(k0). Conforme discutido na prova de necessidade, o produto ZiBd é zero se e somente
T
se o produto wi Bd é zero. ÿ
O próximo teorema fornece um teste de controlabilidade mais simples, mas, como afirmado
inicialmente, não fornece um meio de determinar qual dos modos do sistema é incontrolável.
Teorema 8.5: Condição de classificação de controlabilidade. Um sistema linear invariante no tempo é completamente controlável se e somente
se a matriz de controlabilidade n × mn
C = [ CAPÍTULO ... ABn - 1

] (8.15)
d dd d d
tem classificação n.
Prova. Primeiro escrevemos (8.11) na forma
ÿ em ( n ) - 1 ÿ
(n ) -2
ÿ ÿ
em
ÿ ÿ
- 1 .
x = [ BABAB
ddd
...
dn ] ÿ ÿ
(8.16)
(1)
ÿ ÿ
em
ÿ ÿ
ÿ
em (0) ÿ
ÿ
= Cu
Temos agora um sistema de equações lineares para o qual (8.15) é uma condição necessária e
suficiente para que exista uma solução u para qualquer x. Portanto, (8.15) é uma condição
necessária e suficiente para controlabilidade. ÿ
Se a matriz de controlabilidade C for deficiente em classificação, então a deficiência em

classificação é igual ao número de vetores linha linearmente independentes que são mapeados
para zero na multiplicação por C. Esses vetores linha são os estados incontroláveis do sistema,
bem como os autovetores esquerdos de a matriz de estado A. Os vetores também são a transposta
dos autovetores direitos de AT . Assim, o teste de classificação pode ser usado para
determinar os modos incontroláveis do sistema se a autoestrutura do AT for conhecida.
Exemplo 8.5
Determine a controlabilidade da seguinte equação de estado:
ÿ xk1 ( ) + 1 ÿ ÿ 2 ÿÿ
2 0 ÿ ÿ xk1 ( ) ÿ ÿ1 0 ÿ
ÿ
xk2 ( ) + 1 ÿ
= ÿ
00 1
ÿ
xk2 ( ) ÿ
+ 01 ÿ ÿ
em (k)
ÿ ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ ( xk ) +1 ÿ 0 0 4 0 5. .
ÿÿ
xk3 ( ) ÿ ÿ1 1 ÿ
ÿÿ
ÿ ÿ
ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
Solução
A matriz de controlabilidade do sistema é
C= BABAB
d dd
2
dd ]
- - 2 2 2 ÿ
[ ÿ1 0 2
= 01ÿ ÿ
1 1 - 0 .5 0 9- . ÿ
- . 15 -0 05
. - . .
ÿ1 1 0 5 0 9 0
ÿ
ÿ
ÿ
A matriz possui classificação 3, o que implica que o sistema de terceira ordem é controlável. Na
verdade, as três primeiras colunas da matriz são linearmente independentes, e a mesma conclusão
pode ser alcançada sem calcular toda a matriz de controlabilidade. Em geral, pode-se calcular
gradualmente mais colunas até que n colunas linearmente independentes sejam obtidas para concluir a
controlabilidade para um sistema de enésima ordem.
Embora os testes de controlabilidade sejam apresentados aqui para sistemas de tempo

discreto, eles são aplicáveis a sistemas de tempo contínuo. Este fato é usado nos dois exemplos
a seguir.
Exemplo 8.6
Mostre que a seguinte equação de estado é incontrolável e determine o modo incontrolável. Em seguida,
obtenha a equação do estado em tempo discreto e verifique se ela também é incontrolável.
ÿ
ÿ xt1 ( )ÿ ÿ0 1 ÿ ÿ xt1 ( )ÿ ÿÿ 1ÿ
ÿ
fora
ÿÿ
xt2 ( ) ÿÿ=ÿÿ 0 0 ÿÿ ÿÿ
xt2 ( ) ÿÿ+ÿÿ 0 ÿ ÿ ( )
Solução
O sistema tem um autovalor zero com multiplicidade 2. A matriz de controlabilidade para o sistema é
C = [ ] CAPÍTULO
10
= ÿÿ ÿ
00
ÿÿÿÿ
A matriz possui classificação 1 (menor que 2), o que implica que o sistema de segunda ordem possui um (2 - 1)
modo incontrolável. Na verdade, a integração da equação de estado revela que a segunda variável de estado é
governada pela equação
xtxt2( 0) = ( ), ÿ tt 0
2
Portanto, a segunda variável de estado não pode ser alterada através do controle e corresponde a um modo
incontrolável. A primeira variável de estado é influenciada pela entrada e pode ser controlada arbitrariamente.
A matriz de transição de estado para este sistema pode ser obtida diretamente usando a expansão em
série porque a matriz Ai é zero para i > 1. Assim, temos a matriz de estado em tempo discreto
ÿ1 Tÿ
UMA =
e+= = NO
2 EU ESTOU
d
ÿÿ
01 ÿÿ
A matriz de entrada em tempo discreto é
T T 1ÿ ÿÿ Tÿ
Bd = ÿ At
eBd t = ÿ +I [A
2
t ]ÿÿ dt
0 0 ÿÿ
0 ÿ ÿ = ÿ ÿ 0 ÿÿ
A matriz de controlabilidade para o sistema de tempo discreto é
C = [ CAPÍTULO
d dd ]
TT
= ÿÿ ÿ ÿ
00ÿÿÿÿ
Tal como acontece com o sistema de tempo contínuo, a matriz tem classificação 1 (menor que 2), o que implica
que o sistema de segunda ordem é incontrolável.
A solução da equação de diferença para a segunda variável de estado dá
kkkkkkk
2 ( ) = ( ), ÿ2 0 0
com tempo inicial k0. Assim, a segunda variável de estado corresponde a um modo unitário incontrolável (e0 ),
enquanto a primeira variável de estado é controlável como no sistema contínuo.
Exemplo 8.7
Mostre que a equação de estado para o sistema motor

ÿ
ÿx 1 ÿ ÿ0 1 ÿ 0 ÿ ÿx 1 ÿ ÿ 1ÿ
ÿ
x ÿ
= 00ÿ 1 ÿ ÿ
x ÿ
+ ÿ
0 ÿ
em
2 2
ÿ ÿ ÿ ÿ ÿ ÿ ÿ
- -
ÿ
ÿx 3 ÿ
ÿ ÿ
ÿ 0 10 11
ÿ
ÿ ÿx 3 ÿ
ÿ ÿ ÿ
ÿ0 ÿ
ÿ ÿ
com DAC e ADC é incontrolável e determina os modos incontroláveis. Obtenha as funções de transferência
dos sistemas de tempo contínuo e de tempo discreto e relacione os modos incontroláveis aos pólos da
função de transferência.
Solução
Do Exemplo 7.7, a matriz de transição de estado do sistema é
- - 1 ÿ
ÿ 10 11 1 ÿ 0 ÿ 0 10 1 ÿ - t ÿ0 1 - 10 t
E e e e
e = ÿ
000 ÿ
+ ÿ
0 10 1 ÿ
+ ÿ
0 10 10 ÿÿ ÿ
ÿ ÿ
10 ÿ ÿ
9 ÿ ÿ
90
- -
ÿ 000
ÿ
ÿ ÿ
ÿ 0 10 1
ÿ
ÿ ÿ
ÿ 0 100 100
ÿ
ÿ
ÿ
Multiplicando pela matriz de entrada, obtemos
ÿ 1ÿ ÿ0 ÿ - t ÿ0 ÿ - 10 t ÿ 1ÿ 0
No 0 e e e
eB = ÿ
0 ÿ
e + ÿ
0 ÿ
+ ÿ
0 ÿ
= ÿ
0 ÿ
ÿ ÿ ÿ ÿ
9 ÿ ÿ
90 ÿ ÿ
10
ÿ0 ÿ
ÿ ÿ
ÿ0 ÿ
ÿ ÿ
ÿ0 ÿ
ÿ ÿ
ÿ0 ÿ
ÿ ÿ
Assim, os modos eÿt e eÿ10t são ambos incontroláveis para o subsistema analógico. Os dois modos
também são incontroláveis para o sistema digital, incluindo DAC e ADC.
Usando os resultados do Exemplo 7.9, a matriz de entrada para o sistema de tempo discreto é
ÿ 1ÿ
- T - 10 T
= ZB1 e ZB+e 1 2
BZd BT ÿ1( 0 Tÿ
ÿ ÿ
ÿ( )+ 3 )=
ÿ
ÿ0 ÿ
ÿ ÿ
e a matriz Ad = eAT. A matriz de controlabilidade para o sistema de tempo discreto é

2
C = [ ÿ BABAB
d dd dd ]
111 ÿ
= ÿ
000 ÿ
T
ÿ ÿ
ÿ0 0 0
ÿ
ÿ
ÿ
que claramente possui classificação 1, indicando que existem 2 (ou seja, 3 ÿ 1) modos incontroláveis. Os
autovetores esquerdos correspondentes aos autovalores eÿT e eÿ10T têm zero na primeira entrada, e
seu produto com a matriz de controlabilidade C é zero. Portanto, os dois modos correspondentes não são
controláveis. O autovalor zero tem o autovetor esquerdo [1, 0, 0] e seu produto com C é diferente de zero.
Assim, o modo correspondente é controlável.
A função de transferência do sistema de tempo contínuo com saída x1 é
- 1 1
G s( )C=sIÿ AB
[ 3 ]=
é
Isso não inclui os modos incontroláveis (modos de desacoplamento de entrada) porque eles são
cancelados quando a matriz resolvente e a matriz de entrada são multiplicadas.
A função de transferência z correspondente ao sistema com DAC e ADC é
- 1 1ÿ Gs( ) ÿ T
G DE
z NOVO( ) =
Com
ZL { -
- 1
Com ÿÿ é ÿ}ÿ = Com
O leitor pode facilmente verificar que a função de transferência é idêntica àquela obtida usando a
representação em espaço de estados em tempo discreto. Inclui o pólo em e0 mas não tem pólos em eÿT
ou eÿ10T .
8.2.1 Comandos MATLAB para testes de controlabilidade
Os comandos MATLAB para calcular a matriz de controlabilidade e determinar sua classificação são
>> c = ctrb(A, C)
>> classificação (c)
8.2.2 Controlabilidade de Sistemas na Forma Normal
A verificação da controlabilidade é particularmente simples se o sistema for dado na forma

normal – isto é, se a matriz de estado estiver na forma
A = diag{ eu1( AA
) (,) eu2 ,..., n eu ( A
)}
A matriz de transição de estado correspondente é

- 1 eu1 (No
) eu2 (No
) eun (No
)
e
E = eu [ sI nA
ÿ{ } ] = { diag. e ,e ,..., e } (8.17)
A matriz de estado em tempo discreto é
eu1(NO
) eu2 (NO
) eun (NO
)
Dedo ==
d do pé
NO
{ diag. e ,e ,..., e }
(8.18)
= diagnóstico
{ eu1eu
,2,..., eun }
O teorema a seguir estabelece condições de controlabilidade para um sistema na forma normal.
Teorema 8.6: Controlabilidade de Sistemas na Forma Normal. Um sistema na forma normal é controlável se e somente se sua matriz de
entrada não tiver nenhuma linha zero. Além disso, se a matriz de entrada tiver uma linha zero, então o modo correspondente é incontrolável.
Prova.
Necessidade e modos incontroláveis

Para um sistema na forma normal, as equações de estado estão na forma
( xk ) +1 = -
eu
eueuistoxk ( ) + b você (ki),= 1 2 , ,..., n
T
onde bi é a i-ésima linha da matriz de entrada Bd. Para uma linha zero, o sistema não é
forçado e só pode convergir para zero assintoticamente para |li| dentro do círculo unitário. Como a
controlabilidade requer convergência para qualquer estado final (incluindo a origem) em tempo
T.
finito, o i-ésimo modo é incontrolável para zero bi
Suficiência
A partir da prova de suficiência do Teorema 8.4, obtemos a equação (8.13) a ser resolvida para o vetor u de controles
. , classificação n. Para um sistema na forma
no período k = 0, 1, . . n ÿ 1. A solução existe se a matriz L em (8.13) tiver
normal, a matriz de transição de estado está na forma
k
de Anúncios =diag{ } eu
para
e a matriz n × nm L está na forma
n- 1 n- 2
eu
= [ { diag. euj }B d { diag. euj } Bd .... { }eu jdBB
diagnóstico e]
Substituindo Bd em termos de suas linhas e usando as regras de multiplicação de matrizes

particionadas, obtemos
- 1
nT n T- 12c T
ÿ eu b 1 eu b 1
ÿ
b 1 ÿ
nT- 21 nº - 2 T T
b eu2 b b
ÿ ÿ
eu 2 2
ÿ
2
eu = ÿ ÿ
ÿ ÿ ÿÿÿ ÿ
ÿ - 1 T n- 2 T T
ÿ eunn b eun b b
ÿ
n n n ÿÿ
Para uma matriz Bd sem linhas zero, as linhas de L são linearmente independentes e a matriz tem
posto completo n. Isto garante a existência de uma solução u para (8.13). ÿ
Exemplo 8.8
Determine a controlabilidade do sistema
ÿ xk1 ( ) + 1ÿ
ÿ ÿ- 2 0 0 ÿ ÿ xk1 ( ) ÿ ÿ10 ÿ
= xk2ÿ( ) (k)
ÿ ÿ
xk2 ( ) + 1 ÿ
000 ÿ ÿ
+ ÿ
01 ÿ
em
ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
-
ÿ xk3 ( ) + 1 ÿ
ÿ ÿ
ÿ
ÿ
0005 .
ÿ
ÿ
ÿ xk3 (
ÿ ) ÿ
ÿ
ÿ11
ÿ
ÿ
ÿ
Solução
O sistema está na forma normal e sua matriz de entrada não possui zero linhas. Portanto, o sistema é
completamente controlável.
8.2.3 Estabilização
O sistema no Exemplo 8.8 é controlável, mas tem um autovalor instável (fora do círculo unitário) em (ÿ2). Isto
demonstra claramente que a controlabilidade implica a capacidade de controlar os modos do sistema
independentemente da sua estabilidade. Se o sistema tiver modos incontroláveis, então esses modos não
podem ser influenciados pelo controle e podem ou não decair para zero assintoticamente. A combinação dos
conceitos de modos estáveis e controláveis dá a seguinte definição.
Definição 8.5: Estabilização. Diz-se que um sistema é estabilizável se todos os seus modos incontroláveis
forem assintoticamente estáveis. ÿ
Os sistemas físicos são frequentemente estabilizáveis em vez de controláveis. Isto não representa nenhum
problema, desde que o decaimento da dinâmica incontrolável até zero seja suficientemente rápido para não
desacelerar excessivamente o sistema.
Exemplo 8.9
Determinar a controlabilidade e estabilização do sistema

ÿ xk1 ( ) +1 ÿ ÿ- 2 0 0 ÿ ÿ xk1 ( ) ÿ ÿ10 ÿ
=
ÿ ÿ
xk ( ) +1
ÿ
000 ÿ
xk ÿ( ) ÿ
+ ÿ
00 ÿ
em (k)
2 ÿ 2
ÿ ÿ ÿ ÿ ÿ ÿ
-
ÿ xk3 (
ÿ
) +1 ÿ ÿ
ÿ
ÿ
0005 .
ÿÿ
ÿ
ÿ xk
3 () ÿ ÿ
ÿ11
ÿ
ÿ
ÿ
Solução
O sistema está na forma normal e sua matriz de entrada possui uma linha zero correspondente
ao seu autovalor zero. Portanto, o sistema é incontrolável. Contudo, o modo incontrolável na
origem é assintoticamente estável e o sistema é, portanto, estabilizável.
Um procedimento alternativo para determinar a estabilizabilidade do sistema é transformá-
lo em uma forma que particione o estado em uma parte controlável e uma parte incontrolável,
e então determinar a estabilidade assintótica da parte incontrolável. Podemos fazer isso
explorando o seguinte teorema.
Teorema 8.7: Formulário Padrão para Sistemas Incontroláveis. Considere o par (Ad, Bd) com nc modos
controláveis en - nc modos incontroláveis e a matriz de transformação
- 1
T
ÿ q 1 ÿ
ÿ ÿ
ÿ
ÿ ÿ
- 1
T
ÿ
q ÿ
ÿP 1 ÿ
T = nc = (8.19)
c ÿ ÿ
T P 2 ÿÿ
ÿ
q nc + 1 ÿ
ÿÿ
ÿ
ÿ ÿ
ÿ ÿ
T
ÿ q n ÿ
T
onde qi { , em
= +1
c ,..., n } são vetores linearmente independentes no espaço nulo de } são vetores
T
matriz de controlabilidade C e qi { , eu = 1 ,..., não linearmente independentes arbitrários
selecionado para tornar Tc não singular.
A matriz de transição de estado transformada A e a matriz de entrada transformada B têm a seguinte
forma:
ÿ AAc cuc ÿ ÿB c ÿ
uma =
ÿ bÿ=ÿ 0 (8.20)
0 A ÿ
ÿ uc ÿ ÿ ÿ
onde Ac é uma matriz nc × nc , Bc é uma matriz nc × m e o par (Ac, Bc) é controlável.

Prova. Se o posto da matriz de controlabilidade C for nc, existem linearmente independentes em = +1 e a transformação Tc pode
vetores qi { ,
T
c , . . . , n } satisfatório q 0 Eu
C= T
,
ser obtido adicionando nc vetores linearmente independentes. O espaço nulo da matriz de labilidade de controle é o
espaço inacessível do sistema e também é gerado pelo conjunto de autovetores esquerdos correspondentes aos
modos incontroláveis. Portanto, os vetores { , correspondentes aos modos incontroláveis. Podemos, portanto, escrever
a qi
T em
+1= c , . . . , n } são combinações lineares dos autovetores esquerdos da matriz Ad
matriz de transformação na forma
- 1
ÿ P1 ÿ
Tc = ÿ
ÿÿ
2 uc
Perguntas frequentes
ÿ
onde a matriz de coordenadas Q2 é não singular e Wuc é uma matriz cujas linhas são } ,
{ wiT , = 1, . . . , n nc
os autovetores esquerdos de Ad,
-
correspondendo a modos incontroláveis.
eu
Pelo teste de controlabilidade do autovetor, se o i-ésimo modo for incontrolável, temos

T T
em 0B deu= eu , = ,...,1 nn- c
Portanto, transformar a matriz de entrada dá
1 ÿ P1 ÿ ÿB c ÿ
B = - cd
TB =
ÿB=d ÿ ÿ 0
2 uc
ÿÿ
ÿ ÿÿ
A seguir, mostramos que a transformação produz uma matriz de estado na forma (8.20). Nós
primeiro lembre-se de que os autovetores esquerdo e direito podem ser escalonados para satisfazer a condição
T -
em vi = 1 1, ,...,= n nc
eu
eu
Se combinarmos a condição para todos os autovetores correspondentes aos modos incontroláveis,

temos
W Vuc uc =
= [ ] wv
Eu j
EUnn- c
Escrevemos a matriz de transformação na forma
TRRRVR
c = [ 1 2 [ ]= 1 uc 2 ]
que satisfaz a condição
- ÿ P1 ÿ ÿ EUn c 0 ÿ
1 =
TT
CC RVR
1 uc 2]=ÿ
2 uc ÿ[ ÿ 0 EUnn-
c
ÿÿ
ÿ ÿÿ
Como Q2 é não singular, temos a igualdade
W Ruc 1 =0
A transformação de similaridade dá
- ÿ P1 ÿ
d [ 12 ]
1 =
TAT
c dc ÿ
ARVR uc
QW
2 ÿuc ÿÿ
(8.21)
ÿ COROA
1 d 1 1 etc. 2 ÿ
=
ÿ
ÿÿ
QWAR
2 etc. 1QWAVR
2 uc uc 2
ÿ
Como pré-multiplicar a matriz Ad por um autovetor esquerdo fornece o mesmo autovetor escalonado por um
autovalor, temos a condição
Uau
etc.
= L L, diag{
em você
= eu 1,..., você euum, NCÿ }
com lu denotando um autovalor incontrolável. Isso simplifica nossa igualdade de matriz (8.21)
para
- 1 ÿ NEVE
1 d 1 O 1TÚMULO
etc. 2 ÿ ÿ NEVE
1 d 1 O 1TÚMULO
etc. 2ÿ
TAT
c CC
=
ÿ=ÿ
eu 2 euvocê, uc, uc eu 2 euem
ÿ ÿ
ÿ QWRQWVR
2 você, vc 1 2
ÿ ÿ QWRQR
2 você, vc 1 2
ÿ
ÿ COROA
1 d 1 1 etc. 2ÿ ÿ AA
c cuc ÿ
=
ÿ=ÿ
0 2 euem
QR 2 0ÿ A uc ÿ
ÿÿ ÿ ÿ
Como todos os modos incontroláveis correspondem aos autovalores da matriz Auc, os demais modos são todos
controláveis, e o par (Ac, Bc) é completamente controlável.
ÿ
Como o par (Ad, Bd) possui nc modos controláveis, o posto da matriz de labilidade de controle é
nc e é garantida a existência da matriz de transformação Tc . O { , } da matriz de transformação inversa
T
em
+1= c geométricas
tem colunas ,...,n qi
interpretação rica. Eles formam um conjunto base para o subespaço não observável do sistema e
podem ser selecionados como os autovetores dos modos incontroláveis do sistema.
As colunas restantes de Tc formam um conjunto base do subespaço controlável. A transformação

de similaridade é uma mudança de base que nos permite separar o subespaço controlável do
subespaço incontrolável. Após a transformação, podemos verificar a estabilizabilidade do sistema
verificando se todos os autovalores da matriz Auc estão dentro do círculo unitário.
Exemplo 8.10
Determine a controlabilidade, estabilidade e estabilizabilidade do sistema
- 1 .85 4 2 0. 15 -
ÿ xk1 ( ) + 1 ÿ ÿ . ÿ ÿ xk1 ( ) ÿ ÿ4 3 ÿ
ÿ
xk2 ( ) + 1 ÿ
= ÿ - 0 .3 0 1 0 .3 . ÿ ÿ
xk2 ( ) ÿ
+ ÿ
11 ÿ
você( ) k
- 1 0,35 4 2 .0 65-
ÿ ( xk
ÿ
3 ) +1 ÿ ÿ
ÿ
ÿ . ÿ ÿ xk3 (
ÿ ÿ ) ÿ
ÿ
ÿ2 1
ÿ
ÿ
ÿ
Solução
Primeiro encontramos a matriz de controlabilidade do sistema
2
C = [ ÿBABAB
d dd dd ]
4 3 3 5 1- 5 4. 75 0- 75. . . ÿ
= ÿ
1 1 0 5 0- 5 0. 25 0- 25. . . ÿ
ÿ ÿ
- . 5 0 5- 4 25
ÿ2 1 2
ÿ . 0 25. . ÿ ÿ
8.3 Observabilidade e Detectabilidade 301
A matriz tem classificação 2 e as duas primeiras colunas são linearmente independentes. A dimensão do espaço
nulo é 3 ÿ 2 = 1. Formamos uma matriz de transformação das duas primeiras colunas da matriz de controlabilidade
e uma terceira coluna linearmente independente, dando
ÿ4 3 0 ÿ
Tc =
ÿ
110 ÿ
ÿ ÿ
ÿ2 1 1
ÿ
ÿ
ÿ
O sistema é transformado para
ÿ ( xk
1 ) +1 ÿ ÿ- 20 - 1 .05 ÿ xk (
ÿ 1 ) ÿ ÿ10 ÿ
= 1 .5 0 5-1 35 xk2 ( ) (k)
ÿ ÿ ÿ ÿ
( xk
2 ) +1
ÿ
. . ÿ ÿ
+ 01 em
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
ÿ ( xk ) +1 ÿ 00 0 .1 xk3 ( ) 00
ÿÿ ÿ
ÿ ÿ ÿ ÿ
3 ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
O sistema possui um modo incontrolável correspondente ao autovalor em 0,1, que está dentro do círculo
unitário. O sistema é, portanto, estabilizável, mas não controlável. Os outros dois autovalores estão em -2, fora
do círculo unitário, e em -0,5, dentro do círculo unitário, e ambos os modos correspondentes são controláveis.
O sistema é instável porque um dos autovalores está fora do círculo unitário.
8.3 Observabilidade e Detectabilidade

Para controlar eficazmente um sistema, pode ser vantajoso utilizar o estado do sistema para selecionar a ação
de controle apropriada. Normalmente, o vetor de saída ou medição de um sistema inclui uma combinação de
algumas, mas não de todas as variáveis de estado. O estado do sistema deve então ser estimado a partir do
histórico temporal das medições e controles. Contudo, a estimativa do estado só é possível com a escolha
adequada do vetor de medição. Os sistemas cujas medições são assim escolhidas são considerados
completamente observáveis ou simplesmente observáveis. Os modos que não podem ser detectados
usando as medições e o controle são chamados de modos não observáveis. Uma definição mais precisa de
observabilidade é dada a seguir.
Definição 8.6: Observabilidade. Um sistema é dito observável se qualquer estado inicial x(k0)
pode ser estimado a partir da sequência de controle x(k), k = k0, k0 + 1, . . . , kf ÿ 1, e as
medidas y(k), k = k0, k0 + 1, . . . , kf. ÿ
Tal como no caso da controlabilidade, a observabilidade pode receber uma interpretação geométrica se
considerarmos um sistema de segunda ordem. A Figura 8.2 mostra a decomposição do plano de estado em
um subespaço observável e um subespaço inobservável.
O subespaço observável inclui todos os estados iniciais que podem ser identificados usando o histórico de
medição, enquanto o subespaço não observável inclui estados que são indistinguíveis.
O teorema a seguir estabelece que esta definição de observabilidade é equivalente à capacidade de estimar todos os modos do
sistema utilizando seus controles e medições.

x2
Observável
Inobservável Subespaço
Subespaço
e
x1
Figura 8.2
Subespaços observáveis e não observáveis.
Teorema 8.8: Observabilidade. Um sistema é observável se e somente se Cvi for diferente de

1, 2, . . . , zero para n, onde vi é o i-ésimo autovetor da matriz de estado. Além disso, se i =
produto C vi é zero, então o i-ésimo modo é inobservável.
Prova. Primeiro definimos o vetor
k- 1
=
()
ok aa ( k) -CAB i D k
ÿ1
ÿÿ
criança
você ( ) ÿ ( )em
= 0
EU
n
= CA kk x( ) =
d 0
CZ k eu x
eu eu ( )0
= ÿi
1
Suficiência
Empilhe os vetores de saída y( )ii , . . . ,1 ,= k obter

n
ÿ ÿ
ÿ
ÿ República Checa
j ÿ
ÿ j =1 ÿ
ÿ e (0) ÿ ÿ n ÿ
e (1) ÿ
ÿ
ÿ República Checa
j
eu
j
ÿ
ÿ ÿ
ÿ
j =1 ÿ
=
ÿ
ÿ ÿ
ÿ
ÿ
ÿ
ÿ
ÿ
x (k)0 (8.22)
ÿ ÿ
e ( ÿn ) - 2 n
ÿ
ÿ ÿ
eu n - 2
ÿ
C COM
n )- 1
ÿ
j j ÿ
( ÿe
ÿ ÿ
ÿ ÿ
j =1 ÿ
ÿ
n ÿ
ÿ República Checa
j
eu n - 1
j
ÿ
ÿ ÿ
j =1
ÿ ÿ
= L k x( ) 0
Os produtos CZi são

CZ C v =
wi isto = [C ww v ... Em ]
eu eu eu 1 eu 2 em
= [ C ww v eu 1 eu eu 2 eu
... Em em
em eu ]
onde wij, j = 1, … n são, as entradas do i-ésimo autovetor esquerdo e vi é o i-ésimo autovetor
direito da matriz de estado A (ver Seção 7.4.3). Portanto, se os produtos forem diferentes de
zero, a matriz L possui n colunas linearmente independentes (ou seja, possui classificação n). Um n × n
submatriz de L pode ser formada descartando as linhas dependentes. Isso nos deixa com
n equações nas n entradas desconhecidas do vetor de condição inicial. Uma solução única pode assim ser obtida.
Necessidade
Seja x(k0) na direção de vi, o i-ésimo autovetor de Ad, e seja CZi zero.
Então o vetor y(k) é zero para qualquer k independentemente da amplitude do vetor de condição inicial (lembre-se
de que Zivj = 0 sempre que i ÿ j). Assim, todos os vetores iniciais na direção vi são indistinguíveis usando as
medições de saída e o sistema não é observável.
ÿ
O teorema a seguir estabelece um teste de classificação de observabilidade que pode ser

verificado diretamente usando as matrizes de estado e de saída.
Teorema 8.9: Condição de classificação de observabilidade. Um sistema linear invariante no tempo é completamente observável se e somente
se a matriz de observabilidade ln × n
ÿÿ
C ÿ
QUEd
ÿ
O=ÿ
ÿ
(8.23)
ÿnÿ ÿ ÿ1ÿ ÿ
CA d
ÿ ÿ
tem classificação n.
Prova. Primeiro escrevemos (8.22) na forma
ÿÿ e ( 0)
ÿÿÿ
C ÿÿ
e ( 1)
QUEd
ÿ = x (k)0 (8.24)
ÿ
e (n ) - 2 ÿÿ n- 1
CA d
ÿ
e ( n ÿ ÿ1ÿ
ÿÿÿÿ
ÿÿÿÿÿÿ
ÿ ÿ ÿOk
ÿ )xÿ ÿ =0 ( )
Agora temos um sistema de equações lineares que pode incluir, no máximo, n equações linearmente independentes.
Se existirem n equações independentes, seus coeficientes podem ser usados para formar uma matriz invertível n ×
n . A condição de classificação (8.23) é uma condição necessária e suficiente para que exista uma solução única
x(k0) . Assim, (8.23) é uma condição necessária e suficiente para a observabilidade.
ÿ
Se a matriz de controlabilidade C for deficiente em classificação, então a deficiência em

classificação é igual ao número de vetores de coluna linearmente independentes que são mapeados
para zero na multiplicação por O. Este número é igual ao número de estados não observáveis do
sistema e dos vetores de coluna mapeados para zero são os autovetores corretos da matriz de estado.
Assim, o teste de classificação pode ser usado para determinar os modos não observáveis do sistema
se a autoestrutura da matriz de estados for conhecida.
Exemplo 8.11
Determine a observabilidade do sistema usando dois testes diferentes:

021× eu 2
ÿ ÿ
A = C 001 ]
ÿÿ 0 3 4- ÿÿ=[
Se o sistema não for completamente observável, determine os modos não observáveis.
Solução
Como a matriz de estado está na forma companheira, sua equação característica é facilmente obtida
a partir de sua última linha. A equação característica é
eu3 - 4 eu2 3 + =
eu eu(eu - 1 )( eu ) ÿ3=0
Portanto, os autovalores do sistema são {0, 1, 3}.

A forma companheira da matriz de estado nos permite escrever a matriz modal de autovetores como a
matriz de Van der Monde:
ÿ111 ÿ
V= ÿ
013 ÿ
ÿ ÿ
ÿ0 1 9
ÿ
ÿ ÿ
A observabilidade é testada usando o produto da matriz de resultados e da matriz modal:
ÿ111 ÿ
CV = [ ] 0 0 1 0 1 3 = [ ]0 1 9
ÿ ÿ
ÿ ÿ
ÿ0 1 9
ÿ
ÿ ÿ
O produto da matriz de saída e do autovetor para o autovalor zero é zero. Concluímos que o sistema
tem um desacoplamento de saída zero em zero (ou seja, um modo não observável).
A matriz de observabilidade do sistema é

ÿ C ÿ ÿ0 0 1 ÿ
= 034-
ÿ ÿ ÿ ÿ
O= QUE
ÿ d ÿ ÿ ÿ
ÿ
QUE2 ÿ ÿ
0 12 -13 ÿ
ÿ d ÿ ÿ ÿ
que tem classificação 2 = 3 ÿ 1. Portanto, o sistema tem um modo não observável. O produto da matriz
de observabilidade e do autovetor para o autovalor zero é zero. Portanto, corresponde ao modo não
observável do sistema.
8.3.1 Comandos MATLAB

Os comandos MATLAB para testar a observabilidade são
>> o = obsv(A, C) % Obtenha a matriz de observabilidade
>> classificação (o)

8.3.2 Observabilidade de Sistemas na Forma Normal

A observabilidade de um sistema pode ser facilmente verificada se o sistema estiver na forma normal,
Teorema 8.10: Observabilidade de Sistemas de Forma Normal. Um sistema na forma normal é

observável se e somente se sua matriz de saída não tiver colunas zero. Além disso, se a matriz de entrada
tiver uma coluna zero, então o modo correspondente é inobservável.
Prova. A prova é semelhante à do teorema da controlabilidade (8.6) e fica como

exercício. ÿ
8.3.3 Detectabilidade
Se um sistema não for observável, é preferível que os modos não observáveis sejam estáveis. Essa
propriedade é chamada de detectabilidade.
Definição 8.7: Detectabilidade. Um sistema é detectável se todos os seus modos não observáveis decaem
para zero assintoticamente. ÿ
Exemplo 8.12
Determine a observabilidade e detectabilidade do sistema
ÿ xk1 ( ) +1 ÿ ÿ - 0 .4 0 0 ÿ ÿ xk1 ( ) ÿ ÿ10 ÿ

=
ÿ ÿ
xk ) +1 xk + 00 (k)
2( 2( )
ÿ ÿ
ÿ
030 ÿ
ÿ ÿ ÿ ÿ
em
ÿ ÿ ÿ ÿ ÿ ÿ
-
ÿ xk
ÿ
3 ( ) +1 ÿ ÿ
ÿ
ÿ
002
ÿ
ÿ
ÿ xk
ÿ
3 () ÿ
ÿ
ÿ11
ÿ
ÿ
ÿ
ÿ xk1 ( )ÿ
sim( ) = [ 1 1 0 ] ÿ
xk () ÿ
2
ÿ ÿ
ÿ xk3 (
ÿ
) ÿ
ÿ
Solução
O sistema está na forma normal e sua matriz de saída possui uma coluna zero correspondente ao seu
autovalor -2. Portanto, o sistema é inobservável. O modo não observável em -2, |-2| > 1,
é instável e o sistema, portanto, não é detectável.
Semelhante aos conceitos descritos para estabilizabilidade, um procedimento para determinar a detectabilidade
do sistema é transformá-lo em uma forma que permita particionar o estado em uma parte observável e uma
parte não observável e então determinar a estabilidade assintótica da parte não observável. Fazemos isso
Teorema 8.11: Formulário Padrão para Sistemas Inobserváveis. Considere o par (Ad, Cd)
com n0 modos observáveis en - n0 modos não observáveis e a matriz de transformação n × n
TTT= [ ]=[t ... t t ... tn]

o o 1 o 2 1 nn- 0 ÿ +1 nn 0
. , são vetores linearmente independentes no espaço nulo da matriz de

onde {ti, i = 1, . . n ÿ no}
. . arbitrários selecionados para tornar
observabilidade O e {ti, i = n ÿ no + 1, . , n} são vetores
To invertível. A matriz de transição de estado transformada A e a matriz de entrada
transformada C têm a seguinte forma:
ÿ AA ÿ
em amigos
uma =
ÿ
0ÿ A
c
ÿ=[ÿ 0
lnn × - 0
C
o ]
nnn ×-
00 o
onde Ao é uma matriz n0 × n0 , Co é uma matriz l × n0 e o par (Ao, Co) é observável.
Prova. A prova é semelhante à do Teorema 8.7 e fica como exercício. ÿ
Como o par (Ad, Cd) não tem modos observáveis, a classificação da matriz de observabilidade é não e é
garantida a existência da matriz de transformação To . As colunas {ti, i = 1, …, n ÿ no} da matriz de
transformação possuem uma interpretação geométrica. Eles formam um conjunto base para o subespaço não
observável do sistema e podem ser selecionados como os autovetores dos modos não observáveis do sistema.
As colunas restantes de Para formam um conjunto base do subespaço observável. A transformação de

similaridade é uma mudança de base que nos permite separar o subespaço observável do subespaço não
observável. Após a transformação, podemos verificar a detectabilidade do sistema verificando se todos os
autovalores da matriz Au estão dentro do círculo unitário.
Exemplo 8.13
Determine a observabilidade e detectabilidade do sistema
ÿ xk1 ( ) +1 ÿ ÿ 2 .0 4 0 2 0. . ÿ ÿ xk1 ( ) ÿ ÿ10 ÿ

ÿ
xk
2( ) +1
ÿ
=- ÿ
1 .1 2 5- 1 15
. - . ÿ ÿ
xk
2( )
ÿ
+ ÿ
11 ÿ
você
()
ÿ xk3 (
ÿ
) +1 ÿ ÿ
ÿ 2 .6 6
ÿ . .8 2 8 ÿ ÿ xk3 (
ÿ ÿ
) ÿ ÿ
ÿ0 1
ÿ
ÿ
ÿ
ÿ xk1 ( ) ÿ
ÿ 2 10 3 ÿ
xk
2( )
ÿ ÿ
sim( ) =
ÿÿÿÿ183 ÿ ÿ
ÿ xk3 (
ÿ
) ÿ
ÿ
Solução
Primeiro encontramos a matriz de observabilidade do sistema
ÿ 2 10 3 ÿ
ÿ
1 8 3 ÿ
ÿ C ÿ ÿ ÿ
ÿ 0 .8 3 4 0 9 . . ÿ
=
ÿ ÿ
O= QUE
d
1 .0 4 4 1 2. .
ÿ ÿ
ÿ ÿ
ÿ
QUE2 ÿ
ÿ ÿ
ÿ d ÿ ÿ 0 .2 0 82 0. 2 . 1 ÿ
ÿ ÿ
ÿ 0 .28 0 16 0. 3 . ÿ
8.4 Pólos e Zeros de Sistemas Multivariáveis 307
A matriz tem classificação 2 e o sistema não é completamente observável. A dimensão do espaço nulo é
3 ÿ 2 = 1, e existe apenas um vetor que satisfaz O v1 = 8,230 h. O vetor é o autovetor v1 correspondente
ao modo não observável que satisfaz O v1 = 8,230 h e é dado por
ÿÿ
1
0 5 v1 = ÿ ÿ ÿ.
ÿÿÿ
ÿÿÿ
1
A matriz de transformação To pode então ser completada adicionando quaisquer duas colunas
linearmente independentes – por exemplo,
ÿ 1 01ÿ ÿ ÿ
Para = ÿ 0 5. 0 1 ÿ ÿ ÿ
ÿÿÿ100
O sistema é transformado para
1 ) + ÿ1
ÿ ( xk ÿÿ ÿ 2 2 6 6 .8 ÿ ÿ xk (. ) ÿ ÿ ÿ ÿ1ÿ0 0 6 01
ÿÿÿÿÿÿÿÿÿÿ1
( xk ) + ÿ ÿ 1ÿ ÿ = 2 (8) xk
0 -( 2
0 ) ÿ.0 ÿ9ÿ ÿ- ÿ ÿ. ÿ ÿ ÿ ÿ ÿ ÿ xk 1 +1 5.- 1 em ( k
ÿ ÿ2 ( xk ) + 2 )
3 1 . . 3
ÿ xk1ÿ( )ÿ ÿ
0 2 10
ÿ xkÿ (ÿ)ÿÿ ÿ
y kÿ( ) = 2ÿ ÿ
ÿÿ 018 ÿ xk ( )
3
O sistema possui um modo não observável correspondente ao autovalor em 2, que está fora do círculo
unitário. O sistema, portanto, não é detectável.
8.4 Pólos e Zeros de Sistemas Multivariáveis

Quanto aos sistemas de entrada única e saída única (SISO), os pólos e zeros determinam a estabilidade,
controlabilidade e observabilidade de um sistema multivariável. Para sistemas SISO, zeros são os zeros do
polinômio numerador da função de transferência escalar, enquanto os pólos são os zeros do polinômio
denominador. Para sistemas multi-entrada-multi-saída (MIMO), a função de transferência não é escalar e não
é mais suficiente para determinar os zeros e pólos das entradas individuais da matriz da função de transferência.
Na verdade, o elemento zero não desempenha um papel importante na caracterização de sistemas multivariáveis
e nas suas propriedades, além do seu efeito na forma da resposta temporal do sistema. Em nossa discussão
sobre matrizes de funções de transferência na Seção 7.8, mencionamos três tipos importantes de matrizes
multivariáveis.
zeros:
1. Zeros de desacoplamento de entrada, que correspondem a modos incontroláveis

2. Zeros de desacoplamento de saída, que correspondem a modos não observáveis
3. Zeros de desacoplamento de entrada-saída (que correspondem a modos que são

nem controlável nem observável)
Podemos obter esses zeros e outros, bem como os pólos do sistema, a partir do
matriz de função de transferência.
8.4.1 Pólos e Zeros da Matriz de Funções de Transferência
Primeiro definimos pólos e zeros do sistema com base em uma matriz de função de transferência de
um sistema MIMO.
Definição 8.8: Poloneses. Os pólos são as raízes do mínimo denominador comum de todos os menores
diferentes de zero de todas as ordens da matriz da função de transferência. ÿ
O mínimo denominador comum da definição anterior é conhecido como polinômio de pólos e é essencial
para a determinação dos pólos. O polinômio do pólo em geral não é igual ao mínimo denominador comum de
todos os elementos diferentes de zero, conhecido como polinômio mínimo. O pólo de comando MATLAB
fornece os pólos do sistema com base em sua realização. Infelizmente, o comando pode não utilizar a realização
mínima da função de transferência do sistema. Assim, o comando pode fornecer valores para o pólo que não
precisam ser incluídos numa realização mínima da função de transferência.
A partir da definição, o leitor pode adivinhar que os pólos do sistema são iguais aos pólos dos elementos.
Embora isto esteja correto, não é possível adivinhar a multiplicidade dos pólos por inspeção, como demonstra o
exemplo a seguir.
Exemplo 8.14
Determine os pólos da matriz da função de transferência
ÿ 1 1 ÿ
- 1 ( 1zz) ÿ ( .
) -0 5
ÿ ÿ
Com
G z( ) = ÿ ÿ
Com
- 01
. 1
ÿ ÿ
- 02
ÿ(
ÿ
Com . 2
)ÿ(0 Com
) ÿ 0.5 Com . ÿ ÿ
Solução
O mínimo denominador comum das entradas da matriz é
( ( ÿ 0 2. z ) Com
) ÿ ( .0 5 Com
) -1
O determinante da matriz é
1 Com
- 01
.
o -
[G
] ( z) = 2
( 1zz) ÿ ( ) ÿ 0 .2 ( Com . 2
)ÿ(0 Com
) ÿ 0.5 ( Com
) -1
O denominador do determinante da matriz é
2
( ( ÿ 0 2.z ) Com
5 )0- . ( ) -1
Com
O mínimo denominador comum de todos os menores é
2
( ( ÿ 0 2.z ) Com
5 )0- . ( ) -1
Com
Assim, o sistema possui pólos em {0,2, 0,5, 0,5, 1}. Observe que alguns pólos de mais de um elemento da função de
transferência não são pólos repetidos do sistema.
Para esta função de transferência relativamente simples, podemos obter o número mínimo de blocos necessários
para sua realização, conforme mostrado na Figura 8.3. Isto confirma claramente a nossa determinação anterior dos
pólos do sistema.
U1(z)
1 Y1(z)
ÿ1
z ÿ 0,5 + zÿ1
1 Y2(z)
z ÿ 0,1
z ÿ 0,5 + z ÿ 0,2
U2(z) ÿ1
Figura 8.3
Diagrama de blocos do sistema descrito no Exemplo 8.14.
O pólo de comando MATLAB fornece
>> pólo (g)
anos =
1,0000
0,5000
0,2000
1,0000
0,5000
0,2000
Isto inclui dois pólos que não são necessários para a realização mínima da função de transferência.
A definição do zero multivariável é mais complexa que a do pólo,

e vários tipos de zeros podem ser definidos. Definimos zeros da seguinte maneira.
Definição 8.9: Zeros do Sistema. Considere uma matriz de função de transferência l × m escrita de
forma que cada entrada tenha um denominador igual ao polinômio do pólo. Zeros são valores que tornam
deficiente a classificação da matriz da função de transferência, ou seja, valores z0 que satisfazem
qualquer uma das duas equações
w =0
G z( ) 0 w 0 em , em ÿ (8.25)
Fora Gz ( ) 0 = 0 em
fora , 0 ÿ (8.26)
para algum vetor real diferente de zero conhecido como direção zero de entrada ou um vetor real
diferente de zero conhecido como direção zero de saída. ÿ
Para qualquer matriz, a classificação é igual à ordem do maior menor diferente de zero.
Assim, desde que os termos tenham o denominador adequado, os zeros são os divisores de todos os
menores de ordem igual ao mínimo do par (l, m). Para uma matriz quadrada, os zeros do determinante
reescrito com o polinômio do pólo como denominador são os zeros do sistema. Essas definições são
examinadas nos exemplos a seguir.
Exemplo 8.15
Determine a função de transferência z de uma fresadora de eixo único controlada digitalmente com um período
de amostragem de 40 ms se sua função de transferência analógica for dada por2
3150 1092
Gs ,
( ) = diag{( é ) + ( 35 é ) + 150 (é ) + ( 35 é ) +30
}
Encontre os pólos e zeros da função de transferência.
Solução
Usando o comando MATLAB c2d, obtemos a matriz da função de transferência
ÿ 0 .4075 Com
+ 0 .1067 ) 38 0 4182+ .
) 0. 607 Com ÿ
G zNOVAMENTE(
diagnóstico
)=ÿ ÿ , ÿ
2 - ( 0. 2466 ) ( -
( Com
-
10. ( ( ÿ ) ÿ 0. 2466 ) ×0 2479
Com ( Com
) 0. 3012
Com
ÿ
Como a função de transferência é diagonal, o determinante é o produto dos seus termos diagonais. O mínimo
denominador comum do determinante da função de transferência é
- 2 2
.
(z ÿ 0 2479 10 × )( . ) z-
0 2466 ( . zÿ
0 3012 )
Portanto, temos pólos em {0,2479 × 10ÿ2 , 0,2466, 0,2466, 0,3012}. O sistema é estável porque
todos os pólos estão dentro do círculo unitário.
2
SJ Rober e YC Shin, Modelagem e controle de máquinas CNC usando um controlador de arquitetura
aberta baseado em PC, Mechatronics 5(4):401-420, 1995.
Para obter os zeros do sistema, reescrevemos a função de transferência na forma
Com
- 0 2466
. )
G DE
z NOVO( ) ×
- 0 2466 2 - 2 -
= Com . ) . 10 0 1067
( (Comÿ 0 2479 × )() () +0 Com
) 0. 3012
. - . 0
ÿ ( ( .0075
4 Com Com
3012 ÿ
ÿÿ
0 .
0 38607 ( .
4182 + z
Com
(-)0
.
0 2479 10 × )-
2
ÿÿ
Para este sistema quadrado de 2 entradas e 2 saídas, o determinante da função de transferência é
- - 2 - 0 2466 2
( . )(+z
0 1067 Com
( 0. 3012 ) .
4182 0 2479 10( -+) ×0 z
Com . )( Com . )
- 4 - 2 2 - 2
( Com .
2466 0 2479 )10
( ÿ001067 ) ( z +
Com . × )( Com
) 0. 3012
. Com
+ 0 4182
. )
=
2 - 2
( com - ( 0. 2466 ) (z ÿ 0 2479. 10 × )( com - ) 0. 3012
As raízes do numerador são os zeros {ÿ0,1067, ÿ0,4182}.
A mesma resposta é obtida usando o comando tzero do MATLAB.
Exemplo 8.16
Determine os zeros da matriz da função de transferência
ÿ 1 1 ÿ
- 1 ( 1zz) ÿ ( .
)-05
ÿ ÿ
Com
G z( ) = ÿ ÿ ÿ
Com
- 01
. 1 ÿ
- 02
ÿ(
ÿ
Com . 2
)ÿ(0 Com
) ÿ 0 .5 Com . ÿ ÿ
Solução
Do Exemplo 8.14, sabemos que os pólos do sistema estão em {0,2, 0,5, 0,5, 1}. Reescrevemos a matriz da função
de transferência na forma
2
ÿ ( Com . 2
)ÿ(0 Com
) ÿ 0 .5 ( Com . 2
)ÿ(0 Com .
) -0 5 ÿ
- 2 ÿ
ÿÿ
( Com ) ÿ ( .0 1 ( Com ) ÿ ( 0
. 5 Com
)ÿ1 ( Com
05
). ( Com
) -1 ÿ
G z( ) = 2
Com . 2
)ÿ(0 Com
) ÿ 0 .5 ( Com
) -1
Zeros são as raízes do máximo divisor comum de todos os menores de ordem igual a 2, que neste caso é
simplesmente o determinante da matriz da função de transferência. O determinante da matriz com cancelamento
para reduzir o denominador ao polinômio característico é
2 2
( Com
) ÿ 0 .5 ÿ ÿ (Com) .
01 z 2 0 35 ÿ + .
isto [ G z( ]) = ( =
2 2
Com . 2
)ÿ(0 Com
) ÿ 0 .5 ( Com
)ÿ1 ( ) ÿ 0. 2 (
Com
) ÿ 0Com
5. ( Com
) -1
As raízes do numerador produzem zeros em {1,8062, ÿ0,1938}.

A mesma resposta é obtida usando o comando zero do MATLAB.
8.4.2 Zeros de Modelos de Espaço de Estados
Os zeros do sistema podem ser obtidos a partir de uma realização no espaço de estados
usando a definição do zero. No entanto, isto é complicado pela possibilidade de cancelamento
do pólo zero se o sistema não for mínimo. Reescrevemos a condição zero (8.26) em termos
das matrizes de espaço de estados como
- 1
Gz0 ()= Em C [z IABD
0 n - ] uau+
= CD xw 0+ Em = (8.27)
- 1
xw = [ do0 IAB
n - ] Em
onde xw é a resposta de estado para o sistema com entrada w. Podemos agora reescrever
(8.27) na seguinte forma, que é mais útil para solução numérica:
- -
ÿ do IAB
( ) ÿ 0n ÿ xw ÿ ÿ0 ÿ
(8.28)
ÿÿ
C D ÿÿ ÿÿ
Em ÿ ÿ = ÿ ÿ ÿ ÿ 0
A matriz em (8.28) é conhecida como matriz do sistema de Rosenbrock. Equação (8.28)

pode ser resolvido para as incógnitas, desde que exista uma solução.
Observe que os zeros são invariantes na transformação de similaridade porque
- 1 - 1 - 1
ÿÿ ( ÿ
- TB
z 0TInEM R R ) R
ÿ ÿx Em
ÿ ÿ TR 0 ÿ ÿ -( z eu0 ÿ n ) -AB ÿ ÿ Tr x Em
ÿ ÿ0ÿ
ÿ TC D ÿ
ÿÿÿ
Em ÿ ÿ ÿ = ÿ 0 EUeu
ÿÿÿ
CD ÿ ÿÿ ÿ Em ÿÿ=ÿÿÿÿ
0
No Capítulo 9, discutimos o feedback de estado onde a entrada de controle é obtida como uma
combinação linear das variáveis de estado medidas. Mostramos que os zeros obtidos em (8.28) também são
invariantes sob realimentação de estado. Portanto, os zeros são conhecidos como zeros invariantes.
Os zeros invariantes incluem zeros dissociados se o sistema não for mínimo. Se esses
zeros forem removidos do conjunto de zeros invariantes, então os zeros restantes serão
conhecidos como zeros de transmissão. Além disso, nem todos os zeros dissociados
podem ser obtidos em (8.28). Temos portanto a seguinte relação:
{zeros do sistema} = {zeros de transmissão} + {zeros de desacoplamento de entrada} +
{zeros de desacoplamento de saída} - {zeros de desacoplamento de entrada-saída}
Observe que alguns autores referem-se a zeros invariantes como zeros de transmissão e não usam o termo
“zeros invariantes”.
MATLAB calcula zeros a partir da matriz de Rosenbrock de um modelo de espaço de estados p
usando o comando
>> zero(p)
O manual MATLAB identifica o resultado como zeros de transmissão, mas em nossa terminologia isso
se refere a zeros invariantes. Embora o comando aceite uma matriz de função de transferência, seus
resultados são baseados em uma realização que não precisa ser mínima e pode incluir zeros supérfluos
que não seriam obtidos usando o procedimento descrito na Seção 8.4.1.
8.5 Realizações Espaço-Estado 313
Exemplo 8.17
Considere o sistema
ÿ ( xk
1 ) +1 ÿ ÿ - 0 .4 0 0 ÿ ÿ xk1( ) ÿ ÿ10 ÿ
=
ÿ ÿ
( xk
2 ) +1
ÿ
ÿ
030 ÿ
ÿ
xk2( ) ÿ
+ ÿ
00 ÿ
em (k)
ÿ ÿ ÿ ÿ ÿ ÿ
-
ÿ ( xk
ÿ
3 ) +1 ÿ ÿ
ÿ
ÿ
002
ÿÿ
ÿ
ÿ xk
3 () ÿ
ÿ
ÿ11
ÿ
ÿÿ
ÿ xk1( ) ÿ
sim( ) = [ ] 1 1 0
ÿ
xk2 ( ) ÿ
ÿ ÿ
ÿ xk3 (
ÿ
) ÿÿ
ÿx Em 1 ÿ ÿ0 ÿ
ÿ 0 .4 0 0 10
ÿÿ
Com
0 ÿ ÿ
x ÿ ÿ
0 ÿ
- - 0 3- 0 00 Em 2
ÿ ÿx
ÿ ÿ
ÿ ( ) do
0n IAB ÿ
Com
0
ÿ ÿ ÿ ÿ
Em
ÿ ÿ
x = 0
Em 3
ÿ ÿ ÿ ÿ
C D ÿ
Em ÿ ÿ = 0 0 ÿÿ
2 Com 11
ÿÿ ÿÿÿ
ÿ
0 ÿ
0
ÿ ÿ ÿ ÿ
Em
ÿ
0 0 - 200 ÿ
ÿ
1 ÿ ÿ ÿ
ÿ ÿ
ÿ
ÿ Em
2 ÿ
ÿ
ÿ0 ÿ
ÿ ÿ
Da segunda linha temos o zero z0 = 3, que também é um zero de desacoplamento de entrada

porque corresponde a um modo incontrolável. O sistema também tem um zero de desacoplamento
de saída em ÿ2, mas isso não pode ser determinado a partir da matriz do sistema de Rosenbrock.
8.5 Realizações Espaço-Estado

As realizações de espaço de estado podem ser obtidas a partir de modelos de domínio de tempo de entrada-
saída ou de domínio z. Como todo sistema tem infinitas realizações no espaço de estados, cobrimos apenas
algumas formas canônicas padrão que possuem propriedades especiais desejáveis. Essas realizações
desempenham um papel importante no projeto de filtros digitais ou na implementação do controlador. Como
as equações diferenciais são facilmente transformáveis em funções de transferência z e vice-versa, evitamos
a duplicação obtendo realizações das funções de transferência z ou das equações diferenciais.
Também restringimos a discussão às funções de transferência SISO da forma
cn Com
n +c a partir
n- 1 c ++
... + + cz
n- de 1
10
G z( ) =
n +
criança n- 1 ++
n- 1 10
-
(8.29)
Tcheco n 1 + cz 2 n- 2 + +...+ tcheco
- n 1 n- 10
= +c
n n- 1
zan + n- 1
+ +...+ não
10
onde os coeficientes principais do numerador cn e cn-1 podem ser zero e cn = cn, ou a equação de diferença
correspondente
+ +( ayk
) ++ +( )( +
yknaykn
n- 1 )
ayk +ÿ11 … 1 0 () (8h30)
= c ( ukn +-
unido 1 ) 1 + c unido
reino0 ( )
n 1( creino
+ ) + ) + + ( 1u knc- ... +
8.5.1 Realização Canônica Controlável
A realização canônica controlável é assim chamada porque possui a propriedade de controlabilidade. A

forma controlável também é conhecida como forma variável de fase ou como primeira forma controlável. Uma
segunda forma controlável, conhecida como forma controladora, é idêntica em estrutura à primeira, mas com
as variáveis de estado numeradas de trás para frente. Começamos examinando o caso especial de uma
equação de diferenças cujo RHS é a função forçante no tempo k. Isso corresponde a uma função de
transferência com numerador unitário. Em seguida, usamos nossos resultados para obter realizações para um
sistema linear SISO geral em tempo discreto descrito por (8.29) ou (8.30).
Sistemas sem diferenciação de entrada

Considere o caso especial de um sistema cuja equação diferencial inclui a entrada apenas no tempo k . A
equação de diferença considerada é da forma
( ) + + nÿ1 ( iknaikn +- ) 1 + +...1 ( min + ) 1 + 0 ( ) = ( ) cai (8.31)
Defina o vetor de estado
T
+ ykyk
()=1 1( ) [ = ( 2
[ ( ) x kxkxk )() ... xkxk
n ÿ1 ( ) ( )] n
T
(8.32)
... +-
( ) ou ( sim + n ) ÿ1 ]
Portanto, a equação de diferença (8.31) pode ser reescrita como
xkn( ) +1 = - solon n ÿ1 ( ) ÿ ÿ ... ahkaxkuk

12 ( )0-1 ()+() (8.33)
Usando as definições das variáveis de estado e a equação de diferença (8.31),

obtemos a equação do estado da matriz
ÿ xk1 ( ) + 1 ÿ ÿ 0 1 ... 0 0 ÿ ÿ xk1 ( ) ÿ ÿ0 ÿ

ÿ
xk2 ( ) + 1 ÿ ÿ
00 ... 0 0 ÿ ÿ
xk2 ( ) ÿ ÿ
0 ÿ
. = ... ... ... ... ... . + .

você k ( ) (8,34)
xkn - 1 ( ) + 1 1( )
00 ... 0 1 0
ÿ ÿ ÿ ÿ ÿ
xkn -
ÿ ÿ ÿ
- a - - a -
ÿ xkn ( ) + 1 ÿ n 1 ÿ ÿ xkn ( ) ÿ 1ÿ
ÿ ÿ
ÿ
ÿ
ÿÿ
aa01 ... n 2
ÿ ÿ
ÿ
ÿ ÿ ÿ
e a equação de saída
ÿ xk1 ( ) ÿ
ÿ
xk2 ( ) ÿ
ÿ ÿ
sim( ) = [ 1 0 ... 00 ] ÿ
. ÿ
(8.35)
ÿ
xkn - 1 () ÿ
ÿ ÿ
ÿ xkn (
ÿ ) ÿ
ÿ
As equações do espaço de estados podem ser escritas de forma mais concisa como
ÿ0 ÿ ×n1 1
EUn - 1 ÿ ÿ 0 n ÿ×1 1 ÿ
x ( ) + =1ÿÿ
k x ( k)ÿ+ÿ Reino( ) ÿ
- um 0
- um 1
ÿÿ - a - 1
n 1 (8.36)
ÿÿ Unido ÿ
y k ( ) = [ (10x
)k 1 1 × ÿn ]
Claramente, as equações do espaço de estados podem ser escritas por inspeção a partir da função de
transferência
1
G z( ) = n n- (8.37)
za + n- 1 1 + + ...
+ não 0 1
ou da equação de diferença correspondente porque inclui todos os coeficientes necessários, ai, i = 0, 1, 2, . n ÿ 1.

.. ,
Exemplo 8.18
Obtenha a realização canônica controlável da equação de diferenças
+ ( ykyk
()+305 . 2 0) +4 ( yk .+ . +
1 )0 -8 yukuk ()=()
usando princípios básicos; em seguida, mostre como a realização pode ser escrita por inspeção a partir da função
de transferência ou da equação de diferenças.
Solução
Selecione o vetor de estado
T
( ) = [ ( ) ( )1 x kxkxkxk2 3 ( )]
T
= [ ( ) ( ykyk ) + 1 ( sim ) +2]
e reescreva a equação de diferença como
3( ) +1 0 5=3(- ) ÿ .0 4 2( ) + xkxkxk
. 1( )
0 .8 xkuk +()
Usando as definições das variáveis de estado e a equação de diferenças, obtemos o
equações de espaço de estado
ÿ xk1( ) +1 ÿ ÿ 0 1 0 ÿ ÿ xk1( ) ÿ ÿ0 ÿ
ÿ
xk2 ( ) +1
ÿ
= ÿ
0 0 1
ÿ
xk2 ( ) ÿ
ÿ
+ 0
ÿ
()
Reino Unido
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
ÿ xk3 ( ) +1 ÿ 0 .8 0 4 0 5. . ÿ xk3 ( ) ÿ 1
ÿÿ
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
ÿ xk1( ) ÿ
()=[] 100
sim
ÿ
xk2 ( ) ÿ
ÿ ÿ
ÿ xk3 (
ÿ ) ÿ ÿ
porque o sistema é de ordem n = 3, n ÿ 1 = 2. Portanto, a metade superior da matriz de estado inclui um vetor
zero 2 × 1 próximo a uma matriz identidade 2 × 2. A matriz de entrada é um vetor coluna porque o sistema é SI e
inclui um vetor zero 2 × 1 e uma última entrada unitária.
A matriz de saída é um vetor linha porque o sistema é uma saída única (SO) e inclui um vetor zero 1 × 2 e uma
primeira entrada unitária. Com exceção da última linha do estado
matriz, todas as matrizes na descrição do espaço de estados são completamente determinadas pela ordem do
sistema. A última linha da matriz de estado possui entradas iguais aos coeficientes dos termos de saída na
equação de diferenças com seus sinais invertidos. Os mesmos coeficientes aparecem no denominador da
1
G z( ) =
32040805 -
. + + zz . Com .
Portanto, as equações do espaço de estados para o sistema podem ser escritas por inspeção a partir da função
de transferência ou da equação de diferenças de entrada-saída.
Sistemas com diferenciação de entrada

Usamos agora os resultados da seção anterior para obter a realização canônica controlável da função de
transferência da equação (8.29). Assumimos que o termo constante foi extraído da função de transferência,
se necessário, e que ficamos com a forma
E z( )
G z( ) = = + ( ) ( )c Gn z d (8.38)
Você z
onde
n - n -
parte
n -1 1+ n - 2 2 + + ...
+ tcheco
10
G z d( )= (8.39)
n n -
za + n - 1 1 + + ...
+ não 1 0
A seguir consideraremos uma função de transferência com o mesmo numerador de Gd , mas com
numerador unitário, e definimos uma nova variável p(k) cuja transformada z satisfaz
P z( ) 1
= (8.40)
n -
()
Uzaz
n
+ n - 1 1 + + ...
+ não 1 0
A equação de estado de um sistema com a função de transferência anterior pode ser escrita
por inspeção, com as variáveis de estado escolhidas como
T
()=[()
x kxkxk 1 2 () ... xkxk
n ÿ1 () n ( )]
T (8.41)
[ = ( ) ( ) + pkpk 1 ... +-
( pacote )2 ( ok +n ) ÿ1 ]
Esta escolha de variáveis de estado é válida porque nenhuma das variáveis pode ser escrita como uma
combinação linear das outras. Contudo, não utilizamos nem o numerador da função de transferência nem
a constante cn. Nem relacionamos as variáveis de estado à saída. Então multiplicamos (8,39) por U(z) e
usamos (8,40) e (8,41)
obter
( )U =
Y zc z G( z)nU+z ( )() d
n - n -
parte
n -1 1+ n - 2 2 + + ...
+ czc
= c nU z ()+
10
()
Você z (8.42)
n n -
Com +é n - 1 1 + + ...
+ não
1 0
n - n -
= c nU zcz[ ( ) + n - 1 1 + cz n - 2 2 + + + ... zc P1 zc 0]()
Então invertemos a transformada z e usamos a definição das variáveis de estado para obter
()=n
+ cpkn ) +( )++cpk
n ( +ykcukcpkn
ÿ1 ())
( ) + cpk nÿ2( ... ( )
+ ÿ 1 + ÿ 2 1 n ( ) + cukcxkcxk 1( ) + + ( ) + cxkcxk
1 0
= ...
nnÿ1 ()+ n- ÿ 2n 12 01
(8.43)
Finalmente, escrevemos a equação de saída na forma matricial
ÿ xk1( ) ÿ
ÿ
xk2 ( ) ÿ
ÿ ÿ
.
]
ÿ ÿ
()=
[ ykcc 0 1
... cn- 2
cn- 1 ÿ + você k( ) (8.44)
. ÿ
ÿ ÿ
ÿ
xkn - 1
() ÿ
ÿ xkn ( )
ÿ ÿ
onde d = cn.
Como na seção anterior, as equações do espaço de estados podem ser escritas por
inspeção a partir da equação de diferenças ou da função de transferência.
Um diagrama de simulação do sistema é mostrado na Figura 8.4. O diagrama de simulação mostra como
o sistema pode ser implementado em termos de operações de verão, atraso e escalonamento. O número de
elementos de atraso necessários para implementação é igual à ordem do sistema. Além disso, dois verões e
no máximo
cn
c2
c1
x2(k)
Reino Unido) xn(k) x 1(k) e que)

+ T T T T T +
c0
ÿanÿ1
ÿanÿ2
ÿa0
Figura 8.4
Diagrama de simulação para a realização canônica controlável.

São necessários 2 n + 1 ganhos. Essas operações podem ser facilmente implementadas usando um
microprocessador ou chip de processamento de sinal digital.
Exemplo 8.19
Escreva as equações do espaço de estados na forma canônica controlável para as seguintes funções de transferência:
0 .5 0( 1-
Com ) .
1. Gz ( ) = 2
3 0 5 + .z . 0Com8 -+ z .
04
432
zzzz+ +0 +.1 0 7 0 2 . .
2. G z (=)
2
.
4 z + z0 5 + z0 .4 0 8- .
Solução
1. A função de transferência tem o mesmo denominador mostrado no Exemplo 8.18. Portanto, tem a mesma equação
de estado. O numerador da função de transferência pode ser expandido como (ÿ0,05 + 0,5z + 0z
2
), e a equação de saída é da forma
ÿ xk1( ) ÿ
sim( ) = ÿ[ ] 0 .05 0 5 0 . ÿ
xk2 ( ) ÿ
ÿ ÿ
ÿ xk3 (
ÿ ) ÿ ÿ
2. A função de transferência tem a maior potência de z igual a 4, tanto no numerador quanto no

4
denominador. Portanto, começamos extraindo uma constante igual ao coeficiente z do numerador para obter
2
3 0.1 ++z ( ) = ÿ0( .50 )7+ ÿ .( 0 2 0 4 ) ÿ ÿ(
Com . ) . Com 0 .8
Gz1
0 .4 0 -
42
z + z +0z.5 ,8
32
0 .1 0z 2
+ 0z 2 0. 8 ÿ+ . .
= +1
420408 -
.
z + z +0z5 . .
Agora podemos escrever as equações do espaço de estados por inspeção como
ÿ xk1( ) +1 ÿ ÿ 0 1 00 ÿ ÿ xk1(ÿ ) ÿ 0ÿ
ÿ
xk2 ( ) +1
ÿ ÿ
0 0 10 ÿ ÿ
xk2 ( ) ÿ ÿ
0 ÿ
ÿ ÿ
= ÿ ÿ ÿ ÿ
+ ÿ ÿ
você k( )
ÿ
xk3 ( ) +1 ÿ ÿ
0 0 0 1 ÿ ÿ
xk3 ( ) ÿ ÿ
0 ÿ
- . .4 0 -5 0 ( )
ÿ xk4 ( ) +1 ÿ ÿ 0 .8 0 1ÿ
ÿ ÿ xk4 ÿ ÿ
ÿ xk1( ) ÿ
ÿ
xk2 ( ) ÿ
( ) = ÿ [ ]0yk.8 0 2 0 2 .0 1 ÿ . . ÿ ÿ
+ (Reino
) Unido
xk3 ( ) ÿ
ÿ xk4 ( )
ÿ ÿ
O Teorema 8.5 pode ser usado para mostrar que qualquer sistema em forma controlável é realmente
controlável. A prova é direta e deixada como exercício (ver Problema 8.15).
8.5.2 Formulário Controlável no MATLAB
MATLAB fornece uma forma canônica que é quase idêntica à forma controlável desta seção com o comando
>> [A, B, C, D] = tf2ss (num, então)
Usar o comando com o sistema descrito no Exemplo 8.19(2) fornece as equações do

espaço de estados
- 0.4 0 -8 .
ÿ xk1( ) +1 ÿ ÿ0 05 . ÿ ÿ xk1(ÿ) ÿ 1ÿ
ÿ
xk2 ( ) +1 ÿ ÿ
1 0 0 0 ÿ
xk2 ( )ÿ ÿ ÿ
0 ÿ
ÿ ÿ
= ÿ ÿ ÿ ÿ
+ ÿ ÿ
()
Reino Unido
ÿ
xk3 ( ) +1 ÿ ÿ
0 1 0 0 ÿ ÿ
xk3 ( ) ÿ ÿ
0 ÿ
ÿ xk4 ( ) +1 ÿ ÿ0 0 1 0 ÿ ÿ xk4 (ÿ ) ÿ 0ÿ
ÿ xk1( ) ÿ
ÿ
xk2 ( ) ÿ
( ) = [ ] 0 .1 0 2 .0 2 0- 8 .
sim . ÿ ÿ
+ você k( )
ÿ
xk3 ( ) ÿ
ÿ xk4 ( )
ÿ ÿ
Diz-se que as equações estão na forma de controlador. Desenhando um diagrama de

simulação para este sistema e depois para o sistema descrito no Exemplo 8.19 (2),
podemos verificar que os dois sistemas são idênticos. As variáveis de estado para o
formulário no MATLAB são simplesmente numeradas na ordem inversa da usada neste
texto (veja a Figura 8.4; isto é, as variáveis xi no modelo MATLAB não são outras senão as
variáveis xn-i+1, i = 1, 2,... , n.
8.5.3 Realização Paralela
A realização paralela de uma função de transferência é baseada na expansão em frações

parciais
parte- 1
n- 1+ n- 2 + + + ... tcheco n K
n n- 2
()=+
G zd d
10
=+
dÿ
eu
(8.45)
n-
+ nza n- 1
1 + + ...
+ não 1 0
eu
=1 zp+ eu
A expansão é representada pelo diagrama de simulação da Figura 8.5. A soma em (8.45)

dá a configuração paralela mostrada na figura, o que justifica o nome realização paralela.
Um diagrama de simulação pode ser obtido para a realização paralela observando que
as funções de transferência z em cada um dos ramos paralelos podem ser reescritas como
-
1 Com
1
=
-
zp + eu
1 ÿ ÿ( dia 1
)
que pode ser representado por um circuito de realimentação positiva com função de transferência direta
zÿ1 e ganho de realimentação pi, conforme mostrado na Figura 8.6. Lembre-se de que zÿ1 é simplesmente um
1 X1(z)
K1
zp + 1
S(z)
você(z)
+
…
…
1 Xn(z)
Kn
zp + n
Figura 8.5
Diagrama de blocos para realização paralela.
X1(z)
+ zÿ1 K1
ÿp1
S(z)
você(z)
…
+
…
ÿ1z
Xn(z)
+ Kn
ÿpn
Figura 8.6
Diagrama de simulação para realização paralela.
atraso de tempo para que agora seja possível uma realização física da função de transferência
em termos de ganhos constantes e atrasos de tempo fixos.
Definimos as variáveis de estado como as saídas dos blocos de primeira ordem e
transformada z inversa para obter as equações de estado
i( xk ) +1 = ÿ pxkuki i i( ) + ( ) = 1 2, , ,..., n (8.46)
A saída é dada pela soma

n
k ()+()
yk(K) =xk você eu (8.47)
= ÿ1
eu
As equações (8.46) e (8.47) são equivalentes à representação no espaço de estados

- xk1( )
ÿÿ
xk 1 ) +1 ÿ ÿÿ p 1 0 ... 0 0 ÿÿÿÿÿÿ ÿ ÿÿ
1 ÿÿÿ
xk 2(( ) +1 0 - ... 0 0 ÿÿ
x2 k 1
p 2
ÿÿ
. = ÿ ÿ ... ÿ ÿ ÿÿ
ÿ + ÿ ()
Reino Unido
xkn - ( 1 0 0 ... - 0
ÿÿ
xkn - 1
ÿÿ
1 ÿÿÿÿ)
+ÿ
p n- 1
ÿÿ
1ÿ ÿ ÿ ÿ
()ÿ
xkn ( - xkn ( )
ÿÿÿÿÿÿ ) +1 ÿÿ ÿÿÿÿÿÿ
0 0 ... 0 p n ÿÿ
1
ÿÿÿÿÿÿ ÿÿÿ
(8.48)
ÿÿ ( ) xk(ÿ) ÿÿ xk 1 ÿ
+ du k( ) ÿ ( )
ÿ ( )2xk
xk ÿ ÿ
( ) = [ yk
KKKK 1 2 ... n- 1 n ÿ
ÿ
ÿ]
n- 1
ÿÿÿÿ n
Exemplo 8.20
Obtenha uma realização paralela para a função de transferência
2 2 2 1 zz + + ( ) =
Gz
2zz + + 56
Solução
Primeiro escrevemos a função de transferência na forma
2 2
2 2 1 2 + + ÿ zz ( ) = + 2 + +) 5
zz6
Gz
( 2 5 6 + + zz
8 11 + z
= -2
( 2zz) + ( )+3
Então obtemos a expansão em frações parciais
5 - 13
G z( 2
)=+
de + 2 de + 3
Finalmente, temos as equações do espaço de estados
1 - 20 1ÿ
ÿ (ÿ )ÿ1+ ÿ ÿ xk ÿ ÿ ÿ ÿ = xk1( ) ÿ ÿ
ÿÿÿ
()
-
( xk
2 ) +1 03 ÿÿÿ xk2 ( ) ÿÿ+ÿÿ 1ÿ ÿuk
ÿ xkyk
( )1 ÿ
( ) ÿ= [ 5 13 ]+uk
( )2ÿ ÿ ÿ ÿ
xk2 ( )
1 X1(z)
5
com +2
S(z)
você(z)
+
1 X2(z)
ÿ13
com +3
Figura 8.7
Diagrama de blocos para o Exemplo 8.20.
X1(z)
zÿ1
+ 5
ÿ2 S(z)
você(z)
+
X2(z)
+ zÿ1 ÿ13
ÿ3
Figura 8.8
Diagrama de simulação para o Exemplo 8.20.
O diagrama de blocos para a realização paralela é mostrado na Figura 8.7, e o diagrama de simulação é mostrado
na Figura 8.8. Claramente, o sistema é instável com dois autovalores fora do círculo unitário.
Realização Paralela para Sistemas MIMO

Para sistemas MIMO, uma realização paralela pode ser obtida por expansão em
frações parciais como no caso SISO. O método requer que o polinômio mínimo do
sistema não tenha raízes repetidas. As frações parciais neste caso são matrizes constantes.
A expansão em frações parciais está na forma
- n- 2
Pnz- 1P zn +1 n- 2
+ +...+ P1z P 0
n
K
G dz D ( ) = + =+ eu
(8.49)
Dÿ
zp+
n n-
za + n- 1
1 + + ...
+ não 1 0
eu
=1 eu
onde D, Pi e Ki, i = 1,…, n ÿ 1 são matrizes l × m . Cada uma das matrizes Ki

deve ser decomposto no produto de duas matrizes de classificação completa: uma matriz de componentes de
entrada Bi e uma matriz de componentes de saída Ci. Escrevemos as matrizes de frações parciais na forma
= eu
KCB , = ,...,1 n (8,50)
eu eu eu
Para matrizes de componentes de classificação completa, sua ordem é ditada pela classificação
da matriz Ki. Isto decorre do fato de que a classificação do produto é no máximo igual à dimensão
mínima dos componentes. Para classificação (Ki) = ri, temos Ci como uma matriz l × ri e Bi como
uma matriz ri × m . O posto da matriz Ki representa o número mínimo de pólos pi necessários para
a realização paralela. Na verdade, pode ser demonstrado que esta realização é mínima. A
realização paralela é dada pelo quádruplo
- 0 ... 0 0
ÿ eu
R1 p 1 ÿ ÿ B1 ÿ
0 - ... 0 0 B2
eu
R2 p 2
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
A = ÿ
ÿ ÿ ... ÿ ÿ ÿ
B = ÿ
ÿ ÿ
(8.51)
ÿ
0 0 ... - 0
ÿ ÿ
Bn-
ÿ
ÿ
eu
rn - p
1 n- 1
ÿ ÿ
1
ÿ
0 0 ... 0 -
ÿ
ÿ EU
Rn pnÿ ÿ
ÿ Bn ÿ
ÿ ÿ
= [
CCC ... CCD ]
1 2 ÿ1n n
Exemplo 8.21
Obtenha uma realização paralela para a matriz da função de transferência do Exemplo 8.14:
ÿ 1 1 ÿ
-
ÿ
Com 1 ( 1zz) ÿ ( ) - 0 .5 ÿ
G z( ) = ÿ ÿ
Com
- 0 .1 1
ÿ ÿ
-
ÿ(
ÿ
Com . 2
)ÿ(0 Com
) ÿ 0. 5 Com 0 .2 ÿ ÿ
Solução
O polinômio mínimo (z ÿ 0,2)(z ÿ 0,5)(z ÿ 1) não tem raízes repetidas. A expansão em fração parcial da matriz
é
ÿ 1 1 ÿ
-
ÿ
Com 1 (z ) ÿ1 ( ) - 0 .5 ÿ
G z( ) = ÿ ÿ ÿ
Com
- 0 .1 1 ÿ
. 2 ÿ Com ) - 0 .5 - 0 .2
ÿ
ÿ
Com
)ÿ(0 Com ÿ
ÿ
(ÿ 00 ÿ-0 2 ÿ
1
ÿ ÿ ÿ
4 ÿ
ÿ1 2 ÿ
- ÿ
1 ÿ ÿ 0 ÿ
ÿ 3 ÿ ÿ3 ÿ 00
= + +
ÿÿ ÿÿ
Com
- 0 .2 Com
- 0 .5 Com
- 1
As classificações das matrizes de coeficientes de frações parciais fornecidas com os pólos

correspondentes são (1, 0,2), (2, 0,5) e (1, 1). As matrizes podem ser fatoradas como
ÿ ÿ 0ÿ 0 ÿ ÿ ÿ ÿ ÿ
0ÿ 1
ÿ
1ÿ
ÿ
1 =
- 1 1 ÿ ÿÿÿ ÿ 3 ÿÿ
ÿÿ
ÿ 0ÿ ÿ ÿ 2 ÿ
10 ÿ ÿ0 ÿ2ÿ ÿ ÿ
ÿ
4 = ÿ 4
0 ÿÿ
01 ÿ 0
ÿ3 ÿÿÿ ÿ 3 ÿÿÿ
ÿ
12 ÿÿÿÿ=
1ÿ
12 ]
ÿÿ
00 ÿÿ 0 ÿ[ ÿ
A realização paralela é dada pelo quádruplo
1
ÿÿ
- 1 ÿÿ
ÿÿ
0 .2 0 0 0 3
ÿ ÿ 0 0 .5 0 0 ÿ ÿ 0 0 02 -
UMA = ÿ ÿ B =
ÿ 050ÿÿ . 4
0
ÿ
0001 3
ÿÿÿÿÿÿÿ
1 2 ÿÿÿÿÿÿÿ
ÿ0 1 0 1 ÿ
C = D = 02 2×
ÿÿ
1010 ÿÿ
Observe que a realização é mínima por ser de quarta ordem e, no Exemplo 8.14, o sistema foi
determinado como tendo quatro pólos.
8.5.4 Forma Observável

A realização observável de uma função de transferência pode ser obtida a partir da realização
controlável usando as seguintes etapas:
1. Transponha a matriz de estado A.

2. Transponha e troque a matriz de entrada B e a matriz de saída C.
Claramente, todos os coeficientes necessários para escrever as equações do espaço de estados

aparecem na função de transferência, e todas as equações podem ser escritas diretamente na forma observável.
Usando (8.36) e (8.44), obtemos a realização
- um 0 c0
ÿ 0 1 × ÿ 1n ÿÿ ÿ ÿ
- um 1 c1
x ÿ ÿ ÿ( ) + = k 1 ÿ
ÿ x ÿÿ ( ) + k ÿ unido
ÿ ( ) reino
ÿÿ
EU -
n 1
ÿ ÿÿ ÿ
(8.52)
- cn-
um - 1 ÿÿÿ
1 ÿ
( )0=
[ yk 1 ×1n
-
1k] xvocê
( ) +k ()
Reino Unido)
c0 c1 cn-2 cn-1 d
x1(k) xn(k) e que)

+ + xn ÿ 1(k)
T + T + T +
ÿa0 ÿa1 ÿanÿ2 ÿanÿ1
Figura 8.9
Diagrama de simulação para a realização canônica observável.
O diagrama de simulação para a realização observável é mostrado na Figura 8.9.

Observe que é possível renumerar as variáveis de estado no diagrama de simulação para obter
uma realização equivalente conhecida como forma de observador. Contudo, a realização
resultante terá claramente matrizes diferentes daquelas de (8.52). A segunda realização observável
pode ser obtida a partir do formulário do controlador seguindo as duas etapas anteriores.
As duas realizações observáveis também podem ser obtidas a partir dos princípios básicos; entretanto, as
derivações foram omitidas neste texto e deixadas como exercício.
O Teorema 8.5 pode ser usado para mostrar que qualquer sistema na forma observável é
realmente observável. A prova é direta e deixada como exercício (ver Problema 8.16).
Exemplo 8.22
Escreva as equações do espaço de estados na forma canônica observável para a função de transferência
do Exemplo 8.19(2).
432
z + z +0z.1+0 7 0 2 . . Com
G z( ) = 42
.
z + z +0z5 0 .4 0 8- .
Solução
A função de transferência pode ser escrita como uma constante mais uma função de transferência com
ordem do numerador menor que a ordem do denominador, como no Exemplo 8.19(2). Então, usando (8.41),
obtemos o seguinte:
( xk
1 ÿ1) 00008 . ÿÿ xk1 ÿ ( ) ÿÿ
0 .8 ÿÿ
ÿ (ÿxk
2 1 ) ÿ+ÿ
+ ÿ ÿ 1 0 0 0 4 ÿ ÿ-ÿ ÿ 0
. ÿ xk
2( )
- 0 .2
= 5 ÿ + Reino
( ) Unido
-
( xk
1 )3 + ÿ ÿ ÿÿÿÿ010 ÿ ÿ. ÿ xk
3( ) 0 .2
ÿÿ ÿ
ÿ ÿ4ÿ ÿ ÿ( xk 1 ) + ÿ0
ÿ 010 xk4 ÿ ( ) ÿÿÿÿ
0 .1 ÿÿÿÿ
ÿÿ ÿ xk
1( )
xk2(ÿ )+ÿ
()=
[ yk 0001 u k ( ) ÿ xk
ÿ]ÿ ( )3
ÿÿ
xk4 ÿ ÿ ( )
A mesma realização é obtida a partir da realização controlável do Exemplo 8.19(2) transpondo a matriz de
estado e transpondo, e então trocando as matrizes B e C.
8.6 Dualidade
Os conceitos de controlabilidade (estabilização) e observabilidade (detectabilidade) são
frequentemente chamados de duais. Este termo é justificado pelo seguinte teorema.
Teorema 8.12: O sistema (A, B) é controlável (estabilizável) se e somente se (AT for, TB )

observável (detectável). O sistema (A, C) é observável (detectável) se e somente se (AT
, CT ) é controlável (estabilizável).
Prova. As matrizes relevantes de controlabilidade e observabilidade estão relacionadas pelo

equações
T
ÿ
BT ÿÿ
TT
NÃO
n- 1
( , )=[
C ABBABAB ... = O T (ABTT, )
ÿÿ]=ÿ
ÿ ÿ
- 1
ÿ
NÃO ÿ (
TT
) ÿÿÿÿÿ
T
ÿ
B ÿÿ
- 1 NÃO
T T
C (ABBAB
TT
, ) = ÿÿ
TT
... (ABT e)T = ( O A B, )
ÿÿÿÿ=
ÿ ÿ
n- 1
NÃO
ÿÿ ÿÿÿÿ
A prova segue da igualdade do posto de qualquer matriz e do posto de sua transposta. As afirmações
sobre detectabilidade e estabilizabilidade são verdadeiras porque uma matriz e sua transposta têm os
mesmos valores próprios. ÿ
Recursos 327
Exemplo 8.23
Mostre que a função de transferência redutível
( 0. Com
) ÿ 0. 5
G z( ) = (
1zz3 ) ÿ ( ) ÿ 0. 5
tem uma realização controlável, mas inobservável, e uma realização observável, mas incontrolável.
Solução
A função de transferência pode ser escrita como
. 0 15- z .
03
G z( ) =
2z - 1 .5 0 5 + z .
A realização controlável para este sistema é
ÿ ( xk
1 )+ÿ
1 ÿ 0 1 ÿ ÿ xk1ÿ( ) ÿ0
ÿ (você
) k
-
ÿÿ ( xk
2 ) +1 ÿÿ=ÿÿ 0 .5 1 5 . ÿÿ ÿÿ
xk2( ) ÿÿ+ÿÿ 1 ÿÿ
ÿ xk1ÿ( )= ÿ
[ ] 0 15 .0 3 y .
ÿÿ
xk2( ) ÿÿ
A matriz de observabilidade para esta realização é ÿ ÿ ÿ

-
ÿ ÿC
=ÿÿ ÿ .0 15 0 3.
O=
CAd ÿ ÿ
- 0 .15 0 3 . ÿÿ
A matriz de observabilidade tem classificação 1. O déficit de classificação é 2 ÿ 1 = 1, correspondendo a um modo

não observável.
Transpondo as matrizes de estado, saída e entrada e trocando a entrada e a saída
matrizes dá a realização observável
1 . -
ÿ ( xk
1 )+ÿ ÿ 5ÿ ÿ0 ÿ0 xk1ÿ( ) ÿ 0 .15 ÿ
()uk
ÿÿ ( xk
2 ) +1 ÿÿ=ÿÿ 1 1 .5 ÿÿ ÿÿ
xk2( ) ÿÿ+ÿÿ 0 .3 ÿÿ
xk1ÿ( )
()=
[ yk 01 ÿ]
ÿÿ
xk2( ) ÿÿ
Pela dualidade, a realização é observável, mas tem um modo incontrolável.
Recursos
Antsaklis, PJ e AN Michel, Sistemas Lineares, McGraw-Hill, 1997.
Belanger, PR, Engenharia de Controle: Uma Abordagem Moderna, Saunders, 1995.

1988.
Delchamps, DF, Espaço de Estados e Sistemas Lineares de Entrada-Saída, Springer-Verlag, 1988.
Moler, CB e CF Van Loan, Dezenove maneiras duvidosas de calcular o exponencial de uma matriz,
SIAM Review, 20:801-836, 1978.
Patel, RV e N. Munro, Teoria e Design de Sistemas Multivariáveis, Pergamon Press, 1982.
Sinha, NK, Sistemas de Controle, HRW, 1988.
Skogestad, S. e I. Postlethwaite, Controle de Feedback Multivariável: Análise e Design,
Wiley, 2005.
Problemas
8.1 Encontre o estado de equilíbrio e a saída correspondente para o sistema
ÿ 1( ) + ÿ xk 1 ÿ
0 1 ÿÿÿ xk1( ) ÿ ÿ
0ÿ
Reino Unido
- 0 .5 0 1- . 1ÿ ÿ ( )
ÿÿ ( xk
2 ) + 1 ÿÿ=ÿÿ ÿ ÿÿ xk2 ( ) ÿÿ+ÿÿ
xk1( ) ÿ
ÿ ÿÿ ( ) = [ ] yk 1 1
xk2 ( ) ÿÿ
quando
(a) você(k) = 0
(b) você(k) = 1
8.2 Um sistema mecânico possui equações de espaço de estados
ÿ 1( ) + ÿ xk 1 ÿ
0 1 ÿ xk1( ) ÿ ÿ
0ÿ
você
- 0 .5 - 1ÿ ÿ ( )
ÿÿ ( xk
2 ) + 1 ÿÿ=ÿÿ um 1 ÿÿ xk2 ( ) ÿÿ+ÿÿ
ÿ (1ÿ) xk
ÿ ÿ
ÿ ÿÿ ( ) = [ ] yk 1 0
xk2 ( ) ÿÿ
onde e a1 depende do atrito viscoso. (a) Usando os

resultados do Capítulo 4, determine a faixa do parâmetro a1
para o qual o sistema é internamente estável.
(b) Preveja a dependência do parâmetro a1 no atrito viscoso e use argumentos físicos para
justificar sua previsão. (Dica: o atrito dissipa energia e ajuda o sistema a atingir seu
equilíbrio.)
8.3 Determine a estabilidade interna e a estabilidade de entrada-saída dos seguintes

sistemas lineares:
ÿ 1( ) + ÿ xk 1 ÿ
0 .1 0 ÿÿÿ xk1( ) ÿÿÿÿ+
0 ÿ
(a)
ÿÿ ( xk
2 ) + 1 ÿÿ=ÿÿ 102 . ÿÿÿ xk2 ( ) ÿÿ 0 .2 ÿ ÿ você( ) k
()
xk 1
ÿ
ÿ ( ) = [ ] yk 1 1
ÿÿ ()
xk 2 ÿÿ
Problemas 329
- 0 .2 0 2 .0 xk1( ) 10
ÿ (1xk 1ÿ) ÿ+ÿ ÿÿ ÿÿ ÿ ÿÿ
ÿ (ÿ xk
ÿ = 0 ÿ101ÿÿÿÿ . ÿ
ÿ ÿ2 (xk
) + ÿ00ÿÿÿ em ( k
)
2 1)+
ÿÿ
(b) ÿÿ ÿ
0 0 - 1 ÿ ÿÿ 11
( xk
3 1)+ ÿÿÿ ÿ ÿ3 (xk
) ÿÿÿ
xk 1 () ÿ
e ÿ ÿ =ÿ [)]+1 ÿ0ÿ0ÿÿÿÿ xk 2 ()
0
1 xk 3( ) ÿ
ÿ
xk 1 ( 0 31ÿ ÿ = ÿ ÿ ÿ ÿ. ÿ ÿ . xk 1 () ÿ ÿ
0 ÿ
(c)
ÿÿ
xk 2( ) +1 102 . xk 2( ) ÿÿ+ÿÿ 0 .2 ÿ ÿ você( ) k
xk1( ) ÿ ÿ
ÿ ÿÿ ( ) = [ ] yk 1 1
xk2 ( ) ÿ
- 01
. 0 3 -0 ÿ .ÿ xk ( ) ÿ ÿ ÿ ÿ 01xk
ÿ 1( xk
)1 + ÿ (ÿ xk
ÿ 1 () ÿ10ÿÿÿ
(d)
1)+ÿÿÿÿÿ
ÿ (2 xk 1 ) +
= 0 .1 1 ÿ ÿ. ÿ ÿ1 ÿxkÿ2(ÿ) ÿ ÿ + 1 0ÿ ÿÿ 0ÿ ÿ1 ÿ em ( k
)
-
3 ÿ ÿ ÿ. ÿ ÿ 0 3 0 3
xk 1 ()ÿ
e ÿ ÿ =ÿ [ÿ] 1 0 1 ÿ xk 2 ()
xk 3ÿ ÿ ÿ ( )ÿ
8.4 Determine os modos estável, marginalmente estável e instável para cada um dos
sistemas instáveis apresentados no Problema 8.3.
8.5 Determine a controlabilidade e estabilizabilidade dos sistemas apresentados em

Problema 8.3.
8.6 Transforme o seguinte sistema na forma padrão para sistemas incontroláveis e use o
sistema transformado para determinar se ele é estabilizável:
ÿÿ
xk 1( ) +1
ÿÿ ÿ .ÿ10105
ÿ 05 ÿ ÿ0 ÿ.09ÿ 0
ÿ ÿ1 ÿ ÿ. ÿ 0 xk1( ) ÿÿ
10 ÿ
xk 2( ) +1 = ÿ 0 .05 0 ,9 . - 1
( )2xk
ÿÿ + 01 ÿ você( ) k ÿ
ÿ
xk 3( ÿ ÿ 1 . - 1 ( )3xk 01
ÿÿÿ ÿ)+ ÿÿ ÿÿÿ ÿÿ
( ) ÿ xk 1
ÿ ÿ =ÿ [ÿ]ÿ1 0 1 e ( ) xk 2
( ) xkÿ3ÿ ÿ ÿ
8.7 Transforme o sistema na forma padrão para sistemas não observáveis e use
o sistema transformado para determinar se é detectável:
1 -
ÿ xk 1( ) +ÿ ÿ- 0 .2 0 08 . ÿÿ ()ÿ
xk 1
ÿ 1ÿ
+ você
ÿÿ
xk 2( ) +1 ÿ ÿ = ÿ ÿ 0 .125 0 ÿÿ ÿÿ ()
xk 2 ÿÿ ÿÿ
0ÿ ÿ ( )
xk1( ) ÿ
ÿ ( ) = [ ] yk 1 0.8
ÿÿ xk2 ( ) ÿÿ
8.8 Determine a controlabilidade e estabilizabilidade dos sistemas apresentados no Problema

8.3 com as matrizes de entrada alteradas para o seguinte:
(a) B = [1 0]T
(b) B = [1 1 0]T
(c) B = [1 0]T
(d) B = [1 0 1]T
8.9 Um engenheiro está projetando um sistema de controle para um processo químico com
concentração do reagente como única variável de controle. Depois de determinar que o
sistema não é controlável, por que é impossível para ele controlar todos os modos do
sistema por meio de um esquema de controle inovador usando as mesmas variáveis de
controle? Explique e sugira uma solução alternativa para o problema do engenheiro.
8.10 O engenheiro apresentado no Problema 8.9 examina o processo químico com mais cuidado e descobre
que todos os modos incontroláveis com concentração como variável de controle são assintoticamente
estáveis com dinâmica suficientemente rápida. Por que é possível ao engenheiro projetar um controlador
aceitável com concentração de reagente como única variável de controle? Se tal projeto for possível, dê
razões para o engenheiro preferir esse projeto a um projeto que exija variáveis de controle adicionais.
8.11 Determinar a observabilidade e detectabilidade dos sistemas descritos em

problema 8.3.
8.12 Repita o Problema 8.11 com as seguintes matrizes de saída:
(a) C = [0 1]
(b) C = [0 1 0]
(c) C = [1 0]
(d) C = [1 0 0]
ÿ 0 1 0 ÿ ÿ0 ÿ
UMA =
ÿ
0 0 1 ÿ
b = ÿ
0 ÿ
c = [ ]0. 5 1 0 d =0
ÿ ÿ ÿ ÿ
- - -
ÿ 0 .005 0 11 0 7.
ÿ . ÿ
ÿ
ÿ 1ÿ
ÿ ÿ
(a) Podemos projetar um controlador para o sistema que possa influenciar todos os seus
modos?
(b) Podemos projetar um controlador para o sistema que possa observar todas as suas
modos?
Justifique suas respostas usando as propriedades do sistema.
8.14 Considere o sistema (A, B, C) e a família de sistemas (aA, bB, gC) com
cada um de (a, b, g) diferente de zero.
(a) Mostre que, se l é um autovalor de A com autovetor direito v e autovetor esquerdo wT
, então al é um autovalor de aA com autovetor direito v/a
e autovetor esquerdo wT / a.
Problemas 331
(b) Mostre que (A, B) é controlável se e somente se (aA, bB) for controlável para quaisquer constantes
diferentes de zero (a, b).
(c) Mostre que o sistema (A, C) é observável se e somente se (aA, gC) for observável para quaisquer
constantes diferentes de zero (a, g).
8.15 Mostre que qualquer sistema em forma controlável é controlável.
8.16 Mostre que qualquer sistema na forma observável é observável.
8.17 Obtenha representações em espaço de estados para os seguintes sistemas lineares:

(a) Em forma controlável
(b) Na forma observável
(c) Em forma diagonal
Com + 0 .5
(i) G z 3 (( ) =
Com
) ÿ ( .0 1 ( Com ) +0 .1
z ) +0 .5
(ii) G de 5( )( =
Com
) ÿ ( .0 1 Com
) + ( .0 1 Com
) +0 .8
2zz ( ) +0 .5
(iii) G z ( ( ) =
Com
4 )0ÿ. ( ( Com . 2
)ÿ(0 Com
) +0 .8
z ) - 0 .1
(iv) G z ( ) = 2 - 0 .9 0Com8 + .
Com
8.18 Obtenha a forma do controlador que corresponde a uma renumeração do estado

variáveis da realização controlável (também conhecida como forma variável de fase) a partir de
princípios básicos.
8.19 Obtenha a matriz de transformação para transformar um sistema na forma de variável de fase para a forma de
controlador. Prove que a matriz de transformação também realizará a transformação inversa.
8.20 Use as duas etapas da Seção 8.5.4 para obter uma segunda realização observável
do formulário do controlador. Qual é a transformação que levará esta forma ao
primeira realização observável da Seção 8.5.4?
8.21 Mostre que a realização observável obtida da forma variável de fase realiza a mesma função de
transferência.
8.22 Mostre que as funções de transferência dos seguintes sistemas são idênticas e dê uma explicação
detalhada.
ÿ 0 1 ÿ ÿ0 ÿ T
A = b c =[]01 d = 0
- 0 .02 0 3 . 1
ÿÿ ÿÿ=ÿÿ ÿÿ
ÿ 0 .1 0 ÿ ÿ 1ÿ
A = b = T
0 ]d=12
002 .
ÿÿ ÿÿ
1ÿ ÿ c = ÿ[
ÿÿ
8.23 Obtenha uma realização paralela para a matriz da função de transferência apresentada no Exemplo
8.15.
8.24 Encontre os pólos e zeros das seguintes matrizes de funções de transferência: ÿ ÿ ( ÿ (a)
Com
- 01
. 1 ÿ
2
G Com
) + 0 .1 .
z + 01
z ( ) = ÿ ÿÿ ÿÿ ÿ
ÿ 1
0
Com
- .
ÿ ÿ ÿ ÿ 0 ÿ1
1 ÿ
0
Com
- 01
.
Com
- 02
. 1
(b) G z ÿ( ) = -
(ÿÿÿÿ Com
) ÿ ( 0. 1 Com
) ÿ 0 .3 Com .
ÿÿÿÿ
03
2
0
Com
- .
ÿÿÿ03ÿ
8.25 Veículos subaquáticos autônomos (AUVs) são submarinos robóticos que podem ser usados para uma
variedade de estudos do ambiente subaquático. A dinâmica vertical e horizontal do veículo deve ser
controlada para operar remotamente o AUV. O INFANTE é um AUV de investigação operado pelo Instituto
Superior Técnico de Lisboa, Portugal. As variáveis de interesse no movimento horizontal são a
velocidade de oscilação e o ângulo de guinada. Um modelo linearizado do movimento no plano horizontal do
veículo é dado por ÿ ÿ ÿ ÿ ÿ
- 0 .14 0 69 -0 0 .ÿ ÿ ÿ ÿ ÿ ÿ.
ÿ
ÿÿ
x1
ÿÿ ÿ ÿ x1 ÿÿ
.
ÿ 0 056 ÿ ÿ ÿ ÿ
- 0 19
. 0 048- 0 0.
ÿ
x2 = . x2 +-
ÿÿ
.
0 23 em
ÿÿÿ
x3 ÿÿÿ
.
00 1 .0 0 0 . ÿ ÿx 3 ÿÿÿ ÿÿÿ
.
00
x1
ÿÿ
ÿeÿ 1 ÿÿÿÿ= ÿÿ100ÿÿÿ

x2
ÿ e 2ÿÿ 010 ÿ
ÿ ÿx 3 ÿÿÿ
onde x1 é a velocidade de oscilação, x2 é o ângulo de guinada, x3 é a taxa de guinada e u é a deflexão

do leme.
(a) Obtenha os zeros do sistema usando a matriz do sistema de Rosenbrock. (b)

Determine o sistema desacoplando zeros testando o sistema
controlabilidade e observabilidade.
8.26 A composição terminal de uma coluna de destilação binária utiliza refluxo e fluxo de vapor como variáveis de
controle. O sistema de 2 entradas-2 saídas é governado pela função de transferência
- é -
12 8. e - 18 9. e 3é
ÿ ÿ
ÿ 16 7 1. ÿ (é) =+ÿ ÿ 21 0. 1é+

Gs ÿ 10 9 1
- -
. e 7é
66 - 19 4. e 3é
+s . ÿ ÿ ÿ ÿ 14 4 1. s + ÿ
Encontre a função de transferência discreta do sistema com DAC, ADC e um período

de amostragem de uma unidade de tempo; em seguida, determine os pólos e zeros do
sistema de tempo discreto.
8.27 Escreva programas de computador para simular os sistemas de segunda ordem descritos em
Problema 8.3 para várias condições iniciais. Obtenha gráficos de planos de estado e discuta
seus resultados, referindo-se às soluções apresentadas nos Exemplos 8.1 e 8.2.
8.28 Repita o Problema 8.22 usando um pacote de desenho auxiliado por computador (CAD). Comente
quaisquer discrepâncias entre os resultados do CAD e a solução manual.
8.29 Escreva uma função MATLAB que determine o estado de equilíbrio do sistema com a matriz de
estado A, a matriz de entrada B e uma entrada constante u como parâmetros de entrada.
Capítulo
9
Controle de feedback de estado
O feedback variável de estado permite a seleção flexível da dinâmica linear do sistema.

Muitas vezes, nem todas as variáveis de estado estão disponíveis para realimentação e o restante do vetor
de estado deve ser estimado. Este capítulo inclui uma análise do feedback de estado e suas limitações.
Também inclui o projeto de estimadores de estado para uso quando algumas variáveis de estado não estão
disponíveis e o uso de estimativas de estado em feedback.
ao controle.
Ao longo deste capítulo, assumimos que o vetor de estado x é n × 1, o vetor de controle u é m × 1 e o vetor
de saída y é l × 1. Eliminamos o subscrito d para matrizes de sistemas discretos.
Objetivos
1. Projete o controle de feedback de estado usando posicionamento de pólo.
2. Projetar servomecanismos utilizando modelos de espaço de estados.
3. Analisar o comportamento de zeros multivariáveis sob realimentação de estado.
4. Projetar estimadores de estado (observadores) para modelos de espaço de estados.
5. Projetar controladores usando feedback do estado do observador.
9.1 Feedback de estado e saída

O feedback de estado envolve o uso do vetor de estado para calcular a ação de controle para uma dinâmica de
sistema específica. A Figura 9.1 mostra um sistema linear (A, B, C) com matriz K de ganho de feedback de estado
constante. Usando as regras para multiplicação de matrizes, deduzimos que a matriz K é m × n de modo que
para um sistema de entrada única K é uma linha
vetor.
As equações para o sistema linear e a lei de controle de feedback são, respectivamente

tivamente, dado pelas seguintes equações.
336ÿ CAPÍTULO 9 Controle de Feedback de Estado
em Reino Unido) x(k+1) x(k) e que)

+ B + T C
A
–K
Figura 9.1
Diagrama de blocos do controle de feedback de estado constante.
x ( k1 A) k+B=
k ( ) x+ ( ) em
(9.1)
sim(k)C=k ( )
em ( ) k K kk = ÿxv
()+() (9.2)
As duas equações podem ser combinadas para produzir a equação de estado de malha fechada
x ( ) + =1( ) + ÿ[
O kxk BK kk xv( ) + ( )]
(9.3)
=ÿA ( ) +k (B) k x
[ ] BK em
Definimos a matriz de estado de malha fechada como
=-
AAcl BK (9.4)
e reescrever as equações do espaço de estados do sistema em malha fechada na forma

x (A
1 k) B
+=kk clx ( ) + ( ) em
(9,5)
(k)C=k (
sim )
A dinâmica do sistema em malha fechada depende da autoestrutura (autovalores e autovetores) da
matriz Acl. Assim, a dinâmica desejada do sistema pode ser escolhida com a escolha apropriada da matriz
de ganho K. As limitações deste esquema de controle são abordadas na próxima seção.
Para muitos sistemas físicos, é proibitivamente caro ou impossível medir todas as

variáveis de estado. As medições de saída y devem então ser usadas para obter o
controle u conforme mostrado na Figura 9.2.
v(k) você(k) x(k+1) x(k) e que)

+ B + T C
A
–K
Figura 9.2
Diagrama de blocos do controle de realimentação de saída constante.

9.2 Colocação de Pólos 337
O controle de realimentação para realimentação de saída é
em (hahahaha
) = ÿ ( )e+sim
()
(9.6)
=- KC xv( ) + ( )
e kk
A substituição na equação de estado dá o sistema de malha fechada

x (k A ( ) +xkÿ[
) +k1=BKC e xv( ) + ( )] k
(9.7)
= - A[ BK Cke Bk] x( ) + ( ) em
A matriz de estado correspondente é

AA =-
e BKC e (9.8)
Intuitivamente, menos pode ser conseguido usando realimentação de saída do que

realimentação de estado porque menos informação é usada na constituição da lei de
controle. Além disso, a pós-multiplicação pela matriz C em (9.8) restringe a escolha da
dinâmica em malha fechada. No entanto, o feedback de saída é um problema de design
mais geral porque o feedback de estado é o caso especial em que C é a matriz identidade.
9.2 Colocação do Pólo
Usando feedback de saída ou de estado, os pólos ou autovalores do sistema podem ser

atribuídos sujeitos a limitações dependentes do sistema. Isto é conhecido como
posicionamento de pólo, atribuição de pólo ou alocação de pólo. Declaramos o problema da seguinte forma.
Definição 9.1: Colocação do Pólo. Escolha a matriz de ganho K ou Ky para atribuir os

autovalores do sistema a um conjunto arbitrário .{li,
. ,i n}.
= 1, . ÿ
O teorema a seguir fornece condições que garantem uma solução para o problema de
posicionamento de pólos com realimentação de estado.
Teorema 9.1: Feedback de estado. Se o par (A, B) for controlável, então existe uma matriz de
ganho de realimentação K que atribui arbitrariamente os pólos do sistema a qualquer conjunto
. . {li, i = 1, . , n}. Além disso, se o par (A, B) for estabilizável, então os modos controláveis podem
todos serão atribuídos arbitrariamente.
Prova.
Necessidade
TB é zero para alguns
Se o sistema não for controlável, então pelo Teorema 8.4 o produto será
autovetor esquerdo wi . Pré-multiplicando a matriz de estado de malha fechada por wiT dá
T
T
A cl
= ww eu Um
isto - ( BK ) = eu wT
eu eu
Conseqüentemente, o i-ésimo par próprio (valor próprio e vetor próprio) de A permanece inalterado
pelo feedback de estado e não pode ser atribuído arbitrariamente. Portanto, a controlabilidade é uma
condição necessária para a atribuição arbitrária de pólos.
Suficiência
Primeiro damos a prova para o caso de entrada única (SI), onde b é uma matriz coluna. Para um par
controlável (A, B), podemos assumir sem perda de generalidade que o par está na forma controlável.
Reescrevemos (9.4) como
bkT = ÿ A Acl
Substituir as matrizes de formulário controláveis dá
ÿ 0 n ÿ×1 1 ÿ ÿ 0 ÿ ×n1 1
EU
n- 1 ÿ
kkkkk
1 2
ÿ
kn ]=ÿ -
1 ÿ[ ÿ
ÿÿ
aa 1
0
... ... an - 1 ÿ ÿ
ÿÿ ÿ
ÿ 0 ÿ× 1 1n
EU
n- 1 ÿ
-
- d - d
... ... - a nd - 1 ÿ ÿ
um 0 um 1
ÿÿ
Aquilo é,
ÿ 0n n 1 ÿ × ÿ ÿ 0 nnÿ×1 ÿ
ÿkkÿ
1 2
ÿ
k n ÿÿ = ÿ ÿ aaa0d1 -1 0
- ... ... d
um um
n- 1
-
-
1ÿ
ÿ
Igualar as últimas linhas das matrizes produz

d - ... ... - a
[ 1k 2 ÿ ] = ÿ kn [ aaa
0 11 0
pai -
n 1 -
n] 1
(9,9)
que é o controle que produz os coeficientes polinomiais característicos desejados.
Prova de Suficiência 2
Damos agora uma prova mais geral por contraposição – isto é, assumimos que o resultado não é
verdadeiro e provamos que a suposição não é verdadeira. Portanto, assumimos que a autoestrutura do
j-ésimo modo não é afetada pela realimentação de estado para qualquer escolha da matriz K e provamos
que o sistema é incontrolável. Em outras palavras, assumimos que o j-ésimo par próprio é o mesmo para
os sistemas em malha aberta e em malha fechada. Então nós temos
= - eu T
ww jjT BK T
ÿAA
{ cl { eu
jjTww
} =0 J, J; T } =
T
Assumindo K classificação completa, temos wj B = 0. Pelo Teorema 8.4, o sistema não é
controlável. ÿ
Para um sistema SI controlável, a matriz (vetor linha) K possui n entradas com n

autovalores a serem atribuídos, e o problema de posicionamento de pólos tem uma solução única.
Claramente, com mais entradas a matriz K tem mais linhas e consequentemente mais
incógnitas do que as n equações ditadas pelos n autovalores especificados. Esta
liberdade pode ser explorada para obter uma solução que possua propriedades
desejáveis além dos autovalores especificados. Por exemplo, os autovetores da
matriz de estado de malha fechada podem ser selecionados sujeitos a restrições.
Existe uma rica literatura que cobre atribuição de autoestruturas, mas está além do escopo deste texto.
A prova de suficiência do Teorema 9.1 fornece um método para obter a matriz de realimentação
K para atribuir os pólos de um sistema controlável para o caso SI com o sistema na forma
controlável. Esta abordagem será explorada posteriormente. Primeiro apresentamos um
procedimento simples aplicável a sistemas de ordem inferior.
Procedimento 9.1: Colocação de Pólos Equacionando Coeficientes
1. Avalie o polinômio característico desejado a partir dos autovalores especificados

usando a expressão
n
d
ÿc ) =
(eu ( eu )
ÿeu eu
(9.10)
= ÿ1
eu
2. Avalie o polinômio característico de malha fechada usando a expressão
o{ euIA
n BK
ÿÿ( )} (9.11)
3. Iguale os coeficientes dos dois polinômios para obter n equações a serem

resolvido para as entradas da matriz K.
Exemplo 9.1: Atribuição de Pólo
Atribua os autovalores {0,3 ± j0,2} ao par
ÿ0 1 ÿ ÿ0ÿ
UMA = b =
ÿÿ 34 ÿÿ
1 ÿÿ ÿÿ
Solução
Para os autovalores dados, o polinômio característico desejado é
2
ÿcd ( )eu
=ÿÿ
0 3 0 .2 j )(
( eu . 0 3 0 2 . eu +
eu ÿ + j. ) = ÿ 0 6. 0 13 eu .
A matriz de estado de malha fechada é
ÿ0 1 ÿ ÿ0ÿ
A 2]
T
ÿ=
aposta kkkkk
1
ÿ 34 ÿÿÿÿÿ 1ÿ[ ÿ
0 1 ÿ
= ÿÿ
3 - k1 4 - k2
ÿÿ ÿÿ
O polinômio característico de malha fechada é
eu - 1
ÿ ÿ
o { euÿI nAÿ ( aposta
T
)} = o
ÿÿ ÿ ÿ k( 34 = 1 ) ÿ ÿeu
(k 4 2) ÿÿ
2
ÿ ( eu
k ÿ 2 )ÿÿ3
( eu ) k1
Equacionar coeficientes fornece as duas equações
1. 4 ÿ k2 = 0,6 ÿ k2 = 3,4
2. ÿ3 + k1 = 0,13 ÿ k1 = 3,13
aquilo é,
. ]
, 4.
kT = [ 3 13 3
Como o sistema está na forma controlável, o mesmo resultado pode ser obtido como os coeficientes do
polinômio característico de malha aberta menos aqueles do polinômio característico desejado usando (9.9).
9.2.1 Colocação de Pólos por Transformação em Forma Controlável

Qualquer sistema controlável de entrada única e saída (SISO) pode ser transformado em forma
controlável usando a transformação
ÿ aa 1 2 ÿ
a n- 1
1ÿ
ÿ
ah2
3
ÿ
10 ÿ
ÿ ÿ
Tc = CC c - 1 = [ bb A ... A n- 1 b ]
ÿ
ÿ ÿÿÿ ÿ ÿ (9.12)
ÿ
a n- 1 00
ÿ
ÿ
ÿ
1 ÿ
ÿ
ÿ 10 ÿ
0 0ÿ ÿ
ÿ0 0 0 ÿ
ÿ
1 ÿ
000 ÿ
t 2n ÿ
ÿ ÿ
ÿ ÿ ÿÿÿ - 1
= CC =
ÿ ÿ
- -
Tc 1
c
1
[ bbÿ Um ... A n- 1
]b (9.13)
001 t nn- 2
ÿ
ÿ
ÿ
, ÿ
ÿ 01 t 2n ÿ
t nn- 1 ÿ
,
ÿ ÿ
ÿ1 t 2n t 3n ÿt
nn ÿ
onde C é a matriz de controlabilidade, o subscrito c denota a forma controlável e os termos tjn, j =

2, . . . , n, são dados por
ta2n= - n ÿ1
- 1
j
= ÿÿ 1 ÿe nem j = 2 ,..., n - 1
, ,
t
jn+1, - - sentimento
eu
=0
O feedback de estado para um sistema na forma controlável é

em
T x1 )
= - kkk
c
T-
c cT = ÿ ( c (9.14)
=- d - ... ... aand -T1 - 1
kT d [aaaa
0 0 1 1 n- 1c ] - (9.15)
Agora temos o seguinte procedimento de colocação de pólo.
Procedimento 9.2
1. Obtenha o polinômio característico do par (A, B) usando o Leverrier

algoritmo descrito na Seção 7.4.1.
ÿ1
2. Obtenha a matriz de transformação Tc usando os coeficientes do polinômio
do passo 1.
3. Obtenha os coeficientes polinomiais característicos desejados dos dados
autovalores usando (9.10).
4. Calcule a matriz de feedback de estado usando (9.15).
O Procedimento 9.2 requer a inversão numericamente problemática da matriz de labilidade de

controle para obter T. No entanto, ele revela uma característica importante de
feedback do estado. A partir de (9.15), observamos que os ganhos de feedback tendem a aumentar à
medida que aumenta a mudança dos coeficientes polinomiais de malha aberta para malha fechada. O
Procedimento 9.2, assim como o Procedimento 9.1, funciona bem para sistemas de ordem inferior, mas
pode ser implementado mais facilmente usando um programa de desenho auxiliado por computador (CAD).
Exemplo 9.2
Projete um controlador de feedback para o par
ÿ 0 .1 0 0 1 . ÿ ÿ 0 .01 ÿ
UMA =
ÿ
0 0 5 0.2 . ÿ
b = ÿ
0 ÿ
ÿ ÿ ÿ ÿ
ÿ 0 .2 0 0 4
ÿ . ÿ ÿ
ÿ 0 .005 ÿ
ÿ ÿ
para obter os autovalores {0,1, 0,4 ± j0,4}.
Solução
O polinômio característico da matriz de estado é
eu3 0 27eu2
0 01 ÿ + . eu - . . .,seja, um = -
ou
2
1, um 1 = 0 .27 , uma = - 0 0 .01
ÿ1
A matriz de transformação Tc é
1 ÿ . ÿ ÿ1 -
ÿ0 0 ÿ 10 1 5 .0 6 ÿ 0 .1923 1 25 ÿ . 0 .3846 ÿ
1= ÿ
01 1 ÿ
× 10 3 ÿ
0 1 1 .3 ÿ
= 10 3 - 0 .0577 0 625 .0 1154 . ÿ
Tc-
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ 1 1 0 73 .
ÿ
ÿÿ
ÿ 5419
ÿ . ÿ ÿ
ÿ 0 .0173 0 3125
ÿ . 01 . 654 ÿ ÿ
O polinômio característico desejado é
eu3 - 0 .9 0 . eu -
eu24 +0 032 . . .,seja, um d = -
ou
2 0 .9 , um 1d = 0 .4, d
uma = - 0 0 .032
Portanto, temos o vetor de ganho de feedback
=- - - - 1
kT d [aaaaa
0 T]
0 c d1 1 d2 2
-
ÿ 0 .1923 1 25 ÿ . 0 .3846 ÿ
= -[ 0 .032 0+01 .0 4 0 27. 0 -9 1 .10 ÿ+ . ]× 3 - 0 .0577 0 625 .0 1154 . ÿ
ÿ ÿ
ÿ 0 .0173 0 3125
ÿ . 0 1654 . ÿ
ÿ
= ÿ[ 10 85 40]
9.2.2 Colocação de pólos usando uma matriz polinomial

O vetor de ganho para posicionamento dos pólos pode ser expresso em termos do polinômio
característico de malha fechada desejado. A expressão, conhecida como fórmula de Ackermann,
é
TT = d
kt 1 D c( ) A (9.16)
T ÿ1
é a primeira linha da matriz Tc de (9.13) e ÿc d( ) onde t1eu é o polinômio
característico de malha fechada desejado. Do Teorema 9.1, sabemos que a realimentação de estado pode
colocar arbitrariamente os autovalores do sistema em malha fechada para qualquer par controlável (A, b).
Além disso, qualquer par controlável pode ser transformado na forma controlável (Ac, bc). Pelo teorema de
Cayley-Hamilton, a matriz de estado satisfaz seu próprio polinômio característico ÿ(l), mas não aquele
correspondente às localizações dos pólos desejadas. Aquilo é,
()AaA=
eu
= 0
ÿc eu
= ÿ0
eu
n
d De
ÿc ()AaA= eu
ÿ 0
= ÿ0
eu
= ÿ1
dá
Subtraindo e usando a identidade AT AT c c c
n- 1
TAT1
c cdÿ
-
c
sim, um
ÿ ÿ( ( ) De
= eu
) Lá
(9.17)
eu
=0
A matriz na forma controlável possui uma propriedade interessante, que n ÿ 1, é

usar nesta prova. Se a matriz elevada à potência i, com i = 1, 2, . . . ,
pré-multiplicado pelo primeiro vetor elementar
T
e 1 = [1 0 Tn
] -1×1
O resultado é o (i + 1)-ésimo vetor elementar - isto é,

T T
e 1 Ac eu
= e
eu
1+, eu
= 0 ,1,..., n - 1 (9.18)
Pré-multiplicando (9.17) pelo vetor elementar e1, depois usando (9.18), obtemos
n- 1
T - 1
e 1 TAT cdÿ
c
( c ÿ ÿaa
( )A=
d
eu eu
) e 1T eu
c
eu
=0
n- 1
= ÿ ÿsim
( eu eu
)e +1
isto
eu
=0
=-0
[aaaa
d
0
d
1
-
1
ÿ
d
aan1- 1 n
-
- ]
Usando (9.15), obtemos
T - 1 d -
e 1 TAT (aaa
ÿ cd [ ) =c -
ÿ
sim -]
c 0 0 d1 1 n- 1 n- 1
T
= =kkkkk T
c
Tc
ÿ1 TT 1
e observando que a primeira linha do inverso é t1
Pós-multiplicação por Tc = e Tc
1 ÿ ,
obtemos a fórmula de Ackermann (9.16).

Pequenas modificações no Procedimento 9.2 permitem a colocação de postes usando o método de Ackermann
ÿ1
Fórmula. A fórmula requer a avaliação da primeira linha da matriz Tc
em vez de toda a matriz. No entanto, para sistemas de ordem inferior, muitas vezes é mais
simples calcular o inverso e depois usar a sua primeira linha. O exemplo a seguir demonstra
a colocação dos pólos usando a fórmula de Ackermann.
Exemplo 9.3
Obtenha a solução descrita no Exemplo 9.2 usando a fórmula de Ackermann .
Solução
O polinômio característico de malha fechada desejado é
d = - eu3
ÿc (eu
) 0 .9 0 . eu -
eu24+0 032 . . .,
ou seja pai2 =- 0 .9 , pai1 = 0 .4, pai0 =- 0 .032
A primeira linha da matriz de transformação inversa é
-
ÿ 0 .1923 1 25 ÿ . 0 .3846 ÿ
- 1
TT =
t1 e1Tc = 10 31[ 0 0 ] - 0 .0577 0 625 .0 1154 . ÿ
ÿ ÿ
ÿ 0 .0173 0 3125. 0 1654

ÿ . ÿ ÿ
3 -
1923. 1 25 0 3846
= [010 . ] .
Usamos a fórmula de Ackermann para calcular o vetor de ganho
TT d
kt = ( )1 D c A
= t 1T { AAA
3 - 2
004.9 0+ 032 . - . EU
3 }
ÿ 6 0 18 ÿ
-
3
= 10 0[ 1923
. 1 25 0.38 - . 46 10] × 3 ÿ
4 68 44 ÿ
ÿ ÿ
ÿ 36 0 48
ÿ
ÿÿ
= ÿ[ 10 85 40 ]
9.2.3 Escolha dos Autovalores em Malha Fechada

Os procedimentos 9.1 e 9.2 produzem a matriz de ganho de feedback uma vez que os autovalores de
malha fechada tenham sido selecionados arbitrariamente. As localizações desejadas dos autovalores estão
diretamente relacionadas à resposta transitória desejada do sistema. Neste contexto, podem ser aplicadas
considerações semelhantes às feitas na Secção 6.6 (ver Tabelas 6.5 e 6.6). Contudo, o projetista deve levar
em conta que os pólos associados aos modos rápidos levarão a elevados ganhos para a matriz de
realimentação de estado e consequentemente a um elevado esforço de controle. Altos ganhos também
podem levar à degradação do desempenho devido ao comportamento não linear, como ADC ou saturação
do atuador. Se todos os autovalores de malha fechada desejados forem selecionados na origem do plano
complexo, a estratégia de controle de deadbeat é implementada (ver Seção 6.7), e o polinômio característico
de malha fechada é escolhido como
d n
ÿc (eu
) = eu (9.19)
Substituindo na fórmula de Ackermann (9.16) obtém-se a matriz de ganho de feedback

TT
kt = 1 A (9.20)
A lei de controle resultante levará todos os estados a zero em no máximo n intervalos de

amostragem a partir de qualquer condição inicial. Contudo, aplicam-se as limitações do controle de
deadbeat discutidas na Seção 6.7; ou seja, a variável de controle pode assumir valores
inaceitavelmente altos e podem ocorrer oscilações interamostras indesejáveis.
Exemplo 9.4
Determine o vetor de ganho k usando a fórmula de Ackermann para o modelo discretizado de espaço de
estados do motor CC controlado por armadura descrito no Exemplo 7.15 para as seguintes escolhas de
autovalores de malha fechada:
1. {0,1, 0,4 ± j0,4}

2. {0,4, 0,6 ± j0,33}
3. {0, 0, 0} (controle de caloteiro)
Simule o sistema em cada caso para obter a resposta de entrada zero a partir da condição inicial x(0) =
[1,1,1] e discuta os resultados.
Solução
O polinômio característico da matriz de estado é
D( eu
) = - eu3 2 .895 eu2 2 791 .0 896 +eu - .
Aquilo é,
.
a2 = - 2.895 , a 1 = 2 .791 , a 0 = - 0 .896
A matriz de controlabilidade do sistema é
ÿ 0 .001622 0 049832
. 0 187964. ÿ
C = - 10 3 ÿ
0 .482100 1 381319
. 2 185571. ÿ
ÿ ÿ
ÿ . 75 73716 .
ÿ 94 .6800 84 37082 ÿ ÿ
Usar (9.13) fornece a matriz de transformação
-
ÿ 1 .0527 0 0536 0. 000255 . ÿ
1 = 10 4 - 1 .9948 0 20688
ÿ
. 0 00102 - . ÿ
Tc-
ÿ ÿ
-
ÿ 0 .94309
ÿ 0 .14225 0 00176
. ÿ
ÿ
1. O polinômio característico de malha fechada desejado é
( ) = -eu3
ÿcd eu 0 .9 0 . eu -
eu24+0 032 .
Aquilo é,
pai =- 0 .9 , pai = 0 .4 , pai =- 0 .032

2 1 0
Pela fórmula de Ackermann , o vetor de ganho é
ktTT= 1
D cd ( A )
= t T { AA3 -0 9 . 2 + 0 .4 0 -
A 032 . EU
}
1 3
= 10 41[ 0527
. - 0.
0 0536 { 2
4 0 00320 9. + eu
0,000255 ] × ÿ AAA3 . - . }
3
9268. 1 4324 0 0137

= [410 3 . . ]
A resposta de entrada zero discretizada para os três estados e a variável de controle correspondente u
são mostradas na Figura 9.3.
1,5 2
1 0
x1
0,5 x –2
0 –4
–0,5 –6
0 0,05 0,1 0,15 0,2 Tempos 0 0,05 0,1 0,15 0,2 Tempos
¥ 104
500 1
0,5
0
x3
em 0
–500
–0,5
–1000 –1
0 0,05 0,1 0,15 0,2 Tempos 0 0,05 0,1 0,15 0,2 Tempos
Figura 9.3
Resposta de estado de entrada zero e variável de controle para o caso 1 do Exemplo 9.4.
ÿcd ( ) eu = - eu3 1.6 eu

029489
+ eu -
. 0 18756 .
Aquilo é,
d
d
uma = ÿ 2 1. 6,
d
um 1 = 0 .9489, um 0 =- 0 .18756
E o vetor de ganho é
TT d
kt = 1 D c (A)
T 3 -
= t 1 { AA 1. 6 2+ 0 .9489 A - .
0 18756 EU3 }
4 2
= [ 10 1 0527
. 00
- .
{ . 536 0 000255 ]× 3 1- 6 .
AA + 0 .9489 A - .
0 18756 EU3 }
3
= [ 10 1 .6985 0 700
. 88 0 01008. ]
A resposta de entrada zero discretizada para os três estados e a variável de controle correspondente u
são mostradas na Figura 9.4.
d
) = eu3 = 0, = 0,
d d d
ÿc (eu eu e. ., um 2 um 1 uma = 0 0
e o vetor de ganho é
TT = d
kt 1 D c (A)
T 3
= {t 1 A }
4 3
= [110 . 0 0536- 0 .000255 .
0527 ] × {A
}
4
= 10 1[ 0,0527 0 .2621 0 0017
. ]
1,5 1
1 0
0,5
x1
x2
–1
0 –2
–0,5 –3
0 0,05 0,1 0,15 0,2 Tempo s 0 0,05 0,1 0,15 0,2 Tempos
100 2000
1000
0
0
em
–100
x3
–1000
–200
–2000
–300 –3000
0 0,05 0,1 Tempos 0,15 0,2 0 0,05 0,1 0,15 0,2 Tempos
Figura 9.4
1,5 2
0
1
x1
–2
x2
0,5
–4
0
–6
0 0,05 0,1 0,15 0,2 Tempos 0 0,05 0,1 0,15 0,2 Tempo s
¥ 104
1500 3
1000 2
500
1
0 em
x3
0
–500
–1000 –1
–1500 –2
0 0,05 0,1 0,15 0,2 Tempo s 0 0,05 0,1 0,15 0,2 Tempos
Figura 9.5
A resposta de entrada zero discretizada para os três estados e a variável de controle correspondente
u são mostradas na Figura 9.5.
Observamos que quando autovalores associados a modos mais rápidos são selecionados, maiores
ganhos são necessários para a realimentação de estado e as variáveis de estado possuem respostas
transitórias com oscilações maiores. Especificamente, para o controle deadbeat do caso 3, os valores
de ganho são uma ordem de grandeza maiores que os dos casos 1 e 2, e a magnitude de suas
oscilações transitórias é muito maior. Além disso, para controle de deadbeat, o estado zero é alcançado
em n = 3 intervalos de amostragem, conforme previsto pela teoria. Entretanto, oscilações transitórias
entre amostras na verdade ocorrem em x2, a velocidade do motor. Isso é mostrado na Figura 9.6, onde
a velocidade analógica e a velocidade amostrada do motor são plotadas.
–1
–2
–3
–4
2
x
–5
–6
–7
–8
–9
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2 Tempos
Figura 9.6
Velocidade amostrada e analógica do motor com controle de deadbeat.
Outra consideração na seleção dos pólos de malha fechada desejados é a robustez do sistema
para modelar incertezas. Embora até agora tenhamos assumido que o modelo de espaço de estados
do sistema é perfeitamente conhecido, isso nunca é verdade na prática. Assim, é desejável que os
sistemas de controle possuam pólos com baixa sensibilidade a perturbações em suas matrizes de
espaço de estados. É bem sabido que a baixa sensibilidade do pólo está associada a projetos que
minimizam o número de condição da matriz modal de autovetores da matriz de estado.
Para um sistema SISO, os autovetores são fixados assim que os autovalores são escolhidos.
Assim, a escolha dos autovalores determina a sensibilidade dos pólos do sistema. Por exemplo,
selecionar os mesmos autovalores para o sistema de malha fechada leva a um alto número de condição
da matriz de autovetores e, portanto, a um sistema de malha fechada que é muito sensível a perturbações
de coeficiente. Para múltiplas entradas e múltiplas saídas
(MIMO), os ganhos de feedback para uma determinada escolha de autovalores não são
únicos. Isso permite mais de uma escolha de vetores próprios e pode ser explorado para
obter projetos robustos. Contudo, a colocação robusta de pólos para sistemas MIMO está
além do escopo deste texto e não será discutida mais detalhadamente.
9.2.4 Comandos MATLAB para posicionamento de pólo
O comando de posicionamento do poste é colocado. O exemplo a seguir ilustra o uso

do comando.
>> UMA = [0, 1; 3, 4];
>> B = [0; 1];
>> pólos = [0,3 + j .2, 0,3 j 0,2];
>> K = lugar(A, B, pólos)
lugar: dígitos = 16
K = 3,1300 3,4000
ndigits é uma medida da precisão do posicionamento do pólo.

Também é possível calcular a matriz de ganho de feedback de estado de (9.14) ou (9.15)
usando comandos básicos do MATLAB como segue:
1. Gere o polinômio característico de uma matriz para (9.14) e (9.15).
>> poli(A)
2. Obtenha os coeficientes do polinômio característico de um conjunto de valores desejados

autovalores dados como as entradas de pólos de um vetor.
>> desejado = poli(pólos)
O vetor desejado contém os coeficientes desejados em ordem decrescente.

3. Gere a matriz polinomial para uma matriz A correspondente ao
polinomial
eu3 - 02 4+-0 032
0 .9 eu . eu .
>> polivalm([1, ÿ0,9, 0,4, ÿ0,032], A)
9.2.5 Posicionamento dos pólos por realimentação de saída
Como seria de esperar, o uso do feedback de saída limita nossa capacidade de atribuir os autovalores
do sistema de estado em relação ao que é alcançável usando o feedback de estado. Em geral, não é
possível atribuir arbitrariamente os pólos do sistema, mesmo que o sistema seja completamente
controlável e completamente observável. É possível atribuir arbitrariamente a dinâmica controlável do
sistema usando realimentação de saída dinâmica, e uma solução satisfatória pode ser obtida se o
sistema for estabilizável e detectável.
9.3 Problema do Servo 349
capaz. Várias abordagens estão disponíveis para o projeto de tal controlador dinâmico.
Uma solução é obter uma estimativa do estado usando a saída e a entrada do sistema
e utilizá-la na realimentação do estado, conforme explicado na Seção 9.6.
9.3 Problema do Servo

Os esquemas mostrados nas Figuras 9.1 e 9.2 são reguladores que levam o estado do
sistema a zero a partir de qualquer condição inicial capaz de rejeitar perturbações de
impulso. Na prática, muitas vezes é necessário rastrear uma entrada de referência constante r
com erro zero em estado estacionário. Para este propósito, uma abordagem possível é usar o
esquema de controle de dois graus de liberdade da Figura 9.7, assim chamado porque
agora temos duas matrizes para selecionar, a matriz de ganho de realimentação K e a matriz
de ganho de referência F.
A entrada de referência de (9.2) torna-se v(k) = Fr(k), e a lei de controle é
escolhido como
em ( ) k K k Fxk = ÿ ( ) +R( ) (9.21)
com r(k) a entrada de referência a ser rastreada. As equações correspondentes do sistema em

malha fechada são
x (k A 1 kclx( ) +
) +k=BF R( )
(9.22)
yk(C) k= ( )x
onde a matriz de estado de malha fechada é
AA BK= cl-
A transformada z da saída correspondente é dada por (ver Seção 7.8)

= zI ÿA[ BF z
Y( ) z C ]
ÿ1
R( )
n cl
O erro de rastreamento em estado estacionário para uma entrada em degrau unitário é dado
- 1
Lim ( Com
{ (1) ano
ÿ ( )} =
Com Com Lim { [ )CÿzI Ancl BF
]- I por - }
de ÿ 1 com ÿ 1
= CIA
ÿ [n
- 1
] BF eu -
cl
r(k) em Reino Unido) x(k+1) x(k) e que)

F + B + T C
–K
Figura 9.7
Diagrama de blocos do controlador com dois graus de liberdade.

Para erro zero em estado estacionário, exigimos a condição

CIA - I
[ nBF ]
ÿ1 = (9.23)
cl n
Se o sistema for quadrado (m = l) e Acl for estável (sem autovalores unitários), resolvemos o
ganho de referência
- 1
-
=
FCIAB -
)
1
(9.24)
ÿÿ( n cl ÿÿ
Exemplo 9.5
Projete um controlador de espaço de estados para o modelo de espaço de estados discretizado do sistema de controle
de velocidade do motor DC descrito no Exemplo 6.8 (com T = 0,02) para obter (1) erro zero em estado estacionário
devido a um degrau unitário, (2) um taxa de amortecimento de 0,7 e (3) um tempo de estabilização de cerca de 1 s.
Solução
A função de transferência discretizada do sistema com conversor digital para analógico (DAC) e conversor analógico
para digital (ADC) é
Gs( ) Com + 0 .9293

z NOVO( ) =1ÿ (
GDE Com
- 1
) COM
{ 1 .8604 10 ×
- 4
- -
é }= ( Com
( 0. 8187 ) Com
) 0. 802
9
O modelo de espaço de estados correspondente, calculado com MATLAB, é
-
ÿ ( xk
1 ) +1 ÿ ÿ 1. 799 0 8025
. ÿ ÿ xk1( ) ÿ .0ÿ 01563 ÿ
ÿÿ ( xk
2
1
) + ÿÿ=ÿÿ 1 0 ÿÿ ÿÿ
xk2 ( ) ÿÿ+ÿÿ 0 ÿ ÿu k( )
ÿ xk1( ) ÿ
()=[]0 .01191 0 01107
sim .
ÿÿ
xk2( ) ÿÿ
Os autovalores desejados do sistema em malha fechada são selecionados como {0,9 ± j0,09} (ver Exemplo 6.8).
Isso produz o vetor de ganho de feedback
.
K = ÿ[ 0 068517 .
0 997197 ]
e a matriz de estado de malha fechada
- .
ÿ 1 .8 0 8181 ÿ
Acl =
ÿÿ
1 0 ÿÿ
O ganho feedforward é
- 1
-
=
FCIAB -
)
1
ÿÿ n cl ÿÿ
- 1
-
- .
1 0 ÿ ÿ 1 .8 0 8181 1
(ÿ
ÿÿ ÿÿ ÿ 0 .01563 ÿ ÿ
ÿ = [ ] ÿ. 0 01191 0 01107
. ÿ = 50 .42666
ÿ ÿ ÿÿ
0 1 ÿÿÿÿÿ 1 0 ÿÿÿÿ ÿÿÿÿ
0 ÿ
A resposta do sistema a uma entrada de referência degrau r é mostrada na Figura 9.8. O sistema tem um tempo de
estabilização de cerca de 0,84 se um overshoot percentual de cerca de 4% com um tempo de pico de cerca de 1 s.
Todas as especificações de projeto foram atendidas.
9.3 Problema do Servo 351
1.4
Sistema: syscl
1.2 Superação (%): 4,22 Sistema: syscl
No tempo (seg): 0,64 Tempo de acomodação (seg): 0,842
0,8
Amplitude
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1.2
Tempo
Figura 9.8
Resposta ao degrau do sistema em malha fechada descrito no Exemplo 9.5.
A lei de controle (9.21) é equivalente a uma ação feedforward determinada por F para
produzir erro zero em estado estacionário para uma entrada de referência constante r.
Como a ação futura não inclui qualquer forma de feedback, esta abordagem não é robusta
para modelar incertezas. Assim, erros de modelagem (que sempre ocorrem na prática)
resultarão em erros em estado estacionário diferente de zero. Para eliminar tais erros,
introduzimos o controle integral mostrado na Figura 9.9, com um novo estado adicionado
para cada erro de controle integrado.
As equações de espaço de estados resultantes são
x (k) + 1= ( )Ak
+x(Bk
) em
x (k) k+k1=k( )xry

+()ÿ()
(9.25)
= k( ) x
e (k) C
em ( k) k= k- x ( ) ÿ K k x( )
onde x é l × 1. As equações do espaço de estados podem ser combinadas e reescritas em k ( ) = [ ( ) termos de

ÿ
T
estado aumentado xxx kk ( )] como um vetor de
ÿx ( k) + 1 ÿ ÿ A 0 ÿxÿ (k) ÿ ÿB ÿ ÿx (k) ÿ ÿ0ÿ

Kk R ( k)
-
x ( k ) +1 ÿ ÿ = ÿ ÿ LÁ x (k) 0 ÿ[ ÿ
]
x (k) EU
ÿÿ eu
ÿÿ ÿÿÿÿÿÿÿ ÿÿ ÿÿ+ÿÿÿÿ eu
ÿx ( k) + 1 ÿ
e ( C) = [ k 0 ]
ÿÿ
x ( k ) +1 ÿÿ
r(k) x(k + 1) x(k) v(k) você(k) x(k+1) x(k) e que)

+ T ÿK + B + T C
ÿK
ÿ1
Figura 9.9
Esquema de controle com controle integral.
Aquilo é,
ÿ
ÿÿÿ
ÿ
ÿ0ÿ
x (k ) +1= ÿ ( Um BK k ) x( ) + ÿ ÿ R (k)
EUeu
ÿÿ (9.26)
ÿ
(C
) =y [ k 0 ]x ( )k
onde
A 0ÿ ÿB ÿ
= ÿ
ÿ ÿ
Aÿ
- LÁ
B = KKK ] (9.27)
ÿÿ eu
ÿÿ
0ÿÿ=[ ÿÿ
ÿÿÿ
Os autovalores da matriz de estado do sistema em malha fechada AA BKclatribuídos

=ÿ( ) pode ser
arbitrariamente calculando a matriz de ganho Kÿ usando qualquer um dos procedimentos para o
problema do regulador conforme descrito nas Seções 9.1 e 9.2.
Exemplo 9.6
Resolva o problema de projeto apresentado no Exemplo 9.5 usando controle integral.
Solução
As matrizes de espaço de estados do sistema são
- .
.799 0 8025
ÿ ÿ1 ÿ 0 .01563 ÿ
UMA = B =
ÿÿ
1 0 ÿÿ ÿÿ
0 ÿÿ
.
C = [0 01191 . ]
0 01107
Adicionando controle integral, obtemos
. - 0 .8025 0
ÿ 1.799 ÿ ÿ 0 .01563 ÿ
= ÿ
A 0ÿ ÿB ÿ
Aÿ ÿ
1 0 0 ÿ
Bÿ = ÿ
0 ÿ
- C 1ÿ ÿ = ÿ ÿ
0 ÿÿ= ÿ ÿ
ÿÿ ÿÿ
- - .
ÿ 0 .01191 0
ÿ
01107 1 ÿ
ÿ ÿ
ÿÿ
0 ÿ
No Exemplo 9.5, os autovalores foram selecionados como {0,9 ± j0,09}. O uso do controle integral
aumenta a ordem do sistema em um e um autovalor adicional deve ser selecionado.
Os autovalores desejados são selecionados como {0,9 ± j0,09, 0,2}, e o autovalor adicional
9.4 Invariância de Zeros do Sistema 353
1.4
Sistema: syscl
1.2 Superação (%): 4,21
Sistema: syscl
No tempo (seg): 0,66
0,8
Amplitude
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1.2
Tempo
Figura 9.10
Resposta ao degrau do sistema em malha fechada apresentado no Exemplo 9.6
em 0,2 é escolhido por seu efeito insignificante na dinâmica geral. Isso produz o vetor de ganho de feedback
Kÿ = [51.1315 40- 4431 -

. 40 3413 ].
A matriz de estado do sistema em malha fechada é
1 - 0 .1706 0 6303
.
ÿ ÿ
Acl =
ÿ
1 0 0 ÿ
ÿ ÿ
- - .
0 .0119 0 0111 1
ÿ
ÿ
ÿ ÿ
A resposta do sistema a um sinal de referência de degrau unitário r é mostrada na Figura 9.10.

A figura mostra que as especificações de controle foram atendidas. O tempo de acomodação de 0,87 está bem abaixo
do valor especificado de 1 s, e a ultrapassagem percentual é de cerca de 4,2%, que é menor que o valor correspondente
a ÿ = 0,7 para o par dominante.
9.4 Invariância dos Zeros do Sistema

Uma limitação severa do esquema de controle de realimentação de estado é que ele não
pode alterar a localização dos zeros do sistema, o que afeta significativamente a resposta
transitória. Para mostrar isso, consideramos a transformada z do sistema (9.5):
( zI ( ) ÿz (B)z= X
ÿ ÿA )BK EM 0
(9.28)
z()=()
C XY Com
Se z = z0 é zero do sistema, então Y(z0) é zero com V(z0) e X(z0) diferentes de zero.
Assim, para z = z0, a equação do espaço de estados (9.28) pode ser reescrita como
-
ÿ-z +0IA BK B ÿ ÿX ( Com
0
)ÿ
0 (9.29)
ÿÿ
C 0 ÿÿ ÿÿ
EM ( Com
)ÿ ÿ =
0
Reescrevemos (9.29) em termos das matrizes de espaço de estados do sistema em malha aberta
como
- - -
ÿ ( ) do
0n
IAB ÿ ÿX ( Com
0
)ÿ ÿ (z
) 0IA nBK
ÿ +B ÿÿ X ( Com
0
) ÿ ÿ0 ÿ
-
ÿÿ
CD ÿÿ ÿÿ
EM ( Com
0
)ÿ ÿ = ÿ ÿ C DK Dÿ ÿ
ÿÿ
EM (de ) X
)0+K(de 0
ÿÿ=ÿÿ 0 ÿÿ
Observamos que com o feedback de estado u(k) = ÿKx(k) + r(k), o quádruplo espaço de estados
(A, B, C, D) torna-se
- -
(A BK BC ,DK, D ) ,
Assim, os zeros do sistema em malha fechada são iguais aos da planta e são invariantes sob
realimentação de estado. Raciocínio semelhante pode estabelecer o mesmo resultado para o
sistema de (9.22).
Exemplo 9.7
Considere o seguinte sistema de tempo contínuo:
é +1
Gs( ) =
( ) + ( ) +2 é1 3 1 é
Obtenha um modelo discreto para o sistema com controle digital e um período de amostragem T = 0,02 e,
em seguida, projete um controlador de espaço de estados com controle integral e com os mesmos autovalores
de malha fechada mostrados no Exemplo 9.6.
Solução
O sistema analógico com DAC e ADC possui a função de transferência
Gs( - 0 .9802
) Com
z NOVO( ) =1 ÿ (
G DE Com
- 1
) COM
{ }=
. 10 ×
33 338 - 4
( - 0 .9934 ) ( -
é Com Com
) 0. 99
com um zero de malha aberta em 0,9802. O modelo de espaço de estados correspondente (computado com
MATLAB) é
1 - .
.983 0 983
ÿ xk1( ) +ÿ ÿ ÿ1 ÿ xk1( ) ÿ ÿ 0 0,0625 ÿ
ÿÿ
xk ( ) +1 ÿÿ=ÿÿ 1 0 ÿÿ ÿÿ
xk ( ) ÿÿ+ÿÿ 0 ÿ ÿu k( )
2 2
ÿ xk1( ) ÿ
.
( ) = [ 0 0534 0 0524. ] sim
ÿÿ
xk 2 () ÿÿ
Os autovalores desejados do sistema de malha fechada são selecionados como {0,9 ± j0,09}, e isso produz
o vetor de ganho de feedback
9.5 Estimativa de Estado 355
Kÿ = [15 .7345 24-5860 - .

. 2 19016 ]
A matriz de estado do sistema em malha fechada é
1 - 0 .55316 13 6885
.
ÿ ÿ
Acl =
ÿ
1 0 0 ÿ
ÿ ÿ
- . 1
ÿ 0 .05342 0 05236
ÿ
ÿÿ
A resposta do sistema a um sinal de referência de degrau unitário r, mostrado na Figura 9.11, tem um enorme pico
ultrapassado devido ao zero de malha fechada em 0,9802. O controle de malha fechada não pode alterar a localização
do zero.
3.5
2,5
Amplitude
1,5
0,5
0
0 0,5 1 1,5
Tempo
Figura 9.11
Resposta ao degrau do sistema em malha fechada apresentado no Exemplo 9.7.
9.5 Estimativa de Estado

Na maioria das aplicações, medir todo o vetor de estado é impossível ou proibitivamente
caro. Para implementar o controle de realimentação de estado, uma estimativa xˆ ( ) k do
vetor de estado pode ser usada. O vetor de estado pode ser estimado a partir das medições
de entrada e saída usando um estimador ou observador de estado.
9.5.1 Observador de Ordem Completa
Para estimar todos os estados do sistema, pode-se, em teoria, utilizar um sistema com a
mesma equação de estado da planta a ser observada. Em outras palavras, pode-se usar o
sistema de malha aberta
ˆ ˆ
x ( ) k=+1
( ) + ( )A k B k xu
No entanto, este estimador de malha aberta pressupõe um conhecimento perfeito da dinâmica do sistema e
carece do feedback necessário para corrigir os erros que são inevitáveis em qualquer implementação. As
limitações deste observador tornam-se óbvias ao examinar a dinâmica do seu erro. Definimos o erro de
ˆ ÿ
=-
estimativa como xxx . Obtemos a dinâmica do erro subtraindo a dinâmica do observador em malha aberta
da dinâmica do sistema (9.1).
ÿ ÿ
x ( ) k= ( ) A kx +1
A dinâmica do erro é determinada pela matriz de estado do sistema e não pode

ser escolhida arbitrariamente. Para um sistema instável, o observador ficará instável
e não poderá rastrear o estado do sistema.
Uma alternativa prática é realimentar a diferença entre a saída medida e a estimada do sistema, conforme
mostrado na Figura 9.12. Isso resulta no seguinte observador:
ˆ ˆ ˆ
x A (kx)B+ k[ (L )kÿC( )kemk
+1 = ( ) + e x ( )] (9h30)
Subtrair a equação do estado do observador da dinâmica do sistema produz a

dinâmica do erro de estimativa
Um= LC
xÿ ( ) ( ) xÿ ) k +1 ÿ(k (9.31)
A dinâmica do erro é governada pelos autovalores da matriz observadora A0 = A ÿ LC. Transpomos a

matriz para obter
T =-
AACL T TT
0 (9.32)
que tem os mesmos autovalores da matriz do observador. Observamos que (9.32)

é idêntica à equação de projeto do controlador (9.4) com o par (A, B) substituído pelo par (AT
, TC ). Temos, portanto, o Teorema 9.2.
xˆ(k + 1) xˆ(k)
B + T
eu A
Reino Unido)
x(k 1) +=+ Ah (k) Isso (k) e que)
= Cx(k) + C
e que)
Figura 9.12
Diagrama de blocos do estimador de estado de ordem completa.

Teorema 9.2: Estimativa de Estado. Se o par (A, C) for observável, então existe uma matriz de ganho de
feedback L que atribui arbitrariamente os pólos do observador a qualquer conjunto {li , eu =
. . , n}. Além disso, se o par (A, C) for detectável, então os modos observáveis 1,. todos podem ser
atribuídos arbitrariamente.
Prova. Com base no Teorema 8.12, o sistema (A, C) é observável (detectável) se e somente se (AT
, CT ) é controlável (estabilizável). Portanto, o Teorema 9.2 segue do Teorema 9.1.
ÿ
Com base no Teorema 9.1, o ganho da matriz L pode ser determinado a partir dos pólos do observador
desejado, conforme discutido na Seção 9.2. Portanto, podemos selecionar arbitrariamente os pólos observadores
desejados ou o polinômio característico associado. De (9.32) segue-se que o comando MATLAB para a solução
do problema de posicionamento do pólo observador é
>> L = lugar(Aÿ, Cÿ, pólos)'
Exemplo 9.8
Determine a matriz de ganho do observador L para o modelo de espaço de estados discretizado do motor
CC controlado por armadura descrito no Exemplo 7.15 com os autovalores do observador selecionados
como {0,1, 0,2 ± j0,2}.
Solução
Lembre-se de que as matrizes do sistema são
×
- 6
ÿ 1 .0 .
01 .
00 ÿ ÿ 1 .62 2 10 ÿ
ÿ .
UMA = B = 10×
- 4
0 0 0 9995. 0 0095 . 4 821
. C = [ ]1 0 0
ÿ ÿ
ÿ
ÿ ÿ
ÿ ÿ
- .0 8954 - 2
ÿ . 0 0947
ÿ0 0 . ÿÿ
ÿ 9 .468 10×
ÿ
ÿ
ÿ
O local de comando do MATLAB dá ganho ao observador
ÿ 2 .3949 ÿ
eu = 18 6734
ÿ
. ÿ
ÿ ÿ
ÿ .
ÿ 4 3621 ÿÿ
A expressão (9.30) representa um observador de predição, porque o vetor de estado estimado (e qualquer
ação de controle associada) em um determinado instante de amostragem não depende do valor medido atual da
saída do sistema. Alternativamente, um observador de filtragem estima o vetor de estado com base na saída
atual (assumindo um tempo de computação insignificante), usando a expressão
ˆ ˆ ˆ
x ( ) k=+1
( ) + ( )A+kx B k L k + [ ( ) 1 ÿ ( x ( ) CA
+ ( k))]B k dormir (9.33)
Claramente, a saída atual y(k + 1) é comparada com a sua estimativa baseada em variáveis no instante de
amostragem anterior. A dinâmica do erro agora é representada por
xÿ ( ) k=+1 Uma ACV k

ÿ ( ) ( ) xÿ (9.34)
A expressão (9.34) é igual à expressão (9.31) com o produto matricial CA
substituído por C. A matriz de observabilidade O do sistema (A, CA) é
ÿ QUE ÿ
2
ÿ
QUE ÿ
O = ÿ ÿ = OA
ÿ
ÿ ÿ
ÿ n ÿ
QUE
ÿ ÿ
onde O é a matriz de observabilidade do par (A, C) (ver Seção 8.3). Assim, se o par (A, C) for observável, o par (A, CA) será observável, a
menos que A tenha um ou mais autovalores zero. Se A tiver autovalores zero, o par (A, CA) é detectável porque os autovalores zero estão
associados a modos estáveis. Além disso, os autovalores zero estão associados aos modos mais rápidos, e o projeto do observador pode
ser completado selecionando uma matriz L que atribui valores adequados aos autovalores restantes de A ÿ LCA.
Exemplo 9.9
Determine a matriz L de ganho do observador de filtragem para o sistema descrito no Exemplo 9.8.
Solução
Usando o comando place do MATLAB,
>> L = lugar(Aÿ, (C*A)ÿ, pólos)ÿ

obtemos o ganho do observador
eu =
1.0e + 002*
0,009910699530206
0,140383004697920
4.886483453094875
9.5.2 Observador de Ordem Reduzida
Um observador de ordem completa é projetado de modo que todo o vetor de estado seja estimado a partir do conhecimento da entrada e
da saída do sistema. O leitor poderia perguntar: por que estimar n variáveis de estado quando já temos l medidas que são funções lineares
das mesmas variáveis? Seria possível estimar apenas n ÿ l variáveis e usá-las com medição para estimar todo o estado?
Isto é precisamente o que é feito no projeto de um observador de ordem reduzida. Um observador de ordem reduzida é geralmente
mais eficiente do que um observador de ordem completa.
No entanto, um observador de ordem completa pode ser preferível na presença de ruído de medição significativo. Além disso, o projeto do
observador de ordem reduzida é mais complexo.

Consideramos o sistema linear invariante no tempo (9.1) onde a matriz de entrada B

e a matriz de saída C são assumidas como classificação completa. Então as entradas do vetor
de saída y(t) são linearmente independentes e formam um vetor de estado parcial de
comprimento l, deixando n ÿ l variáveis a serem determinadas. Temos assim o vetor de estado
ÿe ÿ ÿCÿ
-Qo 1 x = x (9.35)
ÿÿ=
Com M
ÿ ÿ ÿÿ ÿÿ
onde M é uma matriz n ÿ l × n de classificação completa com linhas que são linearmente
independentes daquelas de C, e z é o estado parcial desconhecido.
As matrizes de espaço de estados para as variáveis de estado transformadas são
= I
Ct CQ o =[ eu ] 0lnl × ÿ (9.36)
ÿB1 ÿ } eu
t
= oÿ1 =
churrasco ÿ ÿ (9.37)
B2 } -nl ÿ
ÿ
ÿ ÿ
ÿ AA
12 ÿ } eu
AQ = ÿ1
t AQo o
= ÿ ÿ (9.38)
AA nl
ÿ
ÿ
34
ÿ }-ÿ
ÿÿ
lnl -
Assim, a equação de estado para o estado parcial desconhecido é
Com
( y( ) + 4 ( ) + ) k3 A k A k B k 2 ( ) +1 = Com em (9.39)
Definimos uma variável de saída para formar um modelo de espaço de estados com (9.39) como
z( ) k = + ( ) 1 ÿ 1 ( ) ÿ 1 ( ) = 2 ( ) k A kemB k A k yyy Com

(9h40)
Esta saída representa a parte do estado parcial conhecido y(k + 1) que é calculado usando o
estado parcial desconhecido. A dinâmica do observador, incluindo o erro no cálculo de yz, é
assumida como invariante linear no tempo da forma
ˆ ˆ ˆ
(k A) +k=A1 k B3ke L( )k+A(k) +4 de
Com
2 às ( ) + [ z e( ) - ( )] 2 Com
ˆ
= ÿ ( PARA4 O2k)( ) + A k L k ) 1 (ÿ )3y
Com
+ +e[ ( A k1eB( k) Bÿ k você1 ( )] + 2 em
()
(9.41)
onde zˆ denota a estimativa do vetor de estado parcial z. Infelizmente, o observador (9.41) inclui o termo
y(k + 1), que não está disponível no tempo k. Mover o termo para o LHS revela que seu uso pode ser
evitado estimando a variável
xz( ) k = ˆ( ) ÿ ( ) k L k y (9.42)
Usando (9.41) e a definição (9.42), obtemos o observador

x ( k ) +1= ÿ (A 4LA k ALA
2 (x
) LA
( ) +LA
+ Lÿ kÿ4 B
( )LB
+ (k3) k A k 1B 2 ) e( ) + - ( 2 )()
1 em
(9.43)
= Ao x ( ) + yy ko em
onde
AA =LA
-
o 4 2
= + o-LA
AALLA 3 1 (9.44)
e
=-
BBLB
o 21
O diagrama de blocos do observador de ordem reduzida é mostrado na Figura 9.13.

A dinâmica do observador de ordem reduzida (9.43) é governada pela matriz Ao. Os
autovalores de Ao devem ser selecionados dentro do círculo unitário e devem ser
suficientemente rápidos para rastrear o estado do sistema observado. Isso reduz o projeto
do observador à solução de (9.44) para a matriz de ganho do observador L. Uma vez obtido
L , as outras matrizes em (9.43) podem ser calculadas e o vetor de estado xˆ pode ser
obtido usando a equação
ˆ ÿe (k) ÿ
x ( k) Q
= o
ˆ
ÿÿÿÿ
Com
(k)
(9.45)
EU 0 lnl×- ÿ ÿe (k) ÿe (k)
=P ÿ eu ÿ
To
ÿ
o
ÿÿ
QUEnl- ÿÿ
x (k)
ÿÿÿ=ÿ ÿÿÿÿ
x (k)
onde a matriz de transformação Qo é definida em (9.35).

Transpondo (9,44) rendimentos
T T TT
AAA = ÿ 4 2
o
(9.46)
Como (9.46) é idêntico em forma à equação de projeto do controlador (9.4), ela pode
T
ser resolvido conforme discutido na Seção 9.2. Lembramos que os pólos da matriz Ao
T é controlável. De
( de 2 )
pode ser atribuído arbitrariamente desde que o conceito
T
4,
dualidade do par AA discutido na Seção 8.6 seja equivalente à observabilidade do par ( )

AA . O teorema
4 2 , a seguir fornece uma condição necessária e suficiente para a observabilidade
do par.
x k + )1( x(k)
Bo + T
Ao
e que)
x(k 1) +=+ Ah (k) Isso (k)
= Cx(k) Oh
e que) +
Reino Unido)
eu xˆ(k)
T
Figura 9.13
Diagrama de blocos do observador de ordem reduzida.

,2
Teorema 9.3: O par ( ) AA é 4observável se e somente se o sistema (A, C) for
observável.
Prova. A prova é deixada como um exercício. ÿ
Exemplo 9.10
Projete um observador de ordem reduzida para o modelo de espaço de estados discretizado do motor
CC controlado por armadura descrito no Exemplo 7.15 com os autovalores do observador selecionados
como {0,2 ± j0,2}.
Solução
Lembre-se de que as matrizes do sistema são
ÿ 1 .0 0 .1 0 .0 ÿ ×
ÿ 1 .62 2 10
- 6ÿ
UMA = 0.0 0 9995

. 0 0095 . B = 4 .821 10× - 4 C =[100 ]
ÿ ÿ
ÿ ÿ
ÿ ÿ
ÿ ÿ
- .0 8954
0 .0 0 0947 . ÿ 9 .468 10×
- 2
ÿ
ÿ
ÿ ÿ ÿ
ÿ ÿ
A matriz de saída C está na forma exigida e não há necessidade de transformação de similaridade.

As variáveis de segundo e terceiro estado devem ser estimadas. A matriz de estado é particionada como
ÿ 1 .0 0 .1 0 .0 ÿ
ÿa1 aTÿ
2
A = ÿ = 0 .0 0 9995. 0 0095
ÿ
. ÿ
a A
4ÿ
ÿ ÿ
ÿÿ 3 -
ÿ 0 .0 0 0947 .0 8954
ÿ . ÿ
ÿ
A transformação de similaridade pode ser selecionada como uma matriz identidade; aquilo é,
ÿ100 ÿ
1 = ÿ
010 ÿ
Q- ÿ ÿ
ÿ0 0 1
ÿ
ÿ
ÿ
e, portanto, temos At = A, Bt = B e Ct = C. Portanto, precisamos resolver a equação linear
ÿ 0 .9995 0 0095 . ÿ
Ao = eu 0 .1 0 ]
- 0 .0947 0 8954.
ÿÿ ÿÿÿ[
para obter o ganho do observador
. T
eu = [14.949.550.191 ].
As matrizes de observadores correspondentes são
- 0 .4954 0 0095 .
ÿ ÿ
Ao = - 55 1138
ÿÿ
. 0 8954. ÿÿ
=-
bb lb
o 2 1
ÿ 4 .821 10×
- 4 ÿ .
ÿ 14 949 ÿ ÿ 0 .04579 ÿ
= 1 .622 10 × - 6= 10 - 2
ÿÿ
.
ÿ ÿ 9 468 10
× - 2
ÿ ÿÿ .
550 191 ÿÿ× ÿÿ 9 .37876 ÿÿ×
para e
A o com 3= +
- uma 1
- 0 .4954 0 0095
. 14 .949 ÿ ÿ 0 ÿ ÿ 14 .949 ÿ -
=ÿ ÿÿ ÿ 0 .1713 ÿ
1
- 55 .1138 0 8954
. 550 .191 ÿ ÿ + ÿ ÿ 0 ÿ ÿ ÿ ÿ ÿ 550 .191 ÿ ÿ × = ÿ ÿ - 8 .8145 ÿ ÿ ×102
ÿÿ ÿÿ ÿÿ
A estimativa do estado pode ser calculada usando
ÿ 1 0 1T×2 ÿ
T
ˆ ÿ1 0 1×2 ÿ ÿ e (k) ÿ ÿ e (k) ÿ
x ( k) Q 14 .949
ÿ ÿ
= o
ÿÿ
eu EU2
ÿ
ÿ ÿÿ
x (k) ÿÿ=ÿ
EU2 ÿ
ÿÿ
x (k) ÿÿ
.191
ÿ 550 ÿ
ÿ ÿ
r(k) Reino Unido) x(k+1) x(k) e que)

+ B + T C
xˆ(k+1) xˆ(k)
B + T - C +
eu
- K
Figura 9.14
Diagrama de blocos de um sistema com feedback do estado do observador.
9.6 Feedback do Estado do Observador

Se o vetor de estado não estiver disponível para controle de feedback, um estimador de estado pode ser usado
para gerar a ação de controle conforme mostrado na Figura 9.14. O vetor de controle correspondente é
ˆ
em =- xv( ) + ( )
( ) hahahaha (9.47)
Substituindo na equação de estado (9.1) dá

ˆ
x (k+1
BK= k( )Bÿkx)(k) A+ ( ) x em (9.48)
Adicionando e subtraindo
ˆ o termo BKx(k), reescrevemos (9.48) em termos da estimativa
ÿ
erro de ação xxx como =-

9.6 Feedback do Estado do Observador 363
x( ) k +1
ÿ(=) ( ) x A BK k BK k B k ( ) + ( ) + x em (9.49)
Se um observador de ordem completa (preditor) for usado, combinando (9.49) com (9.31) obtemos
-
ÿ x ( k) + ÿ 1 ÿ BK BK ÿ ÿ x (k) ÿ ÿB ÿ
ÿ ÿ (9,50)
ÿÿ
x ( k ) +1 ÿÿ=ÿÿ 0 Um- LC ÿÿ ÿÿ
x (k) ÿÿ+ÿÿ 0 ÿ ÿ v( ) k
A matriz de estado de (9.50) é triangular em bloco e seu polinômio característico é
D cl ( eu ( isso
( ) = euIA BK
) = [ isto
ÿÿ
)] [ ÿ ÿeu(IALC
)]
(9.51)
( ) D cD eu o eu
Assim, os autovalores do sistema em malha fechada podem ser selecionados separadamente daqueles do
observador. Este importante resultado é conhecido como teorema da separação
ou o princípio da equivalência de incerteza.
Analogamente, se um observador de ordem reduzida for empregado, o erro de estimativa xÿ
pode ser expresso em termos de erros na estimativa de y e z como
ÿ
ÿ ÿ e (k) ÿ
x (Q
)=k o
ÿ
ÿÿ
ÿ
Com (k) ÿ (9,52)
ÿ ˆ ÿ
( ) = ( ) ÿ ( ) kkkkk
aaa Com ( ) = ( ) ÿ ˆ( ) Com Com
Particionamos a matriz Qo em uma matriz n × l Qy e uma matriz n × n - l Qz para permitir a separação dos
dois termos de erro e reescrevemos a estimativa
erro como
ÿ
ÿ ÿ e (k) ÿ ÿ ÿ
x ( QQ
)=[k ÿ
Q ek Q(k) y+ ÿ( ) ÿ = Com
(9,53)
e Com ]ÿ
ÿ
Com (k) Com
Assumindo um erro de medição insignificante yÿ , o erro de estimativa se reduz a

ÿ ÿ
x (Q
) =k k Com ( )
Com
(9,54)
Substituindo (9.54) na equação de malha fechada (9.49) dá
x( ) k +1
ÿ(=) ( ) x A BK k BKQ k + z ÿ( )
Com
(9,55)
Avaliando zÿ( ) k subtraindo (9.41) de (9.39) e substituindo A k 2z( ) por yz, obtemos
zÿ( +1 = ÿ ( ) kPARA
4 O k) 2 zÿ( ) (9,56)
Combinando (9.55) e (9.56), obtemos a equação
-
ÿ x ( k ) +1 ÿ ÿ A BK BKQ Com
ÿ ÿ x (k) ÿ
ÿ ÿ (9,57)
0 nlnÿ× A4 - (k)
ÿÿ
Com
(k 1)+ ÿÿ=ÿÿ 2 ÿÿ ÿÿ
Com
ÿÿ
A matriz de estado de (9.57) é triangular em bloco e seu polinômio característico

é
o[ euAQUELE
ÿ ÿ ( 4 DIA) 2 ]isso[euIA ÿBKÿ )]( (9,58)
Assim, como para o observador de ordem completa, os autovalores de malha fechada para o feedback de
estado do observador de ordem reduzida podem ser selecionados separadamente daqueles do observador
de ordem reduzida. O teorema da separação, portanto, aplica-se tanto a observadores de ordem reduzida
como a observadores de ordem completa.
Além disso, combinando a equação do estado da planta e o estimador e usando a
equação de saída, temos
ÿ A 0 nnl×- (k)
ÿ x ( k ) +1 ÿ ÿ ÿx ÿ ÿB ÿ
(9,59)
ÿÿ
x ( k ) +1 ÿÿ=ÿÿ ACA
e o ()
ÿ x k
ÿ
ÿÿ ÿÿ+ÿÿ B 0 ÿ ÿ você( ) k
Expressamos o feedback do estado do estimador de (9.47) como

(hahahaha ˆ+ ( )
) = ÿ ( ) xv
em
() C xk ( ) ÿ
=- ÿe k ÿ ]ÿ
KT o em k Cimeira oi boi k (9,60)
ÿÿ
x (k) ÿ ÿ + ( ) = ÿ [ ÿÿ
x (k) ÿ ÿ + v( )
onde Toy e Tox são partições de To de (9.45) de ordem n × le n × n ÿ l, respectivamente .

Substituindo em (9.59), temos
( -
A BKT C - BKT boi (k)
ÿ x k ) +1 ÿ ÿ Ltda
ÿ ÿx ÿ ÿB ÿ
em ( k
) (9,61)
ÿÿ
x (k ) +1 ÿ ÿ = ÿ ÿ ACB
e
-KT CAB KT o Ltda o
- o boi
ÿ
ÿ ÿÿ
x (k) ÿÿ+ÿÿ B0 ÿÿ
A Equação (9.61) pode ser usada para simular o sistema completo de realimentação do estado do
estimador.
9.6.1 Escolha dos autovalores do observador
Na seleção dos pólos observadores ou do polinômio característico associado devem ser

consideradas as expressões (9.51) ou (9.58) . A escolha dos pólos observadores não se baseia
nas restrições relacionadas ao esforço de controle discutidas na Seção 9.2.3.
Entretanto, a resposta do sistema em malha fechada deve ser dominada pelos pólos do
controlador que atendam às especificações de desempenho. Portanto, como regra geral, os
pólos do observador devem ser selecionados de 3 a 10 vezes mais rápido que os pólos do
controlador. Um limite superior na velocidade de resposta do observador é imposto pela
presença do ruído de medição inevitável. A dinâmica do observador inadequadamente
rápida resultará no rastreamento do ruído em vez do estado real do sistema.
Conseqüentemente, um observador caloteiro, embora atraente na teoria, é evitado na prática.
A escolha dos pólos observadores também é regida pelas mesmas considerações

relacionadas à robustez do sistema discutida na Seção 9.2.3 para o controle de realimentação
de estado. Assim, a sensibilidade dos autovalores às perturbações nas matrizes do sistema
deve ser considerada na seleção dos pólos observadores.
Enfatizamos que a seleção dos pólos observadores não influencia o desempenho do
sistema de controle global se as condições iniciais forem estimadas
perfeitamente. Provamos este fato para o observador de ordem completa. Contudo, o resultado
também vale para o observador de ordem reduzida, mas a prova fica como exercício para o leitor.
Para demonstrar este fato, consideramos a equação de estado (9.50) com a equação de saída
(9.1):
-
ÿ x ( k) + ÿ1 ÿ BK BK ÿ ÿ x (k) ÿ ÿB ÿ
ÿ ÿ
em (k)
ÿÿ
x ( k ) +1 ÿÿ=ÿÿ 0 Um- LC ÿÿ ÿÿ
x (k) ÿÿ+ÿÿ 0 ÿÿ
(9,62)
ÿ x (k) ÿ
e (C
)=[k 0 ] ÿ
ÿÿ x (k) ÿÿ
A resposta zero de entrada-saída do sistema (v(k) = 0) pode ser determinada iterativamente como
e ()0=Cx
() 0
-
ÿ BK BK ÿ ÿ x ( 0) ÿ =
e ( 1) = [ C 0] ÿ
CAÿ BK
()()+ x 0 CBK xÿ ( ) 0
ÿÿ
0 Um- LC ÿÿ ÿÿ
x ( 0) ÿÿ
-
ÿ BK BK ÿ ÿ x (1) ÿ
e ( 2) = [ C 0 ] ÿ = ÿCA
( )BK ÿ ÿ x ( 1) + CBK xÿ (1)
ÿÿ
0 Um- LC ÿÿ ÿÿ
x (1)
2
= ÿCA
ÿ ÿ
( ) BK x ( 0) ÿ ÿ ( CA
) ( ÿ) BK
0( BK CBK () -
) AxLC x 0
ÿ
Claramente, a matriz observadora L influencia a resposta transitória se e somente se xÿ ( )0 0

ÿ . Este fato é confirmado pela determinação da função de transferência z de (9.61), que assume
implicitamente zero condições iniciais
- 1
-
ÿ dia ÿ BK BK ÿÿ ÿB ÿ - 1
G z( )C= [ ]-0 ( )A BK ÿ +
C zI B
ÿÿ ÿÿ
0 Um- LC ÿÿ ÿÿ ÿÿ
0 ÿÿ=
onde a matriz de ganho do observador L não aparece.
Exemplo 9.11
Considere o motor CC controlado por armadura descrito no Exemplo 7.15. Seja a verdadeira condição inicial
x(0) = [1, 1, 1], e seja sua estimativa o vetor zero xˆ ( ) 0 ]T . Projete uma realimentação de 0 0, ,0 do
= [ estado
observador de ordem completa para uma resposta de entrada zero com um tempo de estabilização de 0,2 s.
Solução
Como o Exemplo 9.4 mostrou, uma escolha para os autovalores do sistema de controle que atende à
especificação de projeto é {0,6, 0,4 ± j0,33}. Isso produz o vetor de ganho
3- 0. 01008 ]
[ . 0 70088
K = 10 1 6985 .
Os autovalores do observador devem ser selecionados de modo que os modos associados sejam
suficientemente mais rápidos que os do controlador. Selecionamos os autovalores {0,1, 0,1 ± j0,1}. Isso produz
o vetor de ganho do observador
ÿ 0 .02595 ÿ
eu = 10 2 ÿ
0 .21663 ÿ
ÿ ÿ
ÿ 5 .35718
ÿ
ÿ ÿ
Usando (9.62), obtemos as equações espaço-espaço
ÿ 0 .9972 0 0989 . 0 0 .0028 0 0011 . 0 ÿ

ÿ - 0 .8188 0 6616 0. 0046 . 0 .8188 0 3379 .0 0049 . ÿ
ÿ ÿ
- 0 0589
160 8. 13 66 454 . - . . 66
160 813 .
0,359 0 9543
ÿ x (k ) +1 -ÿ ÿ ÿ
ÿ x (k) ÿ
ÿ
ÿ
- 1 .5949 0 .1 0
ÿ
ÿ
ÿÿ
x (k ) +1 ÿÿ= ÿÿ
x (k) ÿÿ
ÿ ÿ
ÿ 0 - 21 663
. 0 9995 .0 0095 . ÿ
- 535 79 - 0. 8
. 0 0947 . 954
ÿ
ÿ
ÿ
ÿ ÿ
ÿ x (k) ÿ
( k) = [ 1 0 0 e 0 ] ÿ
ÿÿ
x (k) ÿÿ
A resposta à condição inicial [1, 1, 1, 1, 1, 1] está representada graficamente na Figura 9.15. Comparamos
as variáveis de estado da planta xi, i = 1, 2, 3 com os erros de estimativa xi, i = 4, 5, 6. Observamos que os
erros de estimativa decaem para zero mais rapidamente do que os estados do sistema e que o sistema tem
uma estimativa geral tempo de acomodação inferior a 0,2 s.
1 5 1000
0 0
0
x1
x2
x3
–5
–1000
–1
–10
–2000
–2 –15
0 0,1 0,2 0 0,1 0,2 0 0,1 0,2
vezes vezes vezes
1 10 500
0
0
0
x4
x5
x6
–10
–1
–20
–500
0 0,1 0,2 0 0,1 0,2 0 0,1 0,2

vezes vezes vezes
Figura 9.15
Resposta de entrada zero para o Exemplo 9.11.

Exemplo 9.12
Resolva o Exemplo 9.11 usando um observador de ordem reduzida.
Solução
Neste caso, temos l = 1 e, como a saída medida corresponde ao primeiro elemento do vetor de estado, é
desnecessária a transformação por similaridade, ou seja,
ÿ1
Q0 = Q0 = I3. Assim, obtemos
=1 = 0 .1 ÿ0 ÿ ÿ 0 .9995 0 0095. ÿ
AA
1 2
A3 = A4 =
0 - 0 .0947 0 8954
.
ÿÿ ÿÿ ÿÿ ÿÿ
- 4
ÿ 4 .821 10× ÿ
= 1 .622 10 × - 6 B2 =
B1 - 2
. ×
ÿ ÿ 9 468 10 ÿÿ
Selecionamos os autovalores do observador de ordem reduzida como {0,1 ± j0,1} e obtemos o vetor de ganho
do observador
0 .16949 ÿ
eu = 10 2ÿ
ÿÿÿÿ6 .75538
e as matrizes associadas
- 0 .6954 0 0095
. -
ÿ ÿ = ÿ 0 .02232 ÿ = - 2ÿ
0 .045461 ÿ
Ao = ÿ 3 10 Bo 10
- 67 6485
. .
0 8954 Oh - 1 .21724 9 .358428
ÿ ÿÿ ÿÿ ÿÿ ÿÿ ÿÿ
Particionar Q0 = To = I3 dá
ÿ0 0 ÿ ÿ0 0 ÿ ÿ 0 .01 ÿ
Qz =
ÿ
10 ÿ
= ÿ
10 ÿ
= 10 2 ÿ
0 .16949 ÿ
Toxicologia
ÿ ÿ ÿ ÿ
Brinquedo
ÿ ÿ
ÿ0 1
ÿ
ÿÿ
ÿ0 1
ÿ
ÿ ÿ
ÿ 6 .75538 ÿ
ÿ ÿ
Temos que a equação do espaço de estados de (9.57) é
ÿ 0 .99725 0 09886
. 0 00002 . 0 .00114 0 00002
. ÿ
ÿ - 0 .81884 0 66161
. 0 0,00464 0 .33789 0 00486
. ÿ
ÿ x ( k) + 1 ÿ ÿ x (k) ÿ
ÿ ÿ
- 160 813
. -
66 4540 .0 05885 - . .
66 3593 .
0 95435
ÿ ÿ
ÿ ÿ
ÿÿ
Com
( k ) +1 ÿÿ= - 0 .6954 0 0095 ÿ ÿÿ
Com
(k) ÿÿ
.
ÿ
ÿ
0 ÿ
ÿ
- 67 6485
. .
0 8954 ÿ
ÿ ÿ
(9,63)
enquanto a equação do espaço de estados de (9.61) é
- 0 .00114 0 00002
- .
ÿ 0 .96693ÿ 0 .1 0 ÿ
- 9 .82821 0 9995. 0 0095 . - 0 .33789 0 00486
- . ÿ
ÿ x ( k) + 1 ÿ ÿ x (k) ÿ
ÿ ÿ
- 1930 17
. - 0 .0947 0 8954
. ÿ . 5425 66 3593
. 09-
ÿ ÿ
ÿÿ
x ( k ) +1 ÿÿ= - 31 .5855 0 0 - 1 .01403 0 00492 ÿ ÿÿ
x (k) ÿÿ
.
ÿ
ÿ ÿ
ÿ
- 3125 07
. 00 - 133 240
. .
0 04781 ÿ
ÿ ÿ
1,5 2 200
100
1 0
0
x1
x2
x3
0,5
–2 –100
0
–200
–4
–0,5 –300
0 0,1 0,2 0 0,1 0,2 0 0,1 0,2
vezes vezes vezes
1
0
0,5 –20
x4
x5
0 –40
–0,5 –60
0 0,1 0,2 0 0,1 0,2

vezes vezes
Figura 9.16
Resposta de entrada zero para o Exemplo 9.12.
A resposta do sistema espaço de estados (9.63) à condição inicial [1, 1, 1, 1, 1] está representada
graficamente na Figura 9.16. Como no Exemplo 9.11, observamos que os erros de estimativa xi, i = 4 e 5
decaem para zero mais rapidamente do que os estados do sistema xi, i = 1, 2 e 3, e que o sistema tem um
tempo de estabilização geral menor que 0,2. S.
Exemplo 9.13
Considere o motor CC controlado por armadura descrito no Exemplo 7.15. Projete um feedback de estado
do observador de ordem completa com ação feedforward para uma resposta ao degrau com um tempo de
acomodação de 0,2 s com um overshoot inferior a 10%.
Solução
Como no Exemplo 9.11, podemos selecionar os autovalores do sistema de controle como {0,6, 0,4 ± j0,33}
e os autovalores do observador como {0,1, 0,1 ± j0,1}. Isso produz os vetores de ganho
ÿ 0 .02595 ÿ
3 - . 2
1 0.70088 0 01008 . ] ,eu = 10 0 .21663
ÿÿ
K = [ 10
6985
ÿ ÿ
ÿ 5 .35718
ÿ
ÿ
ÿ
A partir da matriz Acl = A ÿ BK, determinamos o termo feedforward usando (9.24) como
- 1
- 1
= ÿBKB
FCIA ))
(n(ÿ ÿ ÿ = 1698 49.
ÿÿ
Substituindo Fr(k) por v(k) (9.62), obtemos as equações de espaço de estado em malha fechada
ÿ 0 .9972 0 0989 . 0 0 .0028 0 0011 . 0 ÿ

ÿ - 0 .8188 0 6616 0. 0046 . 0 .8188 0 3379 .0 0049 . ÿ
ÿ ÿ
- 160 8. 13 66 454
- 0 0589
. - . . 66
160 813 .
0,359 0 9543
ÿ x ( k) + 1ÿ
ÿ ÿ ÿ
- 1 .5949 0 .1 0
ÿ
ÿÿ
x ( k ) +1 ÿÿ= ÿ ÿ
ÿ 0 - 21 663
. 0 9995 .0 0095 . ÿ
- 535 79 - 0. 8
ÿ ÿ
. 0 0947 . 954
ÿ ÿ
ÿ ÿ
ÿ 0 .0028 ÿ
ÿ
0 .8188 ÿ
ÿ ÿ
160 81
.3
ÿ x (k) ÿ ÿ ÿ
ÿ
ÿ ÿ rk ( )
ÿÿ
x (k) ÿÿ+ ÿ ÿ
ÿ 0 ÿ
ÿ ÿ
ÿ
ÿ
ÿÿ
ÿ x (k) ÿ
( k) = [ 1 0 0 e 0 ] ÿ
ÿÿ
x (k) ÿÿ
A resposta ao degrau do sistema mostrado na Figura 9.17 tem um tempo de estabilização de cerca de 0,1 e
uma ultrapassagem percentual de cerca de 6%. O controlador atende às especificações do projeto.
Sistema: syscl
1.2 Superação (%): 6,45
No tempo (seg): 0,08 Sistema: syscl
0,8
Amplitude
0,6
0,4
0,2
0
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2
Tempo
Figura 9.17
Resposta ao degrau para o Exemplo 9.13.

9.7 Atribuição de pólos usando funções de transferência

O problema de atribuição de pólos pode ser resolvido no âmbito de funções de transferência.
Considere as equações de espaço de estados do controlador de dois graus de liberdade
mostrado na Figura 9.7 com o vetor de estado estimado usando um observador de ordem completa.
Para uma planta SISO com feedback do estado do observador, temos
ˆ ˆ ˆ
x (k ) +1 = (A) xk+ Bu
( ) k+ L( yk
( ) Cÿ k( )) x
ˆ
reino ÿ ( ) xK
( ) =unido + k( Fr
) k
ou equivalente,
ˆ ˆ ÿ ok( ) ÿ
x (k ) +1 = ÿ (ÿA BK LC k BF)Lx( ) + [ ]
ÿÿ ()
sim ÿÿ
ˆ
reino ÿ ( ) +xK k Fr k
( ) =unido ()
A função de transferência z correspondente de [r, y] para u é
ÿ1 ÿ1
((()= )
U z K zI A BK LC BF FR z K zI A BK LC LY z ÿ + +
+) ((()+ ÿ++ ) )()
Assim, o feedback do estado do observador de ordem completa é equivalente ao
modelo de função de transferência representado na Figura 9.18. Na figura, a planta
G(z) = P(z)/Q(z) é assumida estritamente realizável; isto é, o grau de P(z) é menor
que o grau de Q(z). Também assumimos que P(z) e Q(z) são coprimos (ou seja, não
têm fatores comuns). Além disso, assume-se que Q(z) é mônico (ou seja, o coeficiente
do termo com maior potência em z é um).
A partir do diagrama de blocos mostrado na Figura 9.18, manipulações simples do diagrama de
blocos fornecem a função de transferência em malha fechada
E z( ) P z( )N( z)
=
R (z ) Q (z )D( z) P
+ z( )S z ()
e a equação polinomial
(Q (z )D( z) P
+ z( S
) (z))Y(z)P=z( N) (z )R z ( ) (9,64)
R(z) N(z) você(z)

P(z) S(z)
+
D(z) Q(z)
S(z)
D(z)
Figura 9.18
Diagrama de blocos para atribuição de pólos com funções de transferência.

9.7 Atribuição de Pólos Usando Funções de Transferência 371
Portanto, a equação característica de malha fechada é
ÿcl( ) z Q z D z P z S z = ( ) ( ) + ( ) ( ) (9,65)
O problema de colocação de pólos, portanto, reduz-se a encontrar polinômios D(z) e S(z) que satisfaçam (9.65)
para dado P(z), Q(z), e para um dado polinômio característico desejado ÿcl(z). A equação (9.65) é chamada
de equação diofantina, e sua solução pode ser encontrada expandindo primeiro seus termos RHS como
n- 1 + n- 2 + +...+
()=
P zpzpz n- 1 n- 2 pzp
1 0
n n- 1 + +...+ qzq
()=+
Q zzqz n- 1 1 0
D zdzdz eu eu- 1
()= + eu eu- 1
... dzd
1
+ + +0
E (sssss eu eu- 1 + + ...

)= + eu eu- 1
+ tamanho 1 0
O polinômio característico de malha fechada ÿcl(z) é de grau n + m e tem o

forma
+
ÿcl ( ) zz =
nm + d 1nm + ÿ nm
+ÿ1
+++...
+ de 1 d d0
z
Assim, (9.65) pode ser reescrito como
Com
nm+
+d 1nm
- + z
nm1 + ÿ +
++=+ ... d de 1
a partir d0 n
( zqz n - 1
n -
...
1 + + + qzq
10
)
dzeu eu
dzeu+- 1 eu- 1
+ +...+ ) ++( 1)dzdpzpz
0 ++ n - 1
n - 1
+ n - 2
n - 2 + +...+ pzp
1 0 ) (9,66)
((é eu eu + Nºeu1-
eu- 1
... szs 1 0
A equação (9.66) é linear nas 2m incógnitas di e si, i = 0, 1, 2, . 1, e seu LHS é um polinômio . . , m-

conhecido com coeficientes n + m ÿ1. A solução da equação diofantina é única se n + m ÿ 1 = 2m – isto é, se
m = n ÿ 1.
A equação (9.66) pode ser escrita na forma de matriz
ÿ 1 00 ÿ
0 0 0 ÿ
0 ÿÿd eu ÿ ÿ 1 ÿ
ÿ
qÿn - 1 10 ÿ
0 p n- 1
0 ÿ
0 ÿ ÿ
d eu- 1
ÿ ÿ
d 2 n2 - ÿ
ÿ ÿ ÿ ÿ ÿ
qqn -ÿ2 n- 1
1 ÿ
0 pp.n - n- 1
ÿ
0 d eu- d
ÿ
2 ÿ ÿ
2 ÿ ÿ
2 n3 - ÿ
ÿ ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ ÿ
d0 = d n- (9,67)
ÿ
q0 qq1 2 q n- 1 pp.0 1 p n- 1
ÿ ÿ ÿ ÿ
1
ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
0 qq0 1
ÿ
q n- 2
0 p 0
ÿ
p n- 2
é
eu
d n- 2
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ
0 0 q 0
ÿ
q n- 0 0 ÿ
p n- 3
ÿ ÿ
é
eu- 1
ÿ ÿ
d n- ÿ
3 3
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ
ÿ ÿ ÿ ÿ ÿ ÿ ÿ
ÿ ÿ
ÿ
ÿ ÿ
ÿ
ÿ
ÿ 0 00 0 0 ÿ ÿ é0 ÿ d0
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ ÿ
ÿ ÿ
q0 p 0
Pode ser mostrado que a matriz no LHS é não singular se e somente se os polinômios P(z) e Q(z) são
coprimos, o que assumimos. Conforme discutido na Seção 9.2.3, a matriz deve ter um número de condição
pequeno para que o sistema seja robusto em relação a erros nos parâmetros conhecidos. O número da
condição torna-se maior à medida que a matriz se torna quase singular.
A estrutura da matriz mostra que ela será quase singular se os coeficientes do

polinômio numerador P(z) e do polinômio denominador Q(z) forem quase idênticos.
Portanto, exigimos que as raízes dos polinômios P(z) e Q(z) sejam suficientemente
diferentes para evitar uma matriz mal condicionada. A partir das expressões (6.3) – a
função de transferência de planta para uma planta analógica controlada digitalmente – os
pólos da planta discretizada aproximam-se dos zeros à medida que o intervalo de
amostragem é reduzido (ver também Seção 12.2.2). Assim, quando o controlador é
projetado por atribuição de pólos, para evitar uma matriz mal condicionada em (9.67), o
intervalo de amostragem não deve ser excessivamente curto.
Discutiremos agora a escolha do polinômio característico desejado. Da equivalência do projeto da
função de transferência ao projeto do espaço de estados descrito na Seção 9.6, o princípio da separação
d
implica que ÿcl ( ) z pode ser escrito como
o produto
d d d
D cl ( ) z = ( ) ÿ ÿ zz
c o ()
onde ÿc d( ) z é o polinômio característico do controlador e ÿo d( ) z é o polinômio característico do

observador. Selecionamos o polinômio N(z) como
de
N zkz ( ) =affÿ ( ) (9,68)
de modo que o polinômio observador ÿo d( ) z seja cancelado na função de transferência da

entrada de referência para a saída do sistema. A constante escalar kff é selecionada de modo
que a saída em estado estacionário seja igual à entrada de referência constante
E (1) (1)k(
PNP ) 1 ( )1de aff D (1)
= = = 1
d d d d
R (1) D cD( 1) o (1) D cD( 1) o (1)
A condição para erro zero em estado estacionário é

d
D1c ()
k aff = (9,69)
P (1)
Exemplo 9.14
Resolva o Exemplo 9.13 usando a abordagem da função de transferência.
Solução
A função de transferência de planta é
2
P z( ) 1 .622 45
com14
+ .
48 23 Com + .
G z( () )= = ÿ 106
2
Qz 3 z - 2 .895 2z791
+ z0 . - 0,8959
Assim, temos os polinômios

- 62 - - 6
. ×
Pz ( ) = 1 622 10 . 10×
+ z 45 14 6+z . 10×
48 23
Aquilo é,
- 6 - 6 - 6
p2
= 1 .622 10 × , p 1 = 45 14
. 10× , p 0
= 48 23
. 10×
9.7 Atribuição de Pólos Usando Funções de Transferência 373
3 . 2 2 791 .0 8959 Com

- .
Q zz
ÿ 2( 895
)= +z
Aquilo é,
.
q2 = - 2.895 , q 1 = 2 .791 , q 0 = - 0 .8959
A planta é de terceira ordem, ou seja, n = 3, e a condição de solubilidade da equação diofantina é m =
n ÿ 1 = 2. A ordem do polinômio característico de malha fechada desejado é m + n = 5. Podemos, portanto
selecione os pólos do controlador como {0,6, 0,4 ± j0,33} e os pólos do observador como {0,1, 0,2} com os
polinômios correspondentes
=- 3
2 1. 6 0 9489 0 18756
. +z Com
- .
ÿcd ( ) zz
2
ÿo d( ) zz
=ÿ+z 0 3 0 02. .
d d d 5 -
D cl ( ) z = ( ) ÿ ÿ zzz
c o 4 ( ) = ÿ 1 4489 0 50423.1 9 + z . 3z . . + zz
2 0 075246 ÿ 0 0037512.
Em outras palavras, ÿ4 = ÿ1,9, ÿ3 = 1,4489, ÿ2 = ÿ0,50423, ÿ1 = 0,075246 e ÿ0 = ÿ0,0037512.

Usando a equação matricial (9.67) dá
ÿ 1 0 0 0 0 0 ÿ
ÿ - 2 .8949 1 0 1 .622 10 ×
- 6 0 0 ÿ
ÿ ÿ
- 2 .8949 1 6
× 1 622
-
× 10 6
-
ÿ 2 .790752ÿ . 10
45 14 . 0 ÿ
- 0 .895852 2 790752 - 2 .8949 48 23 10. ×

- 6 - - 6
. 6 45 .14 10× . × 0
ÿ
1 622 1
ÿ ÿ
0 - 0 .895852 2 790752
. 0 . 10 6
× 45 14
-
. ×
- 6
ÿ
48 23 10 ÿ
0 0 - 0 .895852 0 0 48 .23 10 ×
- 6 ÿ
ÿ ÿ
ÿd 2 ÿ ÿ 1 ÿ
ÿ
d1 ÿ ÿ - 19
. ÿ
ÿ ÿ ÿ ÿ
ÿ
d0 ÿ ÿ 1 .4489 ÿ
=
ÿ
é2
ÿ ÿ
- 0 .50423 ÿ
ÿ ÿ ÿ ÿ
ÿ é1 ÿ ÿ
0 .075246 ÿ
ÿ ÿ ÿ
- ÿ
ÿ é0 ÿ ÿ 0 .00375 ÿ
O comando MATLAB linsolve fornece a solução
dd2 ==1 1, 0 .9645 , d 0 = 0 .6526 , é 2 = 1 .8735 10 ÿ 4

, é 1 = - 2 .9556 10 ÿ 4
, é 0 = 1.2044 10 ÿ 4
e os polinômios
2
D zz9645
()=0+ 6526
0 +z . .
42 4
.
Sz ( ) = 1 8735 10
ÿ
z- 4 2. 9556 10 1 2044 10 com
ÿ
. + ÿ
Então, de (9.68), temos kff = 1698,489 e o polinômio numerador
2
.
Nz ( ) = 1698 489 (Com z ÿ +. ) 0 3 0 02
.
A resposta ao degrau do sistema de controle da Figura 9.19 tem um tempo de estabilização de 0,1 s e
uma ultrapassagem percentual inferior a 7%. A resposta atende a todas as especificações do projeto.
1.4
Sistema: syscl
1.2 Superação (%): 6,45
Sistema: syscl
No tempo (seg): 0,08
0,8
Amplitude
0,6
0,4
0,2
0
0 0,05 0,1 0,15 0,2 0,25
Tempo
Figura 9.19
Recursos
1988.
Bass, RW e I. Gura, Projeto de sistema de alta ordem via considerações de espaço de estados, Proc.
JACC, Troy, NY, outubro de 1983, pp. 11-93.
Delchamps, DF, Sistemas Lineares de Estado-Espaço e Entrada-Saída, Springer-Verlag, 1988.
Kautsky, JN, K. Nichols e P. Van Dooren, Atribuição robusta de pólos em alimentação de estado linear
de volta, Int. J. Controle, 41(5):1129-1155, 1985.
Mayne, DQ e P. Murdoch, Controle modal de sistemas lineares invariantes no tempo, Int. J.
Controle, 11(2):223-227, 1970.
Patel, RV e N. Munro, Teoria e Design de Sistemas Multivariáveis, Pergammon Press,
1982.
Problemas
9.1 Mostre que o quádruplo de malha fechada para (A, B, C, D) com a realimentação de
estado u(k) = ÿKx(k) + v(k) é (A ÿ BK, B, C ÿ DK, D ).
9.2 Mostre que para o par (A, B) com matriz de ganho de realimentação de estado K ter a matriz
de estado de malha fechada Acl = A ÿ BK, uma condição necessária é que para qualquer
vetor wT que satisfaça wT B = 0T , e wT A = lwT , Acl deve satisfazer wT Acl = lwT .
Problemas 375
Explique o significado desta condição necessária. (Observe que a condição também é suficiente).
9.3 Mostre que para o par (A, B) com matriz K de ganho de realimentação de estado m × n ter a matriz
de estado de malha fechada Acl = A ÿ BK, uma condição suficiente é
classificação{B} = classificação{[A Acl | B]} = m
A matriz K é única para determinadas matrizes A e Acl? Explicar.
9.4 Usando os resultados do Problema 9.3, determine se a matriz de malha fechada pode ser
obtido usando feedback de estado para o par
ÿ .ÿ0 ÿ0ÿ1ÿ 0
ÿ1 ÿ .ÿ ÿ ÿ 0 0 1 0 ÿÿ
00 ÿÿ
UMA =
9 0 1 0 01 . B = 10
- . . 11
ÿÿÿ ÿÿÿ
ÿÿ= 1 .-012
0 1201ÿ2ÿ0.(a)
ÿ ÿACL
ÿ
ÿ ÿ ÿ 0 .01 0 01
- 0ÿÿ01
0 ÿ ÿ (b) ACL = - 12 2 1 2 0 ÿ ÿ. ÿ ÿ ÿ
ÿ 0 01 0 01 0
. .
0 .
. - .
. .
9.5 Mostre que para o par (A, C) com matriz de ganho do observador L ter a matriz do observador Ao
= A ÿ LC, uma condição necessária é que para qualquer vetor v satisfazendo Cv = 0, e Av =
lv, Ao deve satisfazer Aov = nível. Explique o significado desta condição necessária. (Observe
que a condição também é suficiente.)
9.6 Mostre que para o par (A, C) com n × l matriz de ganho do observador L ter o
matriz observadora Ao = A ÿ LC, uma condição suficiente é
ÿ C ÿÿ
ÿ { } = ÿ classificação
= eu
C classificação
AA-ÿ ÿ
ÿ
o
ÿÿÿ
A matriz L é única para determinadas matrizes A e Ao? Explicar.
9.7 Projete uma lei de controle de realimentação de estado para atribuir os autovalores ao conjunto {0,
0,1, 0,2} para os sistemas com ÿ ÿ ÿ ÿ 0 1 0
5 ÿ0 ÿ.0ÿ01
ÿ ÿ ÿ. 0ÿ 2
ÿ (a)
1 0 A4 =
02005 ÿ ÿA.ÿ=ÿ ÿ
0 0ÿ2ÿ ÿ(b)
ÿÿÿ . b = 0
. . .
- 0 .2 0 2- 0 4. ÿ ÿ ÿ ÿ. .
ÿ ÿ ÿÿ0ÿ01
ÿ ÿÿ ÿ ÿ ÿ
0 .5 0 1 b = 0
- -
0 0 .4 0 4 . 0
9.8 Usando autovalores que são duas a três vezes mais rápidos que os da planta,
projetar um estimador de estado para o sistema
ÿ 0 2. 0 3 0 2. . ÿ
(a) UMA = 0 0 0 3 . C =[110 ]

ÿ ÿ
ÿ ÿ
ÿ 0 3. 0 0 3
ÿ . ÿ ÿ
ÿ 0 2. 0 3 0 2. . ÿ
(b) UMA = 0 0 0 3 . C =[100 ]

ÿ ÿ
ÿ ÿ
ÿ 0 3. 0 0 3
ÿ . ÿ ÿ
ÿ 0 1 0 ÿ ÿ0 ÿ
UMA =
ÿ
0 0 1 ÿ
B = ÿ
0 ÿ
ÿ ÿ ÿ ÿ
- 0 005 0 11 0- 7 . -
ÿ
ÿ . . ÿ ÿ
ÿ 1ÿ
ÿ ÿ
C = [ ] 0,5 1 0 0d =
(a) Projete um controlador que atribua os autovalores {ÿ0,8, ÿ0,3 ± j0,3}. Por que é garantida a
existência do controlador?
(b) Por que podemos projetar um observador para o sistema com os autovalores {ÿ0,5, ÿ0,1 ±
j0,1}. Explique por que o valor (ÿ0,5) deve ser atribuído.
(Dica: (s + 0,1)2 (s + 0,5) = s3 + 0,7s2 + 0,11s + 0,005.)
(c) Obtenha um sistema semelhante com um subsistema observável de segunda ordem, para
qual um observador pode ser facilmente projetado, como na Seção 8.3.3. Projete um observador
para o sistema transformado com dois autovalores deslocados como em (b) e verifique seu projeto
usando o comando MATLAB place ou acker. Use o resultado para obter o observador do
sistema original. (Dica: Obtenha um ganho do observador lr para o sistema semelhante de
terceira ordem do seu projeto, definindo o primeiro elemento igual a zero. Em seguida,
obtenha o ganho do observador para o sistema original usando l = Tr lr, onde Tr é a matriz de
transformação de similaridade. )
(d) Projete um controlador de feedback baseado em observador para o sistema com o

autovalores do controlador e do observador selecionados como em (a) e (b), respectivamente.
9.10 Projete um controlador de realimentação de estado de estimador de ordem reduzida para o discretizado
sistema
ÿ 0 1. 0 0 1 . ÿ .
ÿ 0 01 ÿ
T
A = ÿ
0 0 5 0 2. . ÿ
b = ÿ
0 ÿ
c=
[ ] 1 1 0, ,
ÿ ÿ ÿ ÿ
ÿ 0 2. 0 0 4
ÿ . ÿ ÿ ÿ .
ÿ 0 005 ÿ
ÿ
para obter os autovalores {0,1, 0,4 ± j0,4}.
9.11 Considere o seguinte modelo de motor CC controlado por armadura, que é

ligeiramente diferente daquele descrito no Exemplo 7.15:
ÿ
ÿx 1ÿ ÿ01 0 ÿ ÿx 1ÿ ÿ 0 ÿ
ÿ
x ÿ
= ÿ
00 1 ÿ ÿ
x ÿ
+ ÿ
0 ÿ
em
2 2
ÿ
ÿx 3ÿ
ÿ ÿ
ÿ 0 11 11 1
ÿ
ÿÿ
. ÿ ÿx ÿ
ÿ ÿ ÿ
ÿ 10 ÿ
ÿ ÿ
3
Problemas 377
ÿx 1ÿ
e =[100 ] x2ÿ ÿ
ÿ ÿ
ÿx 3 ÿ
ÿ ÿ
Para controle digital com T = 0,02, aplique os controladores de realimentação de estado

determinados no Exemplo 9.4 para verificar sua robustez.
9.12 Considere o seguinte modelo de sistema de controle de velocidade de motor CC, que é
ligeiramente diferente daquele descrito no Exemplo 6.8:
1
Gs( ) = ( )
+ ( 1 2 .1 s é ) +10
Para um período de amostragem T = 0,02, obtenha uma representação no espaço de
estados correspondente ao sistema de tempo discreto com DAC e ADC; então use-o para
verificar a robustez do controlador de estado descrito no Exemplo 9.5.
9.13 Verifique a robustez do controlador de estado determinado no Exemplo 9.6 por

aplicando-o ao modelo mostrado no Problema 9.12.
9.14 Considere o sistema de controle de posição do motor DC descrito no Exemplo 3.6, onde a planta
analógica (tipo 1) possui a função de transferência
1
Gs( ) =
ss( )+(1é ) +10
Para o sistema de controle digital com T = 0,02, projete um controlador de realimentação de estado
para obter uma resposta ao degrau com erro nulo em estado estacionário, overshoot zero e um
tempo de estabilização inferior a 0,5 s.
9.15 Projete um controlador de realimentação de estado digital para o sistema analógico
ÿ +é 1
Gs( ) =
( ) +5(é1
) +10 1 é
com T = 0,1 para colocar os pólos de malha fechada em {0,4, 0,6}. Mostre que o zero do
sistema em malha fechada é igual ao zero do sistema em malha aberta.
9.16 Escreva as equações de espaço de estados do sistema em malha fechada de um observador de ordem completa
sistema de feedback de estado com ação integral.
9.17 Considere o modelo de tempo contínuo da ponte rolante proposto em

Problema 7.10 com mc = 1.000 kg, ml = 1.500 kg e l = 8 m. Projete um controle discreto de feedback
de estado do observador de ordem completa para fornecer movimento da carga sem
oscilação.
9.18 Considere o modelo de tempo contínuo da ponte rolante proposto em

Problema 7.10 com mc = 1.000 kg, ml = 1.500 kg e l = 8 m. Projete um sistema de controle baseado
na atribuição de pólos usando funções de transferência para fornecer movimento da carga sem
oscilação.
9.19 Escreva um script MATLAB para avaliar os ganhos de feedback usando a fórmula de Ackermann para
qualquer par (A, B) e quaisquer pólos desejados {l1, . .. , ln}.
9.20 Escreva uma função MATLAB que, dadas as matrizes de espaço de estados do sistema A, B e C, os pólos de
malha fechada desejados e os pólos do observador, determine as matrizes de espaço de estados
do sistema de malha fechada de uma realimentação de estado de observador completo sistema
com ação integral.
9.21 Escreva uma função MATLAB que use a abordagem da função de transferência para
determine a função de transferência do sistema em malha fechada para uma determinada função de
transferência de planta G(z), pólos desejados do sistema em malha fechada e pólos observadores.
Capítulo
Controle ideal
10
Neste capítulo, apresentamos a teoria de controle ótimo para sistemas de tempo discreto.
Começamos com otimização irrestrita de uma função de custo e depois generalizamos para otimização
com restrições de igualdade. Em seguida, abordaremos a otimização ou controle ótimo de sistemas de
tempo discreto. Especializamo-nos no regulador quadrático linear e obtemos as condições de otimalidade
para um horizonte de planejamento finito e infinito. Também abordamos o problema do regulador onde o
sistema é obrigado a rastrear um sinal constante diferente de zero.
Objetivos
1. Encontre os valores ótimos irrestritos de uma função por minimização ou

maximização.
2. Encontre os valores ótimos restritos de uma função por minimização ou

maximização.
3. Projete um sistema de controle digital ideal.

4. Projete um regulador quadrático linear digital.
5. Projete um regulador digital de estado estacionário.
6. Projete um regulador de saída digital.
7. Projete um regulador para rastrear uma entrada constante diferente de zero.
10.1 Otimização
Muitos problemas em engenharia podem ser resolvidos minimizando uma medida de custo ou maximizando
uma medida de desempenho. O projetista deve selecionar uma medida de desempenho adequada com
base em sua compreensão do problema para incluir os critérios de desempenho mais importantes e refletir
sua importância relativa. O projetista também deve selecionar uma forma matemática da função que torne
tratável a solução do problema de otimização.
380ÿ CAPÍTULO 10 Controle Ideal
40
30
–f (x)
20
10
–10 f (x)
–20
–30
–40
–6 –4 –2 0 2 4 6 8 x
Figura 10.1
Minimização e maximização de uma função de uma única variável.
Observamos que qualquer problema de maximização pode ser reformulado como uma
minimização, ou vice-versa. Isso ocorre porque a localização do máximo de uma função f(x)
é a mesma do mínimo ÿf(x), conforme demonstrado na Figura 10.1 para um escalar x.
Portanto, consideramos a minimização apenas ao longo deste capítulo.
Primeiro consideramos o problema de minimizar uma função de custo ou desempenho
medir; então estendemos a nossa solução para problemas com restrições de igualdade.
10.1.1 Otimização Irrestrita

Primeiro consideramos o problema de minimizar uma função de custo ou desempenho
medida da forma
J( ) x (10.1)
onde x é um vetor n × 1 de parâmetros a serem selecionados. Seja o vetor de parâmetros

ótimo x* e expanda a função J(x) na vizinhança do ótimo como
T 2
ÿJ ÿ 1 Tÿ ÿ J. ÿ ÿ 3
JJ(x) = ( x
*
)+ Dxx+ D 2
Dx + (O Dx )
ÿ xÿ ÿ x * 2! ÿÿ ÿx x
ÿÿ
*
ÿÿ (10.2)
D x = ÿxx *
onde
T
ÿJ. ÿ ÿ ÿJ. ÿJ. ÿJ. ÿ
ÿ
(10.3)
ÿ ÿ = ÿ ÿ ÿx 1
ÿ x x* ÿx 2 ÿx nx *
ÿÿ
10.1 Otimização 381
2
ÿÿ J ÿ ÿ ÿ ÿ 2 J. ÿ
(10.4)
ÿx 2 2
ÿ
ÿÿ ÿÿ x * ÿÿÿ=ÿ ÿ x* ÿ
Xij
e o subscrito denota que a matriz é avaliada em x*. No mínimo local

ou máximo local, os termos de primeira ordem da expansão que aparecem no vetor gradiente são zero.
Para garantir que o ponto x* é mínimo, qualquer vetor de perturbação Dx afastado de x* deve resultar em
um aumento no valor de J(x). Assim, o segundo termo da expansão deve ser pelo menos positivo ou zero para
que x* tenha alguma chance de ser mínimo. Se o segundo termo for positivo, então podemos garantir que x* é
de fato um mínimo. O sinal do segundo termo é determinado pelas características da matriz da segunda
derivada, ou Hessiana. O segundo termo é positivo para qualquer perturbação se a matriz Hessiana for positiva
definida, e é positivo ou zero se a matriz Hessiana for positiva semidefinida. Resumimos essa discussão no
seguinte teorema.
Teorema 10.1: Se x* é um mínimo local de J(x), então
ÿJ ÿ T
0 (10.5)
1× n
ÿ x ÿ ÿx*=
2
ÿ ÿ J. ÿ ÿ
0 (10.6)
ÿÿ ÿ x x2 * ÿÿ ÿÿÿ
Uma condição suficiente para x* ser mínimo é
2
ÿ ÿ J. ÿ ÿ
0 (10.7)
ÿÿ ÿ x x2 * ÿÿ ÿÿ>
Exemplo 10.1
Obtenha as estimativas de mínimos quadrados da resistência linear
v euR =
usando N medições ruidosas
zkik
()=R (vkk
) + (,...,1
), = N
Solução
Começamos empilhando as medidas para obter a equação matricial
ziv = + R
em termos dos vetores
T
z = [z ( ) 1 ÿ zN( )]
eu = [eu( ) 1 ÿ ( em )]
T
v = [v ( ) 1 ÿ vN
( )]
Minimizamos a soma dos quadrados dos erros
= (ÿ2)
J ek k =1
ˆ
( ) = ( ) ÿ ( ) exkik R
onde o sinal de intercalação (ÿ ) denota a estimativa. Reescrevemos a medida de desempenho em termos dos
vetores como
T T T ˆ T ˆ2
-
J. = 2 exercícios
= RR +
T
e = [e ( ) 1
ÿ e (n)]
A condição necessária para um mínimo dá
ÿJ. T T ˆ
ˆ = ÿ +2
ÿ 2 fácil R = 0
R
Agora temos a estimativa dos mínimos quadrados
T
de
RˆLS = T
eu
A solução é de fato mínima porque a segunda derivada é a soma positiva dos quadrados das correntes
2
ÿ J. T
ˆ 2 = 2ii > 0
ÿR
10.1.2 Otimização Restrita
Na maioria das aplicações práticas, as entradas do vetor de parâmetros x estão sujeitas a restrições
físicas e econômicas. Suponha que nosso vetor de parâmetros esteja sujeito à restrição de igualdade
m×1
x 0( ) = m (10.8)
Somente nos casos mais simples, podemos usar as restrições para eliminar m
parâmetros e então resolver um problema de otimização para os n ÿ m parâmetros restantes.
Alternativamente, podemos usar multiplicadores de Lagrange para incluir as restrições
no problema de otimização. Adicionamos a restrição à medida de desempenho
ponderada pelos multiplicadores de Lagrange para obter o Lagrangiano
T
eu xxmx
= ((J)) +() eu (10.9)
Resolvemos então os vetores x e l que minimizam o Lagrangiano como na otimização irrestrita. O

exemplo a seguir demonstra o uso de
10.1 Otimização 383
Multiplicadores de Lagrange em otimização restrita. Observe que o exemplo é

simplificado para nos permitir resolver o problema com e sem multiplicadores de Lagrange.
Exemplo 10.2
Um fabricante decide o nível de produção de dois produtos com base na maximização do lucro sujeito a restrições
de produção. O fabricante estima o lucro usando o método simplificado
medir
a b
J.( ) x = xx 1 2
onde xi é a quantidade produzida para o produto i, i = 1, 2, e os parâmetros (a, ÿ) são determinados a partir dos
dados de vendas. A quantidade dos dois produtos produzidos não pode exceder um nível fixo b. Determine o nível
de produção ideal para os dois produtos sujeitos à restrição de produção
xb1 + = 2
Solução
Para converter o problema de maximização em minimização, usamos o negativo do lucro.
Obtemos primeiro o ótimo sem o uso de multiplicadores de Lagrange. Resolvemos para x2 usando a restrição
xbx
2
=- 1
então substitua o negativo da função lucro para obter
()1
Jxxbx = ÿ ÿ1a ( 1 )b
A condição necessária para um mínimo dá
ÿJ - -
b 1
= - a 1a 1 1)
b a
( xbx - + b ( xbx
1 - 1) =0
ÿx 1
o que simplifica para
a b
x 1=
a + b
A partir da restrição de produção, resolvemos o nível de produção
= bb
x 2
a + b
Mostramos agora que a mesma resposta pode ser obtida usando um multiplicador de Lagrange. Nós
adicione a restrição multiplicada pelo multiplicador de Lagrange para obter o Lagrangiano
a
eu ( ) x = ÿxx 1 2 b eu ( ) xxb + + ÿ 1 2
As condições necessárias para o mínimo são
ÿ -
= - a xx a1 2 1 b + =eu 0
euxÿ 1
ÿ a -
b 1
=-
b xx1 2 0 +eu=
x
eu ÿ 2
ÿ
Lxxb
= + ÿ01= 2
ÿ eu
As duas primeiras condições dão
a- b =b a b ÿ1
a 1 xxxx
1 2 12
que facilmente simplifica para
b
xx2= 1
a
Substituir na terceira condição necessária (ou seja, na restrição) dá a solução
ab
x1=
a +b
bb
x2 =
a +b
10.2 Controle Ideal

Para otimizar o desempenho de um sistema dinâmico de tempo discreto, minimizamos a
medida de desempenho
- 1
kf
JJ =kkkkk x aff( ,)ÿ( x)( você,
f ( )( ) + ) ,eu (10.10)
= 0
kkkkk
sujeito à restrição
x ( +1 = ( ) + (x), ) k A kem
B kkk = 0 ,..., kf - 1 (10.11)
Assumimos que o par (A, B) é estabilizável; caso contrário, não há sentido no projeto do sistema de
controle, ideal ou não. Se o sistema não for estabilizável, então a sua estrutura deve primeiro ser alterada
selecionando diferentes variáveis de controle que permitam a sua estabilização.
O primeiro termo da medida de desempenho é uma penalidade terminal, e cada

um dos termos restantes representa um custo ou penalidade no tempo k. Mudamos o
problema para minimização irrestrita usando multiplicadores de Lagrange. Temos a
nova medida de desempenho
- 1
kf
JJ =kkkkk
T
x aff{ ,
f ( )( ) + ÿ xu eu( ) ( )( ,) + + ,( eu k O )k1 [ x ( )
= 0
kkkkk (10.12)
+ (B em
k ) ÿ + x( ) k 1 ]}
Definimos a função hamiltoniana como
10.2 Controle Ideal 385
T
( ) ( )( ), =
H kkk L kkk ( )( ) + xu kk , xu( ) , , eu +k( ) [ x1 ( ) k A k B em + ( )] , (10.13)
= 0.,..,kf ÿ1
e reescrever a medida de desempenho em termos do hamiltoniano como
JJ =kkkkk
T
x
f ( )( ) ÿaff( ,) ( ) +
eu kkkkk
aff
x
- 1
kf
(10.14)
ÿ { H ( ) ( )( ) ÿ ( ) (,)} + (xu
xu , eu ( kkkkk
) ( x)
T
H 0 , 0 , 0 )
= +0
kkkkk 1
Cada termo da expressão anterior pode ser expandido como uma série de Taylor
truncada na vizinhança do ponto ótimo da forma
*
=+++12d d ...
JJJJ (10.15)
onde * denota o ótimo, d denota uma variação do ótimo e os subscritos denotam a ordem da variação na
expansão. Do cálculo básico, sabemos que a condição necessária para um mínimo ou máximo é que o termo
de primeira ordem seja zero. Para um mínimo, o termo de segunda ordem deve ser positivo ou zero, e uma
condição suficiente para um mínimo é um segundo termo positivo. Precisamos, portanto, de avaliar os termos
da expansão para determinar as condições necessárias e suficientes para um mínimo.
Cada termo da expansão inclui derivadas em relação aos argumentos da medida

de desempenho e pode ser obtido expandindo cada termo separadamente. Por
exemplo, o hamiltoniano pode ser expandido como
(xu), (H)(kkk
H kkk ) = ( (, ) xu* * ,
( ) ), +
T T
ÿH (xu
) ( )( ,) , ÿH (xu ) ( )( ,) ,
dx (k ) + dem(k) +
ÿx( )k * ÿem( )k *
T
[ A kxB k ( ) + ( )] você * (k
por exemplo
) +1 +
T 2 T
ÿH( ) (xu )(
, ) , ÿ H (xu
) ( )( ,) ,
dx T (k) 2
dxx( ) + ( ) d T
k dem(k) +
ÿx()k * ÿ em2 ( ) k *
T T
ÿH( ) (xu
)( ) , , ÿ 2H (xu
) ( )( ,) ,
dx T ( ) k dem( ) + k dem T
()k dx ( ) + k
ÿ ( )ÿkkkkk
xu () * ÿok( )ÿ ( ) k *
termos de ordem superior
(10.16)
onde d denota uma variação do ótimo, o sobrescrito (*) denota o valor ótimo e o
subscrito (*) denota a avaliação no ponto ótimo.
Os termos de segunda ordem podem ser escritos de forma mais compacta em termos da matriz Hessiana
de segundas derivadas na forma
ÿÿ H (xu
)( )( ,) , ÿH (xu
) ( )( ,) , ÿ
ÿ
ÿ 2(x) k ÿxu kkkkk( )

( )ÿ ÿ
ÿ dx (k) ÿ
[dx T (k) dVocê (k)] ÿ ÿ
(10.17)
ÿ
ÿ
2
H (xu
) ( )( ,) ,
2
ÿ H (xu
) ( )( ,) , ÿ ÿÿ
dem(k) ÿÿ
2
ÿok( )ÿ ( ) k () k
ÿ
ÿ em ÿ*
ÿ
ÿ
Expandimos os termos lineares da medida de desempenho como

euT x= * T * T * T
d
eu ( ) ( ) kkkkk eu ( ) ( ) x + ( ) ( ) x* + ( ) ( ) x kkkkkk
por exemplo
(10.18)
A pena terminal pode ser expandida como

T
* ÿJkk)( x)
(aff ,
( x)( ) =aff ,
Jkf Jk f ( x)( ) + aff , d x ( kf
)+
x
ÿ() kf *
(10.19)
2 x*
f ( )( ) aff
Jkk
ÿ , ÿ
d x T ÿkf( ) d x ( kf)
ÿÿ x
ÿ()
2 kf
ÿÿ *
Agora combinamos os termos de primeira ordem para obter o incremento

- T
N 1 ÿH (xu
ÿÿ
) ( )( ,) , * ÿ
d 1J. = ÿÿ ÿ (eu) ÿk ÿ d x (k) +
ÿ
kkkkk0 1 ÿ ÿ ( ) = +xÿÿk
ÿ *
ÿ
[ Ak
( x) Bk
+
* **
ux( ) - + ( )] k 1
T
por exemplo
(k) + 1 ÿ + (10.20)
ÿ
T T
ÿH (xu
) ( )( ,) , (f )( x)
ÿ ÿJkk aff
, ÿ
d em ÿ+ÿ ÿ ) k kf
ÿ (eu () d x ( k)
f
( )k
ÿ em * ÿ x( ) k f ÿ *
A partir de (10.15) e da discussão que a segue, sabemos que uma condição

necessária para um mínimo da medida de desempenho é que o incremento seja igual
a zero para qualquer combinação de variações em seus argumentos. Um zero para
qualquer combinação de variações ocorre somente se o coeficiente de cada
incremento for igual a zero. Igualando cada coeficiente a zero, temos as condições necessárias
x *( ) k ( ) + ( ), A * *em = - 1
+1k
x =B kkkk f (10.21) 0 ,...,
* k ÿH (xu
) ( )( ,) ,
eu ()= =
kkk kf0,...,
- 1 (10.22)
ÿ x( ) k *
ÿH( ) (xu
)( ) , , =0 (10.23)
ÿ em
() k *
T
(f )( x) aff ,
ÿJkk
) 0 kf
ÿ (eu = dx ()kf (10.24)
ÿ x( ) k f
*
Se o ponto terminal for fixo, então sua perturbação é zero e o ponto terminal
condição de otimalidade é satisfeita. Caso contrário, temos as condições terminais
(f )( x) aff ,
ÿJkk
eu( kf
)= (10.25)
ÿ x( ) kf
Da mesma forma, podem ser desenvolvidas condições para o caso de um estado inicial livre
com um custo inicial adicionado à medida de desempenho.
As condições necessárias para um mínimo de equações (10.21) a (10.23)
são conhecidas, respectivamente, como equação de estado, equação de costate e equação de estado.
10.2 Controle Ideal 387
Tabela 10.1 Condições de Otimalidade
Doença Equação
kf -
* * *
Equação de estado x (k+ ) 1 =A
( )xk+B( kkk
)= em 0, . . . , 1
Equação de Costate * ÿH( ) (xu

)( ) , , = -
eu ( k) = kkk 0, . . . ,
kf 1
ÿ x( ) k *
Princípio mínimo ÿH (xu

) ( )( ,) , = 0 , kkkkk
= 0 , . . . , kf - 1
ÿ em
()k *
princípio mínimo de Pontryagin. O princípio do mínimo nos diz que o custo é

minimizado escolhendo o controle que minimiza o hamiltoniano. Esta condição pode
ser generalizada para problemas onde o controle é restrito, caso em que a solução
pode estar no limite da região de controle admissível.
Resumimos as condições necessárias para um ótimo na Tabela 10.1.
O termo de segunda ordem é
ÿÿ H ( xu
) ( )( ,) , ÿH ( xu
) ( )( ,) , ÿ
ÿ x( ) k ÿ x( k )ÿ em ()k
-
kf 1 ÿ 2 ÿ
ÿd x (k) ÿ
d 2 J. = [ÿ d x T (k) d Você (k)] ÿ ÿ
= 0
kkkkk
ÿ
H xu
ÿ 2 ( ) ( )( ) , , ÿ H ( xu
2
) ( )( ,) , ÿ ÿÿ
d em(k) ÿÿ+
( )ÿkkkkk
ÿ ux ( )2 k
ÿ
() ÿ em ÿ*
ÿ
d x T ÿkf( )
2
Jkk
f
(x)( )aff , d x ( k)
f
ÿ ( ) kf
2x *
(10.26)
Para que o termo de segunda ordem seja positivo ou pelo menos zero para qualquer perturbação,
precisamos que a matriz Hessiana seja positiva definida, ou pelo menos positiva semidefinida.
Temos a condição suficiente
ÿ ÿH ( xu
) ( )( ,) , ÿÿH ( xu
) ( )( ,) ,
ÿ
ÿ x( )2 k ( )ÿkkkkk
ÿ xu () ÿ
ÿ ÿ >0 (10.27)
ÿ
ÿ
2
(xu( ) (, )
Hkkk ,k ) ÿ 2 H ( xu
) ( )( ,) , ÿ
( )ÿkkkkk
ÿ ux ( 2) k
ÿ
() ÿ em ÿ*
ÿ
Se a matriz Hessiana for positiva semidefinida, então a condição é necessária para

um mínimo, mas não suficiente porque haverá perturbações para as quais os termos de
segunda ordem são zero. Termos de ordem superior são então necessários para
determinar se essas perturbações resultam em um aumento na medida de desempenho.
Para um estado terminal fixo, as perturbações correspondentes são zero e nenhuma condição adicional é
necessária. Para um estado terminal livre, temos a condição adicional
(x)(
ÿ 2 Jkk )aff , > 0 (10.28)
ÿ 2( kx f
) *
Exemplo 10.3
Devido à sua preferência por modelos simples, os engenheiros costumam usar sistemas de primeira ordem para
projetar. Eles são conhecidos como sistemas escalares. Consideramos o sistema escalar
( xk ) +1 = ( ) + ( ) ( ) machado k bu kxxb 0,0 >

=
0,
Se for necessário que o sistema atinja o estado zero, encontre o controle que minimize o esforço de controle
para atingir o estado final desejado.
Solução
Para esforço mínimo de controle, temos a medida de desempenho
1 kf
J. =
2 k =0
ÿ Reino
( ) Unido
2
O hamiltoniano é dado por
1 2
H xu ( ) ( )(, ) = ( ) +, + ( ) [ x ( )Reino eu k1
u + ( )] akbkk , = 0 ,..., k 1 ÿf
Unido 2
Para um tempo mínimo, minimizamos o hamiltoniano selecionando o controle
* *
Unido ( ) = ÿ (eu
Reino bk + )1
A equação de costate é
* = +eu( ) 1
eu ( ) irmã
* kk 0 1,..., = ÿf
e sua solução é dada por

*
eu ( ) = o f
-
kkkkk *
eu ( ) k f , k = - 1
k ,...,0 f
O controle ótimo agora pode ser escrito como

kkkkk
kf - 1
ÿ ÿ1
unido *( ) = ÿ ba f
reino eu*( ) = kk f 0 ,...,
A seguir consideramos iterações da equação de estado com o controle ótimo
x * ( 1) = ( ) + ( ) 0 * 0 *
2 kf - 1
é
= ÿ machado
machado
0 eu ( ) k f
x *(2 *
} eu* ( ) k f
2 2 kf - 2
) = ( ) + ( ) =1 ÿ axbaa
machado isto 1 0 +{
kf
* 2
} eu* ( kf)
k - 1k -
* - 2 1k + f + a f 3
x ( ) = ( ) + ( )2= 3
machado esse 3 f axba
0 { +a
- 1
2 2 kf 2
machado
*( ) = fxkk f ÿ( 1) + ÿ *( é k f 1) = axba
kf
0 ... uma 1 eu kf =0
ÿ {( ) + + } *( )
Resolvemos a última equação para o multiplicador terminal de Lagrange
kf 2
* (abx ) 0
eu ( ) = k -
f kf 1
(uma
2
)+ 2 1...a +
10.3 O Regulador Linear Quadrático 389
A substituição do multiplicador terminal de Lagrange fornece o controle ideal
a 2kk
f 1
bx)
ÿÿ
0 - 1
*( ) = ÿ ( )
( Reino Unido
- 1
k = 0 ,..., k
kf f
... a 2 1+
2
+ uma
Para um sistema estável em malha aberta, podemos escrever o controle na forma
a 2 - 1
2fkkkkk = 0 ,..., - f1
reino (a 1
cf.) o1<
ÿÿ
unido *( ) k 0 ,
2 f 1
= ÿa( ) ÿ
Observe que a dinâmica do sistema em malha fechada do sistema ótimo varia no tempo, embora o sistema
em malha aberta seja invariante no tempo. O sistema em malha fechada é dado por
(a 2kk
f 1
bx)
ÿÿ
0
) + = ( k) ÿ 1
( xk machado k - 1 , x ( 0) =0 xb 0,
>
f
( uma
2
)+ ... a 2 1+
Para um estado inicial x0 = 1 e a dinâmica instável com a = 1,5 e b = 0,5, as trajetórias ótimas são
mostradas na Figura 10.2. O controle ótimo estabiliza o sistema e direciona suas trajetórias até a origem.
x (k)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5 6 7 8 9 10 k
Figura 10.2
Trajetórias ótimas para o sistema escalar descrito no Exemplo 10.3.
10.3 O Regulador Linear Quadrático

A escolha do índice de desempenho no controle ótimo determina o desempenho
do sistema e a complexidade do problema de controle ótimo. A maioria
A escolha popular para o índice de desempenho é uma função quadrática da variável

de estado e das entradas de controle. A medida de desempenho é da forma
- 1
1 T 1 kf T
J. = ( ) x
2
k S kk x(f )
f (f ) +
2
ÿ =
(x ( ) ( ) ( ) + (xu
T
) ( ) ( )) k Q kkk R kk você (10.29)
kkkkk0
. . simétricos definidos positivos n × n, e as

onde as matrizes S(kf), Q(k), k = k0, . , kf ÿ 1 são
. .
matrizes R(k), k = k0, . , kf ÿ 1 são simétricos definidos positivos m × m. Esta escolha é
conhecida como regulador quadrático linear e, além de suas propriedades matemáticas
desejáveis, pode ser justificada fisicamente. Num problema de regulador, o objetivo é
manter o sistema próximo do estado zero e a função quadrática da variável de estado é
uma medida de erro. Por outro lado, o esforço necessário para minimizar o erro também
deve ser minimizado, assim como o esforço de controle representado por uma função
quadrática dos controles. Assim, a medida de desempenho quadrática alcança um
compromisso entre minimizar o erro do regulador e minimizar o esforço de controle.
Para obter as condições necessárias e suficientes para o regulador quadrático linear, utilizamos os
resultados da Seção 10.2. Primeiro escrevemos uma expressão para o hamiltoniano:
1 T
1 T
H ( )xu
( )( ) = x 2, , ( ) ( ) ( ) + k Q kkx
você 2 (k)R( kk
) ( ) em
(10h30)
+ euT +1( [)k A
( )]k x ( ) + B kvocê , = ,..., 0
kkkkk k ÿf1
A equação de estado permanece inalterada, mas a equação de costate torna-se

*
eu ( kkkk
* T
eu
* - 1
) = (0,...,
) ( f) x + + ( ) 1 = k Q kk A (10.31)
O princípio mínimo de Pontryagin dá

T *
R kk
( ) B( k) em*
+ + eu ( )1=0
que produz a expressão de controle ideal

ÿ1 *T()
= ÿ ( ) ) + você* k R k B k 1 eu ( (10.32)
Substituindo na equação de estado, obtemos a dinâmica ótima

* * * - 1 *T = ,..., 0
kkkkk
x ) )1+ k Ax k BR k B k 1
( ( ) )ÿ+( = eu ( , k 1 ÿf (10.33)
A equação (10.27) fornece a condição

ÿ Q k( ) 0 nm× ÿ
0 (10.34)
ÿÿ
0 homem
× R ÿ *ÿ >
Como R é definido positivo, uma condição suficiente para um mínimo é que Q seja
definido positivo. Uma condição necessária é que Q seja semidefinido positivo.
10.3.1 Estado Final Livre

Se o estado final do controle ótimo não for fixo, temos a condição terminal baseada em (10.25),
* (f )( x)
ÿJkk ,
eu ( ) = = ( ) k f aff Skf x *( ) k f (10h35)
ÿ x( ) kf
onde a matriz S(kf) é a matriz de pesos terminais de (10.29). A condição sugere uma relação
geral entre o estado e a costa – isto é,
eu*( ) k S( k) x*
= (k) (10.36)
Se a relação proposta produzir a solução correta, isso nos permitiria concluir que a relação é
realmente correta. Substituímos a relação proposta (10.36) na equação de estado (10.33):
x *( ) + = ( ) ÿ (A
) )x
* k BS k* 1 -x*1 k 1
k+ BR
()+k1
T
(
Isso produz a recursão
* 1 - T
- 1
( x* k ) +1= + { IBR k BS k( ) ( ) +1} O x*
K () (10.37)
Utilizando a relação proposta (10.36) e substituindo na equação de costate, temos
* x *( ) + T * k 1
eu (kk
)=AS(k)1{ +()kQ x ()+
T * - 1 T
- 1 *
[ = (Q) k+ COMO
+()+ k1 IBR k BS ()( k
( )Kx
) +1 ] } O (10.38)
*
= (S) kkk x ( )
A equação (10.38) vale para todos os valores do vetor de estado e, portanto, temos a
igualdade da matriz
T * - k1 AS k T
IBR k BS 1
- 1
Q k( )COMO
+ + (k 1 )[ + () ( )+]=()
Aplicamos agora o lema de inversão de matrizes (ver Apêndice III) para obter
= k T+ { (
S (k)AS )ÿ 1) k( )B
S +k (BBS T
( ) +1
- 1 (10.39)
+ (R))k(BS
T
)f k1AQ
( k S+ k1
}+() ,
A equação anterior é conhecida como equação matricial de Riccati e pode ser resolvida
iterativamente de trás para frente no tempo para obter as matrizes S(k), k = k0, ..., kf ÿ 1.
Voltamos agora à expressão para o controle ótimo (10.32) e substituímos
para que o custo obtenha
* k R k BS -k11 k T *
em ()=ÿ() ) + ( x) + 1
-
k1BS Bk 1 AT *
+ *em
= ÿ (R) ) + [ (k) ( )k (( x ]
Nós resolvemos para o controle
- 1
- 1 T - 1 T
você*
( )k = ( k )A+1k] x*
ÿ + [ IR k BS (k )BR k BS () ( ( +) )1
Usando a regra do inverso de um produto, temos o feedback de estado ideal
k K (kk) =x*ÿ ( ) você* ()

-
(10h40)
T 1 T
K k( )R=k[ BS
( ) +k BBS k A + ( 1 )] ( 1)+
Assim, com a solução offline da equação de Riccati, podemos implementar a

realimentação de estado ideal.
A equação de Riccati pode ser escrita em termos do ganho ótimo de (10,40) em
a forma
- 1
S (k)AS 1T 1 k BR ){k -BS k AQ k T
= + k( (ABBS ( + ) + ( )) T 1
)+}+()
= Perguntar
T
( + ( 1){ }A ÿBK
( )k +Q (k )
Em termos da matriz de estado de malha fechada Acl(k), temos
S (k )AS ( )k + (1 )
= k+ A(Tk) Q cl
(10.41)
A k (A)BK
= ÿk ( )
cl
Observe que a matriz de malha fechada varia no tempo mesmo para um par invariante no
tempo (A, B).
Uma forma mais útil do Riccati é obtida adicionando e subtraindo termos para obter
T T
S (k)AS
= +k( A)Tcl
(k)Q+ k( )K+]k1(B) (kcl )S( k) +1 [ kÿ()
A BK
Usando (10.39), o termo adicionado pode ser reescrito como
K kT (B )k S kT (A)BK k( K
] ÿ)k+(B[ )1k =S (k )A T T
()([ÿ ) +1
( )K
( ) + k BS k
kT R T ( ) +1 ÿBR( )]k K( k)
= (K) k(T )R( k) +
K (k)K k BS k A T T (
) +1
- 1
[ ÿ (R) k+ BS k
T ( + 1) BRkBSkB
][ ( ) + T
+( 1) ]
BSkA
T
(1 )+
= (Mk
) (T Rk
) ( )Kk
Agora temos a forma de Joseph da equação de Riccati:

T (10.42)
S (k) AS
=+k( )A(Tcl
)k+K( k
) (R) (k) K
+k(cl)Q
1k
Devido à sua simetria, esta forma tem melhor desempenho em computação numérica
iterativa.
Se a equação de Riccati na forma de Joseph for reescrita com o ganho ótimo
substituído por um ganho subótimo, então a equação se torna uma equação de
diferença de Lyapunov (ver Capítulo 11). Por exemplo, se o ganho ideal for
substituído por um ganho constante K para simplificar a implementação, então o
desempenho do sistema será subótimo e será governado por uma equação de Lyapunov.
Exemplo 10.4
Uma variedade de sistemas mecânicos pode ser modelada aproximadamente pelo integrador duplo
margens
ÿÿ( ) = ( )
onde você(t) é a força aplicada. Com controle digital e um período de amostragem T = 0,02 s, o integrador duplo
tem a equação discreta do espaço de estados
2
ÿ1 Tÿ ÿT 2ÿ
x k( )+=1 x k ()
Reino Unido
ÿÿ 01 ÿÿ()+ ÿÿ
T ÿÿ
y k ( ) = [ ]x1( 0) k
1. Projete um regulador quadrático linear para o sistema com peso terminal S(100) = diag{10, 1}, Q = diag{10, 1}
e peso de controle r = 0,1, depois simule o sistema com o vetor de condição inicial x (0) = [1, 0]T .
2. Repita o projeto da parte 1 com S(100) = diag{10, 1}, Q = diag{10, 1} e peso de controle r = 100. Compare os
resultados com a parte 1 e discuta o efeito da mudança o valor de r.
Solução
A equação de Riccati pode ser expandida com a ajuda de um pacote de manipulação simbólica para obter
ÿ ss
11 12 ÿ
ÿÿ
ss12 22 ÿÿ k
2
ÿ (sss T sr +)11ÿ22122 11 2 (ss2211 segundos T + rs
) ÿ3 122 ( 11 12 ) +2
4 Ts ÿ
2 (ss2211 rs T s + 123 4 s T
) ÿ 122 + (11 2 )( ss22
11
) ÿ4s
122T +
4
(s11T Ts2 +sr+212 22 ) ÿ
ÿ
= ÿÿ
4 3 2
Ts + + 4
Ts Ts 11 124 22 + 4 R
k +1
+ P
onde o subscrito denota o momento em que a matriz S é avaliada por iteração retroativa no tempo, começando
com o valor terminal fornecido. Usamos o script MATLAB simples:
% simlqr: simula um sistema DT de controle escalar ideal

t(1)=0;
x{1}=[1;0]; % Estado inicial
T=0,02; % Período de amostragem
N=150; % Número de etapas
S=diag([10,1]);r=0,1; % Pesos
Q=diag([10,1]);
A=[1,T;0,1];B=[Tÿ 2/2;T]; % Matrizes do sistema
para eu=N:-1:1
K{i}=(r+Bÿ*S*A*B)\Bÿ*S*A; % Calcule os ganhos de feedback ideais
% Observe que K(1) é realmente K(0)
kp(i)=K{i}(1); % Ganho de posição
kv(i)=K{i}(2); % de ganho de velocidade
Acl=AB*K{i};
S=Aclÿ*S*Acl+K{i}ÿ*r*K{i}+Q; % Iterar para trás (forma Riccati-Joseph)
fim
para i=1:N
t(i+1)=t(i)+T; você(i)=-
K{i}*x{i}; x{i+1}=A*x{i}
+B*u(i); % Equação de estado
fim
xmat=célula2mat(x); % Mude a célula para mat para extrair dados xx=xmat(1,:); %
Posição xv=xmat(2,:); % Gráfico de
velocidade (t,xx,ÿ.ÿ) % Gráfico de
posição do gráfico % Gráfico de nova
figura(t,xv,ÿ.ÿ) % PLot
Figura de velocidade % Gráfico de nova
figura(xx,xv,ÿ.ÿ)% PLot
plano de fase figura de trajetória % Nova figura plotada(t(1:N),u,ÿ.ÿ)
% Plotar figura de entrada
de controle % Nova figura plotada(t(1:N),kp,ÿ.ÿ,t(1:N), kv,ÿ.
ÿ) % Gráfico de ganho de
posição e ganho de velocidade
Cinco parcelas são obtidas usando o roteiro de cada parte.
1. Os três primeiros gráficos são a trajetória de posição da Figura 10.3, a trajetória de velocidade da Figura
10.4 e a trajetória do plano de fase da Figura 10.5. Os três gráficos mostram que o controle ótimo
conduz o sistema em direção à origem. Porém, como o estado final é livre, a origem não é alcançada.
A partir do gráfico de ganho mostrado na Figura 10.6, observamos
x1(t)
0,8
0,6
0,4
0,2
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.3
Trajetória de posição para o sistema de controle inercial descrito no Exemplo 10.4(1).

x2(t)
0
–0,2
–0,4
–0,6
–0,8
–1
–1,2
–1,4
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.4
Trajetória de velocidade para o sistema de controle inercial descrito no Exemplo 10.4(1).
x2(t)
0
–0,2
–0,4
–0,6
–0,8
–1
–1,2
–0,2 0 0,2 0,4 0,6 0,8 1 1.2 x1(t)
Figura 10.5
Trajetória do plano de fase para o sistema de controle inercial descrito no Exemplo 10.4(1).
K
9
7 Ganho de posição K(1)
4 Ganho de velocidade K(2)
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.6
Gráfico de ganhos de feedback versus tempo para o Exemplo 10.4(1).
você(t)
–2
–4
–6
–8
–10
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.7
Entrada de controle ideal para Exemplo 10.4(1).
que os ganhos do controlador, que são obtidos por iteração retroativa no tempo, se aproximem de um nível
fixo. Consequentemente, o controle ótimo mostrado na Figura 10.7 também se aproxima de um nível fixo.
2. Os três primeiros gráficos são a trajetória de posição da Figura 10.8, a trajetória de velocidade da Figura 10.9
e a trajetória do plano de fase da Figura 10.10. Os três gráficos mostram que
x1(t)
1.2
0,8
0,6
0,4
0,2
–0,2
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 t
Figura 10.8
Trajetória de posição para o sistema de controle inercial do Exemplo 10.4(2).
x2(t)
0
–0,05
–0,1
–0,15
–0,2
–0,25
–0,3
–0,35
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 t
Figura 10.9
Trajetória de velocidade para o sistema de controle inercial do Exemplo 10.4(2).
o controle ótimo conduz o sistema em direção à origem. No entanto, o estado final alcançado está
mais distante da origem do que o da parte 1 porque a matriz de pesos de erro é agora menor em
relação ao valor de r. O maior peso de controle r resulta em menor ganho de controle, conforme
mostrado na Figura 10.11. Isto corresponde a uma redução no esforço de controle conforme mostrado
na Figura 10.12. Observe que os ganhos do controlador se aproximam de um nível fixo a uma taxa
mais lenta do que na parte 1.
x2(t)
0
–0,05
–0,1
–0,15
–0,2
–0,25
–0,3
–0,35
–0,2 0 0,2 0,4 0,6 0,8 1 x1(t)
Figura 10.10
Trajetória do plano de fase para o sistema de controle inercial do Exemplo 10.4(2).
K
0,8
0,7
Ganho de posição K(1)
0,6
0,5
0,4
0,3
0,2
Ganho de velocidade K(2)
0,1
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 t
Figura 10.11
Gráfico de ganhos de feedback versus tempo para o Exemplo 10.4(2).

10.4 Regulador Quadrático de Estado Estacionário 399
você(t)
0,05
–0,05
–0,1
–0,15
–0,2
–0,25
–0,3
–0,35
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 t
Figura 10.12
Entrada de controle ideal para Exemplo 10.4(2).
10.4 Regulador Quadrático de Estado Estacionário

A implementação do regulador quadrático linear é bastante complicada devido à
necessidade de calcular e armazenar matrizes de ganho. No Exemplo 10.4 observamos
que os valores de ganho convergem para valores fixos. Isto ocorre em geral com o
cumprimento de alguns requisitos simples que são discutidos nesta seção.
Para muitas aplicações, é possível simplificar consideravelmente a implementação
usando o ganho em estado estacionário exclusivamente no lugar dos ganhos ótimos. Esta
solução só é ótima se o intervalo de soma na medida de desempenho, conhecido como
horizonte de planejamento, for infinito. Para um horizonte de planeamento finito, a
solução simplificada é sub-óptima (ou seja, dá um valor mais elevado da medida de
desempenho), mas muitas vezes tem um desempenho quase tão bom quanto o controlo
óptimo. Assim, é possível manter o desempenho do controle ótimo sem o ônus de
implementá-lo se resolvermos o problema do regulador em estado estacionário com a medida de desempen
ÿ
J. = ÿ1 ( T
( ) ( ) + ( ) k Q kT ( ))
k R k xxuu (10.43)
2 kkkkk
= 0
Assumimos que as matrizes de ponderação Q e R são constantes, com Q positivo

semidefinido e R positivo definido. Podemos, portanto, decompor a matriz Q como
= QaT
QQ (10.44)
a
onde Qa é a matriz de raiz quadrada. Isto nos permite escrever os termos de erro de
estado das “medições” em termos de um vetor de medição equivalente
= k( ) a x
e (k) Q
T
(10h45)
x ( ) k= ( ) ( )aaT kkkkk
(k) Qx
A matriz Qa é definida positiva para Q definida positiva e semidefinida positiva para
Q semidefinida positiva. Neste último caso, grandes vetores de estado podem ser
mapeados por Qa para zero y(k), e uma pequena medida de desempenho não pode
garantir pequenos erros ou mesmo estabilidade. Pensamos no vetor y(k) como uma
medida do estado e relembramos a condição de detectabilidade do Capítulo 8.
Lembramos que se o par (A, Qa) for detectável, então x(k) decai assintoticamente para
zero com y(k). Portanto, esta condição de detectabilidade é necessária para um
comportamento aceitável do regulador em estado estacionário. Se o par for observável,
então também será detectável e o comportamento do sistema será aceitável. Por exemplo,
se a matriz Qa for positiva definida, há um mapeamento um-um entre os estados x e as
medidas y e o par (A, Qa) é sempre observável. Conseqüentemente, um Q definido positivo
(e Qa) é suficiente para um comportamento aceitável do sistema.
Se a condição de detectabilidade (observabilidade) for satisfeita e o sistema for
estabilizável, então a equação de Riccati não diverge e uma condição de estado
estacionário é alcançada. A equação algébrica de Riccati resultante está na forma
= SB
SAS T
{ B- SB RBSAQ
( T + )
ÿ1 T
(10.46)
}+
Pode-se mostrar que, sob estas condições, a equação algébrica de Riccati tem
uma única solução definida positiva. No entanto, a equação é claramente difícil de
resolver em geral e normalmente é resolvida numericamente. A solução MATLAB da
equação algébrica de Riccati é discutida na Seção 10.4.2.
O feedback de estado ideal correspondente ao regulador de estado estacionário é
* *
( )x
em = ÿ Kk
(10.47)
1 T
KRB = +SB
[ B SA
T
]ÿ
Usando a expressão de ganho, podemos escrever a equação algébrica de Riccati na

Formulário de José:
SA= SAclT K RK
cl + Q
T +
(10.48)
AA
cl
=BK
-
Se o ganho ideal K for substituído por um ganho subótimo, então a equação algébrica de
Riccati se torna uma equação algébrica de Lyapunov (ver Capítulo 11). A equação de
Lyapunov é claramente linear e sua solução é mais simples que a da equação de Riccati.
10.4.1 Regulador Quadrático de Saída

Na maioria das aplicações práticas, o projetista está interessado em controlar de forma
otimizada a saída y(k) em vez do estado x(k). Para controlar de forma otimizada a saída,
precisamos considerar um índice de desempenho da forma
T T
J. = (e ( k) Q k e( ) +você você
k R k( ) ( )) (10.49)
2ÿ1kkkkk
=
0
A partir de (10.45), observamos que isso é equivalente à medida de desempenho

original de (10.43) com a matriz de pesos de estado
T
=
CQQ e
T T
= CQQC
de de
= QQ
a
T
a
(10h50)
a =
QQC de
onde Qya é a raiz quadrada da matriz de peso de saída. Assim como no regulador quadrático
de estado, a equação de Riccati para o regulador de saída pode ser resolvida usando os
comandos MATLAB discutidos na Seção 10.4.2. Para um par estabilizável (A, B), a solução
existe desde que o par (A, Qa) seja detectável com Qa como em (10.50).
10.4.2 Solução MATLAB do problema do regulador de estado estacionário
O MATLAB possui vários comandos que nos permitem projetar reguladores de estado
estacionário de maneira conveniente. O primeiro é ousar, que resolve a equação algébrica
discreta de Riccati (10.40). O comando é
>> [S, E, K] = desafio (A, B, Q, R)
Os argumentos de entrada são a matriz de estado A, a matriz de entrada B e as

matrizes de ponderação Q e R. Os argumentos de saída são a solução da equação
algébrica discreta de Riccati S, a matriz de ganho de feedback K e os autovalores E
do fechado. sistema ótimo de loop A - BK.
O segundo comando para controle ótimo discreto é lqr, que resolve o problema
problema do regulador em estado estacionário. O comando tem o formato
>> [K, S, E] = dlqr(A, B, Q, R)
onde os argumentos de entrada são os mesmos do comando dare, e os argumentos de saída, também os mesmos,
são o ganho K, a solução da equação algébrica discreta de Riccati S e os autovalores e do sistema ótimo de malha
fechada A - BK .
Para o problema do regulador de saída, podemos usar os comandos dare e dlqr

com a matriz Q substituída por CT QyC. Alternativamente, o MATLAB fornece o
comando
>> [Ky, S, E] = dlqry(A, B, C, D, Qy, R)

Exemplo 10.5
Projete um regulador de estado estacionário para o sistema inercial do Exemplo 10.4 e compare seu desempenho
com o controle ótimo traçando as trajetórias do plano de fase dos dois sistemas. Explique as vantagens e desvantagens
dos dois controladores.
O par (A, B) é observável. A matriz de ponderação de erro de estado é positiva definida e o par (A, Qa) é
observável. Estamos, portanto, seguros de que a equação de Riccati terá uma solução em estado estacionário. Para
o sistema inercial apresentado no Exemplo 10.4, temos a saída do MATLAB
>> [K,S,E] = dlqr(A,B,Q,r)
K = 9,4671 5,2817
S = 278,9525 50,0250 50,0250 27,9089
E = 0,9462 + 0,0299i
0,9462 – 0,0299i
Se simularmos o sistema com o controle ótimo do Exemplo 10.4 e sobrepormos as trajetórias para o regulador
de estado estacionário subótimo, obteremos a Figura 10.13. A figura mostra que o controle subótimo, embora muito
mais simples de implementar, fornece uma trajetória quase idêntica à do controle ótimo. Para implementação prática,
o controle subótimo é muitas vezes preferível porque é muito mais barato de implementar e fornece quase o mesmo
desempenho que o controle ótimo. Contudo, poderão existir situações em que a maior precisão do controlo óptimo
justifique o custo adicional da sua implementação.
x2(t)
0,2
–0,2
–0,4
–0,6
–0,8
–1
–1,2
–1,4
–0,2 0 0,2 0,4 0,6 0,8 1 1,2x1 (t)
Figura 10.13
Trajetórias do plano de fase para o sistema inercial do Exemplo 10.5 com controle ótimo (cinza escuro) e
regulador de estado estacionário subótimo (cinza claro).
Exemplo 10.6
Projete um regulador de saída digital para o sistema integrador duplo

2
ÿ1 Tÿ ÿT 2ÿ
( x k ) + =ÿ 1 ÿ x k Reino
Unido ( )
01 ÿÿ()+ ÿÿ
T ÿÿ
y k ( ) = [ ]x1( 0) k
com período de amostragem T = 0,02 s, peso de saída Qy = 1 e peso de controle r = 0,1, e plote a resposta
de saída para o vetor de condição inicial x(0) = [1, 0]T .
Solução
Usamos o comando MATLAB
>> [Ky, S, E] = dlqry(A, B, C, 0, 1, 0,1)

Isto = 3,0837 2,4834
S = 40,2667 15,8114 15,8114 12,5753
E = 0.9749 + 0.0245i 0.9749 - 0.0245i
A resposta do sistema às condições iniciais x(0) = [1, 0]T é mostrada na Figura 10.14.
A saída converge rapidamente para o estado zero alvo.
você(t)
0,8
0,6
0,4
0,2
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.14
Resposta temporal do regulador de saída discutido no Exemplo 10.6.

10.4.3 Controlador de Rastreamento Linear Quadrático
A minimização do índice de desempenho (10.43) produz uma matriz de feedback de

estado ideal K que minimiza o erro quadrado integral e o esforço de controle (ver (10.47)).
O erro é definido em relação ao estado zero. Em muitas aplicações práticas, o sistema é
obrigado a seguir uma função de tempo específica. O projeto de um controlador para
atingir esse objetivo é conhecido como problema de rastreamento. Se a tarefa de
controle for rastrear uma entrada de referência constante diferente de zero, podemos
explorar as técnicas descritas na Seção 9.3 para resolver o novo problema do regulador ótimo.
Na Seção 9.3, mostramos que o problema de rastreamento ou servo pode ser resolvido
usando uma matriz de ganho adicional para a entrada de referência, conforme mostrado na
Figura 9.7, proporcionando assim um grau adicional de liberdade em nosso projeto. Para um
sistema quadrado (número igual de entradas e saídas), podemos implementar o esquema de
graus de liberdade da Figura 9.7 com a matriz de ganho de referência
- ÿ1 1
= cl -
FCIAB
ÿÿ( n ) ÿÿ
(10.51)
onde
AA BK= cl- (10.52)
Todas as outras equações para o regulador quadrático linear permanecem inalteradas.

Alternativamente, para melhorar a robustez, mas às custas de um controlador de ordem
superior, podemos introduzir o controle integral, como na Figura 9.9. Em particular, como em
(9.25), consideramos as equações de espaço de estados
x (k ) +1 = (Ak
) x+Bk( ) em
x (k ) +1 = (xry
) +kkk( ) ÿ ( )
(10.53)
e (k)C=k ( ) x
em ( k
) k k-
= x ( ) ÿ K k x( )
com ganho de controle integral K. Isso produz as equações de espaço de estados de malha fechada (9.26)
ÿ
ÿÿÿ
ÿ
ÿ0 ÿ
x ( k ) +1= ÿ ( Um BK k ) x( ) + ÿ R (k)
ÿ EU
eu
ÿÿ (10.54)
ÿ
e ( k) =
C[ ] ( )k
0x
T
ÿ
onde x ( ) = [ (k ) kkkkk ( )] e as matrizes são dadas por
ÿ A
ÿ 0 ÿ
A =
- LÁ
ÿÿ eu
ÿÿ
(10.55)
ÿB ÿ
ÿ ÿ ÿ
B = CCKKK ]0 =[ ]
0 ÿÿ=[
ÿÿ
A matriz de ganho de feedback de estado pode ser calculada como

ÿ ÿÿ ÿ ÿ
[
KRB SB B SA T= +
]ÿ1
T
(10.56)
Exemplo 10.7
Projete um controlador de rastreamento linear quadrático de estado-espaço ideal para o sistema inercial do Exemplo 10.4
para obter erro zero em estado estacionário devido a uma entrada em degrau unitário.
Solução
As matrizes de espaço de estados são
ÿ 1 0 02 . ÿ .
ÿ 0 0002 ÿ
A = B =
ÿÿ
01 ÿÿ ÿÿ
0 .
02 ÿÿ
C = [ ]1 0
Adicionando controle integral, calculamos as matrizes aumentadas
ÿ 1 0 02 .0 ÿ .
ÿ 0 0002 ÿ
ÿ A 0ÿ ÿ
ÿB ÿ
Aÿ = ÿ
010 ÿ
B = ÿ
. 2
00 ÿ
- C 1ÿÿ= ÿ ÿ
0 ÿÿ=ÿ ÿ
ÿÿ ÿÿ
ÿ1
ÿ 0 1ÿ ÿ
ÿ
ÿ 0 ÿ
ÿ
Selecionamos as matrizes de peso com maior ponderação de erro como
ÿ 10 0 0 ÿ
Q=
ÿ
010 ÿ
R = 0 1.
ÿ ÿ
ÿ 001
ÿ
ÿÿ
O comando MATLAB dlqr produz a solução desejada:
>> [Ktilde, S, E] = dlqr(Atilde, Btilde, Q, r)

Ktilde = 57,363418836015583 10,818259776359207
-2,818765217602360
S = 1,0e + 003 * 2,922350387967343 0,314021626641202
-0,191897141854919
0,314021626641202 0,058073322228013 -0,015819292019556
-0,191897141854919 -0,015819292019556 0,020350548700473
E = 0,939332687303670 + 0,083102739623114i
0,939332687303670 - 0,083102739623114i
0,893496746098272
A equação do espaço de estados do sistema em malha fechada é
ÿ
ÿÿÿ
ÿ0 ÿ
x ( k ) +1= ÿ ( Um BK k ) (xÿ) + ÿ ÿ R ( k)
EUeu
ÿÿ
[ ( ) k=C y ]0xk()
A resposta ao degrau em malha fechada mostrada na Figura 10.15 é satisfatória com um pequeno overshoot e zero erro em
estado estacionário devido ao degrau.
0,8
0,6
Amplitude
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 vez 1,2 1,4 1,6 1,8
Figura 10.15
10.5 Sistema Hamiltoniano

Nesta seção, obtemos uma solução para o problema do regulador em estado estacionário
usando dinâmica linear sem resolver diretamente a equação de Riccati de (10.46).
Mostramos que podemos obter a solução da equação de Riccati a partir da matriz de
transição de estado de um sistema linear. Consideramos o caso de matrizes de ponderação constante.
Podemos combinar as equações de estado e de custo para obter o sistema hamiltoniano
2n-dimensional :
* -1 T *
ÿ x* k( ) + 1 ÿ ÿ-ABRB ÿ ÿ x (k) ÿ
* T * , k kkkkkÿ1,...,
0f (10,57)
ÿ ÿ = (k
ÿ ÿ ÿ eu ) ÿ Controle de qualidade eu ( k) + 1 ÿ ÿ = ÿ
ÿÿÿ
Se a matriz de estado A for obtida discretizando um sistema de tempo contínuo, então

ela é uma matriz de transição de estado e é sempre invertível. Podemos então reescrever
a equação de estado na mesma forma que a equação do costate l e obter o sistema
hamiltoniano
* *
ÿ x (k) ÿ ÿ x ( k ) +1 ÿ
* H * , kkk 0 ,..., f - 1
eu (k) ÿ ÿ = ÿÿ
eu ( k ) +1 ÿ ÿ =ÿÿ
- 1 * -1
A - 1BRB T
ÿ A ÿ (10.58)
H = - 1 T
+
- 1 * - 1 T ÿ
ÿ ÿ Controle de qualidade e controle de qualidade BRB ÿ

*
eu (k)S=kk
() ( )aff x
f
10.5 Sistema Hamiltoniano 407
O sistema hamiltoniano de (10.58) descreve a evolução do estado e da costa retroativamente no tempo

porque fornece uma expressão para avaliar o vetor no tempo k a partir do vetor no tempo k + 1. Podemos
resolver a equação linear e escrever sua solução em termos de a matriz de transição de estado para o
hamiltoniano
* k
ÿ x* ( ) k ÿ kkk- f ÿx ( )f ÿ =
* H * , kkk ,..., 0
f
ÿÿ
eu (k) ÿÿ= ÿÿ
eu k ÿ (f ) ÿ
(10.59)
-
kkkkk =ÿ 11( kk
) ÿ fkk f ( ) ÿ Fi12 ( kkkkk
) f- ÿ
H f
FF Fi22 ( kkkkk
) f-
ÿ
ÿÿ21 ÿ
A solução da equação de estado produz

-
{ (Fi
) 11
+ x* k ( ) = kk f Fi12 ÿ ( )f kk S k f ( )} ( )x* kk
(10,60)
*
ÿ ( kkkk f
eu ( ) = { 21Fi ) + Fi22( ) k ÿ k S k ff ( ) }x*( ) k k
Resolvemos o custo em termos do vetor de estado

*
eu k M k ( ) = ( ) x
*
( k)
M k( ) = {Fi21 ( ) + kk- f Fi22 ÿ ( )f kk S k f ( )}{ ( ) ÿFi11 kkk f (10.61)

1
+ Fi12 ( kk S -k ff ) ( ) }ÿ
Substituindo em (10.32), temos agora o controle
em
* - 1 T x * ( k ) +1
( RBM
) = ÿ kk + ( 1 ) + ( 1
=- - 1
RBM kT A k B k ) { ( x * *
) em ( )} (10.62)
=
kkkkk0 + ,..., kf ÿ1
Multiplicamos ambos os lados pela matriz R e então resolvemos o controle

você*
( ) k= K( kk
) ( x*
)
- 1
T T
K k{ (RBM
) = ÿ +k1BBM k A ( + )} ( ) +1 (10.63)
=
kkk 0,...,
- 1
f
Comparamos a expressão de ganho de (10.63) com aquela obtida resolvendo a equação

de Riccati em (10.40). Como as duas expressões são soluções do mesmo problema e devem
ser válidas para qualquer vetor de estado, conclua que elas devem ser iguais e que M(k + 1) é
idêntico a S(k + 1). Portanto, a solução da equação de Riccati é dada em termos da matriz de
transição de estado do sistema hamiltoniano por (10.58). Agora podemos escrever
- 1
S (kkk
) =f { ( Fi
) 21 + Fi22 ÿ k( fkk S ) ( ) }{ ( ) kk ÿ + Fi
f 11 Fi12 ÿ k( fkk ) ( ) }ÿ (10.64)
f f S
Pode parecer que a expressão de (10.64) seja sempre preferível à solução direta da
equação de Riccati porque elimina a não linearidade. No entanto, como a dimensão do sistema
hamiltoniano é 2n, a equação duplica o
dimensão do problema. Em muitos casos, é preferível resolver a equação de Riccati

apesar da sua não-linearidade.
Exemplo 10.8
Considere o integrador duplo descrito no Exemplo 10.4 com um período de amostragem T

= 0,02 s, peso terminal S(10) = diag{10, 1}, Q = diag{10, 1} e peso de controle r = 0,1.
Obtenha o sistema hamiltoniano e utilize-o para obter o controle ótimo.
Solução
O sistema hamiltoniano é
* *
ÿ x (k) ÿ ÿ x ( k ) +1 ÿ -
* H * , kkk kf,..., 0 1
eu (k) ÿ ÿ =
ÿÿ
eu ( k ) +1 ÿ ÿ =
ÿÿ
- 0
1 0 02 . 0
ÿ ÿ
ÿ A
- 1 ABRB*
- 1 - 1 T
ÿ
ÿ
0 1 0 0 .004 ÿ
H = *
ÿ ÿ
- 1 T - 1 - 1 T ÿ= 10 - 0 .2 1 - 0 .0004
ÿ ÿ Controle de qualidade+e controle de qualidade BRB ÿ ÿ ÿ
ÿ 0
ÿ
1 0 02 1. 004 . ÿ
( ) = { }10
eu*diag10 , x()
1 10
Como a dinâmica descreve a evolução retroativa no tempo, cada multiplicação do estado
atual pela matriz H produz o estado anterior. Definimos uma variável de tempo regressivo
para usar em computação como
kkk
b =
f ÿÿ( 1)
Retrocedendo no tempo, kb começa com o valor zero em k = kf ÿ 1, depois aumenta

para kb = kf ÿ 1 com k = 0. Resolvemos as matrizes de transição e os ganhos usando o
seguinte programa MATLAB.
% hamilton
% Forme o sistema hamiltoniano para dinâmica reversa
[n,n]=tamanho(a); % Ordem da matriz de estado
n2=2*n; % Ordem da matriz hamiltoniana
kf=11; % Tempo final
q=diag([10,1]);r=.1; % Matrizes de peso
sf=q; % Matriz de peso do estado final
% Calcule a matriz hamiltoniana retroativa no tempo
a1=inv(a);
Ele=b/r*bÿ;
H3=q/a;
H=[a1,a1*He;H3,aÿ+H3*He];% Matriz hamiltoniana
fi=H;% Inicialize a matriz de transição de estado
% i é a variável de tempo retroativo kb=k-(kf-1), k = tempo discreto
para i=1:kf-1
fi11=fi(1:n,1:n); % Particionar a matriz de transição de estado
fi12=fi(1:n,n+1:n2);
Recursos 409
fi21=fi(n+1:n2,1:n);
fi22=fi(n+1:n2,n+1:n2);
s=(fi21+fi22*sf)/(fi11+fi12*sf);% Calcule o exemplo de Riccati. solução
K=(r+bÿ*s*b)\bÿ*s*a % Calcule os ganhos
fi=H*fi;% Atualizar a matriz de transição de estado
fim
Os ganhos de controle ótimos são apresentados na Tabela 10.2. Resultados quase idênticos são obtidos
usando o programa descrito no Exemplo 10.4. Pequenos erros computacionais resultam em pequenas
diferenças entre os resultados dos dois programas.
Tabela 10.2 Ganhos Ótimos para o Integrador com Horizonte de

Planejamento kf = 10
Tempo Vetor de ganho ideal K
0 2,0950 2.1507
1 1.7717 1.9632
2 1,4656 1,7730
3 1.1803 1.5804
4 0,9192 1.3861
5 0,6855 1.1903
6 0,4823 0,9935
7 0,3121 0,7958
8 0,1771 0,5976
9 0,0793 0,3988
Recursos
Anderson, BDO e JB Moore, Controle Ideal: Métodos Quadráticos Lineares, Prentice
Salão, 1990.
Chong, ED e SHZ ak, Uma introdução à otimização, Wiley-Interscience, 1996.
Kwakernaak, H. e R. Sivan, Sistemas de Controle Linear Ótimo, Wiley-Interscience,
1972.
Lewis, FL e VL Syrmos, Controle ideal, Wiley-Interscience, 1995.
Naidu, DS, Sistemas de Controle Ótimos, CRC Press, 2002.
Sage, AP e CC White III, Optimum Systems Control, Prentice-Hall, 1977.
Problemas
10.1. Mostre que para uma fonte de tensão vs com resistência de fonte Rs conectada a uma
carga resistiva RL, a máxima transferência de potência para a carga ocorre quando
RL = Rs.
10.2. Seja x um vetor n × 1 cujas entradas são as quantidades produzidas por um
fabricante. O lucro do fabricante é dado pela forma quadrática
1
=
J2( ) xxxqxr PT + T +
onde P é uma matriz simétrica definida negativa e q e r são vetores constantes.

Encontre o vetor x para maximizar o lucro (a) Sem
restrições na quantidade produzida. (b) Se a quantidade
produzida for limitada por
Bx c =
onde B é uma matriz m × n , m < n, e c é um vetor constante.

10.3. Prove que o retângulo de maior área que cabe dentro de um círculo de diâmetro
D é um quadrado da diagonal D.
10.4. Com q = 1 e r = 2, S(kf) = 1, escreva as equações de projeto para um digital

regulador quadrático ideal para o integrador
ÿ
xu =
10.5. O modelo discretizado de espaço de estados do Infante AUV do Problema 7.14 é

dado por
-
ÿÿ
(
xk 1 ) +1
ÿÿ ÿÿ
0 .9932 0 .03434 0 ÿ ÿ ÿ xk1(ÿ ) ÿ ÿÿ
0 .002988
= - 0 .009456 0 ,9978 0
xk 2( ) +1 xk ( ) +- 0 .0115 Reino
( ) Unido
ÿ ÿ ÿ2 ÿ ÿ
- -
ÿÿÿ
xk 3 ( ÿ ÿ 1ÿ ) + ÿÿÿ
.
0002368 0 04994.1 ( ) ÿÿÿxk
03 ÿ ÿ ÿÿÿ ÿ ÿ. ÿ ÿ ÿ 0 0002875
xk 1( ) ÿ ÿ
ÿ
ÿ ( )1ÿ yk ÿ
100 ÿ
ÿ
xk 2()
ÿÿ 2( )
sim ÿÿ=ÿÿ 010 ÿÿ
ÿÿÿ
xk 3ÿ ÿ ÿ ( )
Projete um regulador quadrático linear em estado estacionário para o sistema

usando as matrizes de peso Q = I3 e r = 2.
10.6. Um modelo linearizado simplificado de um sistema de administração de medicamentos para manter o sangue
níveis de glicose e insulina em valores prescritos é dado por
- 0 .04 - 4 .4
ÿÿ
(
xk 1 ) +1
ÿÿ ÿÿ
0 ÿÿÿÿÿ
xk1( ) ÿ ÿÿ
10 ÿ
- 0 .025 1 3 10. × - 1( )Unido

Reino ÿ
xk 2( ) +1 = 0 5 ÿ
xk2 ÿ ( ) + 00
ÿÿÿ
ÿ
ÿÿÿ Reino
2 ( )Unidoÿ ÿ
ÿÿÿ
xk 3( ÿ ÿ 1ÿ ) + ÿÿÿ
0 0 .09 0 ÿÿ
ÿ
ÿ (3 ÿ) xk
ÿ ÿÿÿ
001 . ÿ
Problemas 411
ÿ xk1
() ÿ
1
ÿ sim
() ÿ ÿ1 00 ÿ ÿ
xk2 ( ) ÿ
2( ) 001
sim ÿÿ=ÿÿ
ÿ ÿ
ÿ xk3 ( )
ÿÿ ÿÿ
ÿ
ÿ
ÿ
onde todas as variáveis são perturbações dos níveis de estado estacionário desejados.1
As variáveis de estado são a concentração de glicose no sangue x1 em mg/dl, a concentração
de insulina no sangue x3 em mg/dl e uma variável que descreve o acúmulo de insulina
no sangue x2. Os controles são a taxa de infusão de glicose u1 e a taxa de infusão de
insulina u2, ambas em mg/dl/min. Discretize o sistema com um período de amostragem T = 5 min
e projete um regulador em estado estacionário para o sistema com matrizes de peso Q =
I3 e R = 2I2. Simule o sistema com o estado inicial x(0) = [6 0 ÿ1]
T
, e traçar a trajetória no plano x1
- x3 , bem como a evolução temporal da concentração de glicose.
10.7. Problemas de controle ótimo podem ser resolvidos como problemas de otimização irrestrita
sem usar multiplicadores de Lagrange. Este exercício mostra as vantagens do uso de
multiplicadores de Lagrange e demonstra que o controle ótimo em tempo discreto é equivalente a
um problema de otimização sobre o histórico de controle.
(a) Substitua a solução da equação de estado

k- 1
para 1
k ()
ÿÿ
x ( k)A=x ( 0) +
ÿ AB eu em
eu
=0
k
= A x ( 0) + (Você
) (kkkkk
)
k ÿ1
C (k )B=AB
[
ÿ
AB ]
( você= ( ) k ÿcol
{uk) ( ) 1 0,...,em}
Na medida de desempenho
- 1
1 1 kf
J. = x
T
( )kkffS ( ) ( )x+ kf ÿ T
(x T (k) Q( )kk( ) +xu( ) ( ) ( )) k R kk você
2 2 k =0
para eliminar o vetor de estado e obter

k T Tk
f
1
ÿ ÿ Você (k) R kk
()()+20 em x ( )( )AQ kkk ( ) ( Você
)()+ ÿ
J. = Tk k
2 k = 0 ÿx ÿ
(0)( )AQ
()kA x( ) 0 +Você
( ) k( )R(kk
) em ÿÿ
k S k R k (b)
( )f Sem
= ( ) com
avaliar
fQ , ( f )=0 ×
milímetros
tediosamente a matriz Req e o vetor l, explique por que é possível reescrever a medida de
desempenho na forma equivalente
1
J.equação Você
=()kR kf f eq em ( ) + ( )f k Você eu
1
F. Chee, AV Savkin, TL Fernando e S. Nahavandi, controle ideal de injeção de insulina Hÿ para
regulação de glicose no sangue em pacientes diabéticos, IEEE Trans. Biomédica. Eng., 52(10):1625-1631, 2005.
(c) Mostre que a solução do problema de controle ótimo é dada por
=- ÿ1
você(f ) kR equação
eu
10.8. Para (A, B) estabilizável e (A, Q1/2) detectável, o regulador quadrático linear produz um sistema estável
em malha fechada. Para garantir que os autovalores do sistema em malha fechada ficarão dentro de
um círculo de raio 1/a, resolvemos o problema do regulador para o estado escalado e controle
k +
x (k) = (a) k xu ( k) = a k 1 você
(k)
(a) Obtenha a equação de estado para o vetor de estado em escala.
(b) Mostre que se a matriz de estado de malha fechada escalonada com o controle ótimo ( ) k K k = ÿ ( )
em tem dentro x
autovalores
do círculo unitário, então os autovalores da matriz de estado original
com o controle ( ), = estão dentro um círculo de raio 1/a.
em ( ) k=K- k KK
x a
10.9. Repita o Problema 10.5 com um projeto que garanta que os autovalores do sistema em malha fechada
estejam dentro de um círculo de raio igual a um meio.
10.10. Mostre que o regulador quadrático linear com termo de produto vetorial da forma
kf - 1
T T
J. = (x) k S k ff ( ) ( ) +x ( kf ÿ x ( ) 2+ x
( k) (Q) kk xuT S
= 0
kkkkk
) T( ) k R k
+ (em você( ) k )
é equivalente a um regulador quadrático linear sem termo de produto cruzado com o custo
kf - 1
T
J. = (x) k S k ff ( ) ( ) +x ( kf ÿ x T
(k)Q( kk
)() x
= 0
kkkkk
+ (Você
) ( ) k R kk emT ( ))
QQ=SR
- ÿ1
ST
T
ok (, você
)=( )+ k RS k x ÿ1
()
e a dinâmica da planta
x ( ) k=+1 - 1
( ) + ( A) =kxB kkkk 0,..., fem
AA=BR
- BT ÿ1
10.11. Reescreva a medida de desempenho mostrada no Problema 10.10 em termos de

entrada combinada e vetor de estado col{x(k), u(k)}. Em seguida, use o hamiltoniano para mostrar
que, para o regulador quadrático linear com termo de produto vetorial, uma condição suficiente para
um mínimo é que a matriz
ÿ QN ÿ
Não.
T ÿ
ÿÿ ÿ
deve ser positivo definido.

10.12. Projete um regulador de estado estacionário para o Infante AUV apresentado no Problema 10.5 com a
medida de desempenho modificada para incluir um termo de produto cruzado com
S = [ 1 0 2 0 .1 T
.]
(a) Usando o comando dlqr do MATLAB e o problema equivalente sem produto

vetorial como no Problema 10.10.
(b) Usando o comando MATLAB dlqr com o termo de produto cruzado.
10.13. Projete um regulador quadrático de saída para o UAV Infante apresentado em
Problema 10.5 com os pesos Qy = 1 e r = 100. Trace a resposta de saída para o
T.
vetor de condição inicial x(0) = [1, 0, 1]
10.14. Projete um controlador de rastreamento de espaço de estados LQ ideal para o sistema de distribuição de
medicamentos apresentado no Problema 10.6 para obter erro zero em estado estacionário devido a uma
entrada em degrau unitário.
10h15. Escreva um script MATLAB que determine o regulador quadrático em estado

estacionário para o sistema inercial do Exemplo 10.4 para r = 1 e diferentes valores de Q.
Use as três matrizes a seguir e discuta o efeito da alteração de Q nos resultados
da sua simulação computacional:
ÿ1 0 ÿ
(a) Q = ÿ
ÿ 01 ÿÿ
ÿ 10 0 ÿ
(b) Q = ÿ
ÿ 0 10 ÿÿ
ÿ 100 0 ÿ
(c) Q = ÿ
ÿ 0 100 ÿÿ
Capítulo
Elementos de Não Linear

Sistemas de controle digital
11
A maioria dos sistemas físicos não obedece ao princípio da superposição e podem, portanto, ser
classificados como não lineares. Ao limitar a faixa operacional dos sistemas físicos, é possível modelar
aproximadamente seu comportamento como linear. Este capítulo examina o comportamento de sistemas
discretos não lineares sem esta limitação. Começamos examinando o comportamento de sistemas não
lineares de tempo contínuo com entradas constantes por partes. Discutimos a teoria da estabilidade de
Lyapunov tanto para sistemas não lineares quanto para sistemas lineares. Fornecemos um projeto de
controlador simples baseado na teoria de estabilidade de Lyapunov.
Objetivos
1. Discretizar tipos especiais de sistemas não lineares.

2. Determine o ponto de equilíbrio de um sistema não linear de tempo discreto.
3. Classifique os pontos de equilíbrio de sistemas de tempo discreto com base em seu plano de estado
trajetórias.
4. Determinar a estabilidade ou instabilidade de sistemas não lineares de tempo discreto.
5. Projetar controladores para sistemas não lineares em tempo discreto.
11.1 Discretização de Sistemas Não Lineares
Modelos de tempo discreto são facilmente obtidos para sistemas lineares de tempo contínuo a partir de
suas funções de transferência ou da solução das equações de estado. Para sistemas não lineares, as
funções de transferência não são definidas e as equações de estado são solucionáveis analiticamente
apenas em alguns casos especiais. Assim, não é tarefa fácil obter modelos de tempo discreto para
sistemas não lineares.
Examinamos a equação diferencial não linear
ÿ
= ( ) + B ( ) xfxx (11.1)
416ÿ CAPÍTULO 11 Elementos de Sistemas de Controle Digital Não Linear
onde x e f são vetores n × 1, u é um vetor m × 1, B(x) é uma matriz n × m e B(.) e f(.) são funções contínuas de todos os seus
argumentos. Assumimos que a entrada é definida por
elekk kT=k(T ) ) 1 + ) = ( ),em( )t kT ÿ [ , ( (11.2)
Para cada período de amostragem temos o modelo

ÿ
= ( ) + B ( ) ( ) xfx kxu (11.3)
onde k = 0, 1, 2, . . . O comportamento do sistema em tempo discreto pode, em teoria, ser obtido a partir da solução de equações
da forma (11.3) com as condições iniciais apropriadas. Na prática, apenas uma solução numérica é possível, exceto em alguns
casos especiais. Uma maneira de obter uma solução para sistemas não lineares é transformar a dinâmica do sistema para obter
uma dinâmica linear equivalente. A teoria geral que rege tais transformações, conhecida como linearização global ou estendida,
está além do escopo deste texto. Contudo, em alguns casos especiais é possível obter modelos lineares equivalentes e utilizá-los
para discretização com bastante facilidade, sem recorrer à teoria geral. Estes incluem modelos que ocorrem frequentemente em
algumas aplicações. Apresentamos quatro casos onde a linearização estendida é bastante simples.
11.1.1 Linearização Estendida por Redefinição de Entrada

Considere o modelo não linear
ÿÿ ÿ
M( ) qqmqqv+ =( ( )t ), (11.4)
onde M(q) é uma matriz invertível m × m , e m, q e v são vetores m × 1. Uma escolha natural de variáveis de estado para o
sistema é o vetor 2m × 1
ÿ
x { = coluna xx 1 2 , } = { } , coluna qq (11.5)
Para obter dinâmica linear equivalente para o sistema, redefinimos o vetor de entrada como
ÿÿ
uq ( )t = (11.6)
Isso produz o conjunto de integradores duplos com equações de estado

ÿ
xx 1 2=
ÿ
xu2 = ( ) t (11.7)
ÿ
- 1
em ( t) M
= ( ) [ ( ) ÿ ( )] t qvmqq ,
A solução das equações de estado pode ser obtida pela transformação de Laplace,
e produz a equação de estado discreto
x ( ) k +1 = A kd B( )k+xu d() (11.8)

11.1 Discretização de Sistemas Não Lineares 417
com
2 2
ÿ EM
eu eu ÿ ÿ( ÿ
DE ) eu ÿ
Ad = Bé = (11.9)
0 ÿÿ
EU
eu ÿÿ ÿ DE eu ÿÿ
Com controle digital, a entrada é constante por partes e é obtida usando o modelo do sistema
em ( )kM k = humm
( ) kk 1( )( )2( ) + ( 1 , ( k) ) (11.10)
A expressão para a entrada v é aproximada porque assume que o estado não muda
sensivelmente durante um período de amostragem com uma entrada de aceleração fixa. A
aproximação só é aceitável para dinâmicas suficientemente lentas.
O modelo mostrado em (11.4) inclui muitos sistemas físicos importantes. Em particular, uma
grande classe de sistemas mecânicos, incluindo o manipulador mD.OF (grau de liberdade)
apresentado no Exemplo 7.4, está na forma (11.4). Lembre-se de que o manipulador é governado
pela equação de movimento
ÿÿ ÿ ÿ
VMqqqqqgq
+ ( (+)( ), = ) t (11.11)
onde
q = vetor de coordenadas generalizadas
M (q) = m × m matriz de inércia definida positiva
V(q,qÿ ) = matriz m × m de termos relacionados à velocidade
g (q) = vetor m × 1 de termos gravitacionais
t = m × 1 vetor de forças generalizadas
Claramente, a dinâmica do manipulador é um caso especial de (11.4). Quando aplicada a

manipuladores robóticos, a linearização estendida por redefinição de entrada é conhecida como
método de torque computado. Isso ocorre porque o torque é calculado a partir da aceleração se
estiverem disponíveis medições de posições e velocidades.
Exemplo 11.1
Encontre um modelo de tempo discreto para o manipulador robótico 2-DOF descrito no Exemplo
7.5 e encontre uma expressão para calcular o vetor de torque.
Solução
A dinâmica do manipulador é governada por
1+
ÿ ( 2 mmlmlmll )+1( ) q = ÿ ÿ2 22
2+2 212 porque +
(eu2 ) 222mlmll 212 porque ( eu
)2 ÿ
M
ml2 2 ÿÿ
ml +2 21 2 porque (eu)2 22ml
2
ÿ ÿ ÿ
EM (qqq
ÿ
, )=ÿÿ
ÿ
ÿ - ml2 1 2 pecado
(eu) (eu +2eu)
2 2
ÿ
1
eu2 ÿ
ÿ
ml2 1 2 pecado (eu)2 12eu ÿ
ÿ ( () )mm+
1q = gl 2
g ( eu
1 pecado) +1 m 2gl2 ( pecado eu1 ) +eu2 ÿ
ÿÿ m 2gl 2 ( pecado eu1 ) +eu2 ÿ

ÿ
T
Para este sistema o vetor de coordenadas q = [ÿ1 ÿ2] . Temos um sistema linear de quarta ordem de
a forma
ÿ
xx 1 2 ( )t t = ( )
xu
ÿ 2( )t t = ( )
T
11(
( ) = = [ t xq 1 xtxt12 ) ( )]
ÿ
T
( ) = = [ t xq 2 xtxt22
21 () ( )]
T
( ) = [ t 1(t )
você não t 2 (t ) ]
Como em (11.10), o torque é calculado usando a equação
t ( ) k= M
xu kk
1( V)( kkk
) ( ) )+( () 1+ (1() xxxx
)( ) , 2 () 2
k
11.1.2 Linearização Estendida por Entrada e Redefinição de Estado

Considere as equações de estado não lineares
ÿ
zfzz
1=( 1 1 ,2 )
ÿ
(11.12)
2 = ( zfzz
2 1 ,2 ) +G
( conv.
1 ,2 ) (t )
onde fi(.), i = 1, 2 e v são m × 1 e G é m × m. Redefinimos as variáveis de estado e

entrada como
xz1 1=
ÿ
xz2 1= (11.13)
ÿÿ
para
()= 1
As novas variáveis possuem a dinâmica linear de (11.7) e o modelo de tempo discreto de

(11.8).
Usando as equações de estado, podemos reescrever a nova entrada como
ÿ fzz
1 1 ,2 ) ÿfzz
1 1 ,2 )
em ( ( )t ( 1fzz 1 ,2 ()+ [ ( 2fzz 12 , ) +G
( z 1 ,2 ) ( ) v t ] (11.14)
=ÿ Com
1 ÿ Com
2
Resolvemos a entrada do sistema não linear no tempo k para obter

- 1
ÿ ÿ fzz
1 1 ,2 ) ÿ ÿ fzz
1 1 ,2 )
em ( ()k G ( zzu 1, 2 ) { ( k( ) ( 1fzz 1 , 2 )
=ÿÿ ÿ Com
2 ÿÿ ÿÿ Com
1
(11.15)
- ÿ fzz
(1ÿ 1 ,2 )
Com
2 ( 1 ,2
fzz )}
2
A expressão para a entrada v(k) é aproximada porque o estado do sistema muda ao

longo de um período de amostragem para uma entrada fixa u(k).
Exemplo 11.2
Discretize a equação diferencial não linear
1 2
ÿ1 = ÿ ( 2 z
Com
12 )
zzz = 4 - ÿ0
ÿ2 1 23ÿ105.zvzz
+ 2 , 1 , 2
Solução
Diferenciamos a primeira equação de estado para obter
-
ÿÿ ÿ ÿ
=-
zzzzzzz
1 1 22 1 12 2 2
=- 35 3 4zz - 2 2 2 =
. 1 2 1 .5 + zzzzvutz
1 2 1 2 ( ), 1
ÿ ÿ 0 0, z 2
Temos o modelo linear

ÿ
xx1 = 2
ÿ
tomada
2 =()
Isso fornece o modelo de tempo discreto equivalente

2
ÿ1 T ÿ ÿ( ÿ
T 2 ÿ )
( x k ) + =ÿ 1 ÿ x k em ( k
)
01 ÿÿ()+ ÿ T ÿÿ
com x(k) = [x1(k) x2(k)]T = [z1(k) z1(k + 1)]T . Se medições do estado real do sistema
estiverem disponíveis, então a entrada é calculada usando
3
()
Reino Unido
vk=( 3 .
) 5 ( ) zkzk 1 2(
.
) + 1 5 não. (2)( +) ( ) , Com
1
ÿ ÿ 0 0, z 2
2
não 1 2
11.1.3 Linearização Estendida por Diferenciação de Saída

Considere o modelo não linear de espaço de estados
ÿ
zfz( =) ( ) + Gt zv ()
(11.16)
=()
muitas felicidades
onde z e f são n × 1, v é m × 1, y é l × 1 e G é m × m. Se diferenciarmos cada equação de saída escalar e substituí-la

da equação de estado, teremos
c
= ÿ ( )isto
Com
você eu
ÿ
Com
dt ÿ Com
(11.17)
T
= ÿ()
c eu Com
[ fz
( ) + ( ) ( )]G=t vol eu 1,..., eu
ÿ Com
Denotamos a operação de diferenciação parcial em relação a um vetor e a multiplicação por sua

derivada por
ÿy
eu
x =x (11.18)
ÿ( )xÿ
Portanto, a derivada temporal de uma saída é equivalente à operação L yzÿ i.

R eu
Denotamos ri repetições desta operação pelo símbolo L y i . eu
Se o coeficiente do vetor de entrada v

T
ÿ c(eu) Com
T
G (z )0= (11.19)
ÿ Com
é diferente de zero, paramos para evitar diferenciação de entrada. Se o coeficiente for zero, repetimos o processo
até que o coeficiente se torne diferente de zero. Definimos uma entrada igual ao termo onde a entrada aparece
e escrevemos as equações de estado na forma
eu
você eu
d eu
= (fora
) eu
dt (11h20)
ut (L)yi=
eu
eu
eu eu , = ,...,1 eu
onde o número de derivadas ri necessárias para que a entrada apareça na expressão é conhecido
como i-ésimo grau relativo. O sistema linear está na forma de l
conjuntos de integradores, e sua ordem é
n
n eu = rn euÿ (11.21)
= ÿ1
eu
Como a ordem do modelo linear pode ser menor que a ordem original do sistema não linear n,
o modelo linear equivalente do sistema não linear pode ter dinâmica não observável. A dinâmica
não observável é conhecida como dinâmica interna
dinâmica ou dinâmica zero. Para que o modelo linear produza uma representação aceitável em
tempo discreto, é necessário que a dinâmica interna seja estável e suficientemente rápida para não
alterar significativamente a resposta temporal do sistema.
Sob estas condições, o modelo linear fornece uma descrição adequada, embora incompleta, da
dinâmica do sistema, e podemos discretizar cada um dos l subsistemas lineares para obter o modelo
geral de tempo discreto.
Exemplo 11.3
Considere um modelo de ligação ao receptor de drogas em um sistema de distribuição de drogas.

Presume-se que a droga esteja dividida em quatro compartimentos do corpo. As concentrações nos
quatro compartimentos são dadas por
= 11 1 +
ÿ1 zazazzbd 12 1 2 + 1
= 21 2
ÿ2 zazazzbd + 22 1 2 + 2
= 31 1 32 3+
zazaz
ÿ3
zaz = 2
41
ÿ4
onde d é a dose do medicamento, zi é a concentração no i-ésimo compartimento e aij são coeficientes

variantes no tempo. O segundo compartimento representa o complexo receptor da droga. Portanto, a equação
de saída é dada por
yz = 2
Obtenha um modelo linear equivalente por diferenciação de saída.
Solução
Diferenciamos a equação de saída uma vez
ÿ ÿ
== +
yzazazzbd
2 + 21 2 22 1 2 2
A derivada inclui a entrada e nenhuma diferenciação adicional é possível porque levaria a termos de derivada
de entrada.
O modelo do sistema linearizado é
ÿ
tomada
=()
utazazzbd
()= 21 2
+ 22 1 2
+ 2
É de primeira ordem, embora tenhamos uma planta de terceira ordem, e equivale apenas a parte da dinâmica
do sistema original. Assumimos que o sistema é detectável com dinâmica rápida e não observável, o que é
razoável para o sistema de administração de medicamentos. Conseqüentemente, o modelo linear fornece
uma descrição adequada do sistema, e obtemos o modelo de tempo discreto
( xkxk Tu k ) +1 = () + ()
A dose do medicamento é dada por
1
não=sei
[recusa ()ÿ() 21 2 ( ) + ( )22( 1)] 2
b2
11.1.4 Linearização Estendida Usando Condições de Correspondência
O teorema a seguir fornece a solução analítica em um caso especial onde um modelo linear equivalente pode
ser obtido para um sistema não linear por uma simples transformação de estado.
Teorema 11.1: Para o sistema de (11.1), deixe B(x) e f(x) satisfazerem as condições de correspondência
B ( x) = ( BB1 x ) 2
(11.22)
efeitos
()= NÃO
( ) xhx
1 ()
onde B1(x) é uma matriz n × n invertível em alguma região D, B2 é um vetor constante n × m , A é uma
matriz n × n e h(x) tem a derivada dada por
ÿ hx( ) 1
= [ ( B1 x ] ) - (11.23)
ÿx
com h(.) invertível na região D. Então a solução de (11.1) sobre D é
( )t( =)( )
ÿ1
xhw t (11.24)
onde w é a solução da equação linear
+ ÿ (=)t
Uau A t (B)t 2 ( ) (11h25)
Prova. De (11.24), w = h(x). Diferenciando em relação ao tempo e substituindo

de (11.1) e (11.22) dá
ÿ hx( ) ÿ
-
o que = x = B1 [
1
] ( ) { ( ) + ( ) xfxxBB1 2 }
ÿ x
= (A) eh
+ B2
= +ABvocê 2 ÿ
Observe que, se a decomposição do Teorema 11.1 for possível, não precisamos resolver uma
equação diferencial parcial para obter a função vetorial h(x), mas precisamos encontrar sua função
inversa para obter o vetor x. A solução de uma equação diferencial parcial é um requisito comum para a
obtenção de transformações de sistemas não lineares para dinâmica linear que podem ser evitadas em
casos especiais.
A solução da equação de estado para w durante qualquer período de amostragem T é
Em( ) k A kem
B k( +1
) += wu Em ( )
onde
T
A Em
eB = NO
, e ABt d 2 t
Em
=ÿ0
Esta é uma equação discreta de espaço de estados para o sistema não linear original.
Exemplo 11.4
Discretize a equação diferencial não linear

ÿ
2
ÿ
x 1ÿ 1ÿ ÿ( xx 12 ) ÿ ÿ 0 ÿ
ux ,1 ÿ 0, x2 ÿ 0
- 3x
ÿ
ÿ+
x 2ÿÿ= 2 8ÿ ÿ ( 3
1 2) +
ÿÿ 3 xxx 2 ÿ ÿÿ 2 ÿÿ
Solução
Assumindo uma entrada constante por partes você, reescrevemos a equação não linear como
- 1
ÿ
2 - 1
ÿ
x 1ÿ ÿx 1
0 ÿ ÿÿ ÿ ÿ- x 1 ÿ ÿ0 ÿ ÿ
- x 3 0ÿ - 4 3
()
Reino Unido
2 ÿ+ 1
ÿ
- ÿ
x 0 2
ÿx
ÿ
ÿÿ 2ÿÿÿ=ÿ 2 ÿÿ ÿÿ ÿÿÿ
2 ÿÿÿÿÿ ÿ
Para aplicar o Teorema 11.1, definimos os termos
2
ÿx 1 0 ÿ ÿ0 ÿ
B 1( ) x = B2 =
ÿ - 3x
ÿ 0 2 ÿÿ
1 ÿÿ ÿÿ
- 1 -
ÿ 01 ÿ ÿ- x 1 ÿ
A = h ( x) = ÿ
- 43 2 -
ÿ x 2 2ÿ
ÿ
ÿÿ ÿÿ
Verificamos que o Jacobiano do vetor satisfaz

- 2
ÿ h ( ) x ÿ ÿ hxhx
ÿ1ÿ ÿ 1 1 2 ÿ - ÿx 1 0 ÿ
= B 1] x( ) = ÿ1 ÿ
ÿx ÿ hxhx
ÿ2ÿ ÿ 0 - -
x 2 ÿ3 ÿ
ÿÿ 1 2 2ÿÿ=[
e verifique se o Teorema 11.1 se aplica.

Primeiro resolvemos a equação de estado linear
-
ÿ
ÿ Em1 ÿ ÿ 01 ÿ ÿ Em1 ÿ ÿ0 ÿ
Reino Unido
Em ÿ ÿ = ÿ ÿ -
ÿ
ÿÿ 2 43 ÿÿ ÿÿ
Em ÿ ÿ + ÿ ÿ
2
1ÿ ÿ ( )
obter
-
ÿ ( semana
1 ) +1 ÿ 1 ÿ 1 1ÿ T ÿ4 1 ÿ - ÿ ( semana
1
)ÿ
e4 e
T
-
+1 2( ) ÿ ÿ +
ÿÿ ( semana
2 ) ÿÿ= 5 ÿÿ
44 ÿÿ+ÿÿ ÿÿ41 ÿÿ
semana
1 ÿÿ 1ÿ e
4T - 1 ÿ 1ÿ
{{ + 1 } )Teuk
ÿ}
- T
()
5 ÿÿ
4 ÿÿ
4 1( ÿ ÿ ÿÿ
onde w(k) = h[x(k)], k = 0, 1, 2, . . . Agora temos a recursão

-
ÿ ( semana
1 ) +1 ÿ 1 ÿ 1 1ÿ T ÿ4 1 ÿ - ÿ ( semana
1
)ÿ
e4 e
T
-
+1 2( ) ÿ ÿ +
ÿÿ ( semana
2 ) ÿÿ= 5 ÿÿ
44 ÿÿ+ÿÿ ÿÿ41 ÿÿ
semana
1 ÿÿ 1ÿ e
4T - 1 ÿ 1ÿ
{{ + 1 } )Teuk
ÿ}
- T
()
5 ÿÿ
4 ÿÿ
4 1( ÿ ÿ ÿÿ
Usando o inverso da função, resolvemos o estado
=- 12
( xk
1 ) +1 1 semana + (1
1), ( xk 1
2 )+=±
semana
+ ( )(21) 2 1
o que é claramente não único. Contudo, seria possível selecionar a solução apropriada porque as mudanças na
variável de estado não deveriam ser grandes durante um curto período de amostragem. Para um determinado
período de amostragem T, podemos obter uma recursão não linear discreta para x(k).
É óbvio pelo exemplo anterior que a análise de sistemas de tempo discreto baseados em sistemas
analógicos não lineares só é possível em casos especiais. Além disso, a transformação é sensível a
erros no modelo do sistema. Concluímos que esta muitas vezes não é uma abordagem prática para o
projeto de sistemas de controle. No entanto, a maioria dos sistemas de controle não linear são hoje
implementados digitalmente, mesmo que baseados em um projeto analógico. Portanto, voltamos à
discussão do sistema (11.1) com o controle (11.2) na Seção 11.4.
11.2 Equações de diferenças não lineares

Para um sistema não linear com DAC e ADC, a identificação do sistema pode produzir diretamente
um modelo de tempo discreto. Um modelo de tempo discreto também pode ser obtido
analiticamente em alguns casos especiais, conforme discutido na Seção 11.1. Portanto, temos
uma equação de diferenças não lineares para descrever um sistema não linear de tempo discreto.
Infelizmente, equações de diferenças não lineares podem ser resolvidas analiticamente apenas
em alguns casos especiais. Discutimos um caso especial em que tais soluções estão disponíveis.
11.2.1 Transformação Logarítmica

Considere a equação de diferença não linear
an a n- a
[ ) +(] ( ) + ÿ ] yknykn
[ 1 ... [ ] ( ) = ( )0sim
1
Reino Unido (11.26)
onde ai, i = 0, 1,…, n são constantes. Então pegando o logaritmo natural de (11.26)
dá
( )++
a n não a nÿ1 (xkn +- ) 1 ... + a 0xkvk
()= () (11.27)
com x(k + i) = ln[y(k + i)], i = 0, 1, 2,…, n e v(k) = ln[u(k)]. Esta é uma equação de diferença linear que pode
ser facilmente resolvida pela transformação z. Finalmente, obtemos
( xk )
ela( ) = (11.28)
Exemplo 11.5
Resolva a equação de diferença não linear
5 4
[ [(ykykykuk
)+2][(])+ 1 ]()=()
com zero condições iniciais e a entrada
ÿ10 k
semana
()=
Solução
Tomando o logaritmo natural da equação, obtemos
xk( ) + 2 5+ xk+ ( 1 4 () )+= -xk 10 mil
A transformada z da equação
- 10 Com
[zz2X z] +5 +4 ()= 2
( Com
) -1
produz X(z) como
- 10 Com
X z( )= 2
( ) ÿ ( ) + ( 1 1 zzz 4)+
11.3 Equilíbrio de Sistemas Não Lineares de Tempo Discreto 425
A transformação z inversa fornece a função de tempo discreto
xmm . 4() -
ÿ ( () )+=0ÿ7+0 8333. 1 0 1333
k
. - k
, kÿ 0
Portanto, a solução da equação de diferenças não lineares é

k k
. 1333 4 (ÿ-)+ ÿ+
k 0 7 0 .8333 1 0 . ÿ( ) kÿ0
ela( ) = ,
11.3 Equilíbrio de Sistemas Não Lineares de Tempo Discreto

O equilíbrio é definido como uma condição na qual um sistema permanece indefinidamente, a
menos que seja perturbado. Se um sistema de tempo discreto é descrito pela equação de
diferenças não lineares
x ( ) k=+1
[ fx ] ( +) [ k B kk ( ) xu ]() (11.29)
então, em um equilíbrio, é governado pela identidade
[ xfx
e = e ] + B [ xu] e ( k) (11h30)
onde xe denota o estado de equilíbrio. Estamos tipicamente interessados no equilíbrio de um

sistema não forçado e, portanto, reescrevemos a condição de equilíbrio (11.30) como
[ xfx
e = e ] (11.31)
Em matemática, tal ponto de equilíbrio é conhecido como ponto fixo.

Observe que o comportamento do sistema nas proximidades do seu ponto de equilíbrio
determina se classificamos o equilíbrio como estável ou instável. Para um equilíbrio estável,
esperamos que as trajetórias do sistema permaneçam arbitrariamente próximas ou
convirjam para o equilíbrio. Ao contrário dos sistemas de tempo contínuo, a convergência
para um ponto de equilíbrio pode ocorrer após um período de tempo finito.
Claramente, tanto (11.30) como (11.31), em geral, têm mais de uma solução, de
modo que sistemas não lineares frequentemente têm vários pontos de equilíbrio. Isso é
demonstrado no exemplo a seguir.
Exemplo 11.6
Encontre os pontos de equilíbrio do sistema não linear de tempo discreto
ÿ xk1( ) +1 ÿ ÿ xk2 ( ) ÿ
ÿÿ
xk2 ( ) +1 ÿÿ=ÿÿ xk13 ( ) ÿÿ
Solução
Os pontos de equilíbrio são determinados a partir da condição
ÿ xk1( ) ÿ ÿ xk2 ( ) ÿ
ÿÿ
xk2 ( ) ÿÿ=ÿÿ xk13 () ÿÿ
ou equivalente,
132 xkxkxk ( )1 = ( ) = ( )
Assim, o sistema possui os três pontos de equilíbrio: (0, 0), (1, 1) e (ÿ1, ÿ1).
Para caracterizar os pontos de equilíbrio, precisamos da seguinte definição.
Definição 11.1: Contração. Uma função f(x) é conhecida como contração se satisfaz
( fxy ) ÿ ÿ a xy- , a 1< (11.32)
onde a é conhecido como constante de contração e ||.|| é qualquer norma vetorial. ÿ
O teorema a seguir fornece condições para a existência de um ponto de equilíbrio

para um sistema de tempo discreto.
Teorema 11.2: Uma contração f(x) tem um único ponto fixo. ÿ
Exemplo 11.7
Determine se o seguinte sistema não linear de tempo discreto converge para a origem
( x k ) + = [ af xk
()]1 , k = 0 ,1, ,...
2
[ ]()<()
fxkkxkaa , <1
Solução
Temos a desigualdade
x( ) k +1
[ ]=
( ) < ( ) ÿ ( ) , de xkaxkaxkk = 0 1 2 a , , ,..., a 1<
Portanto, o sistema converge para um ponto fixo na origem quando k ÿ ÿ.
Se um sistema de tempo contínuo for discretizado, então todos os seus pontos

de equilíbrio serão pontos de equilíbrio do sistema de tempo discreto. Isso ocorre
porque a discretização corresponde à solução da equação diferencial que rege o
sistema original nos pontos amostrais. Como o sistema analógico em equilíbrio
permanece lá, o sistema discretizado terá o mesmo comportamento e, portanto, o
mesmo equilíbrio.
11.4 Teoria da Estabilidade de Lyapunov
A teoria da estabilidade de Lyapunov baseia-se na ideia de que num equilíbrio estável,

a energia do sistema tem um mínimo local, enquanto que num equilíbrio instável, está
no máximo. Esta propriedade não se restringe à energia e é, na verdade, partilhada por
11.4 Teoria da Estabilidade de Lyapunov 427
uma classe de função que depende da dinâmica do sistema. Chamamos essas funções de funções de
Lyapunov.
11.4.1 Funções de Lyapunov

Se uma função de Lyapunov puder ser encontrada para um ponto de equilíbrio, então ela poderá ser
usada para determinar sua estabilidade ou instabilidade. Isto é particularmente simples para sistemas
lineares, mas pode ser complicado para um sistema não linear.
Começamos examinando as propriedades das funções de energia que precisamos para
generalize e retenha para uma função de Lyapunov. Observamos o seguinte:
ÿ A energia é uma quantidade não negativa.

ÿ A energia muda continuamente com os seus argumentos.
Chamamos funções que são positivas, exceto na origem, definidas como positivas. Fornecemos uma
definição formal desta propriedade.
Definição 11.2: Uma função escalar contínua V(x) é considerada positiva definida se
ÿ V(0) = 0.
ÿ V(x) > 0 para qualquer x diferente de zero. ÿ
Definições semelhantes também são úteis quando o sinal de maior que na segunda condição é
substituído por outras desigualdades com todas as outras propriedades inalteradas.
Assim, podemos definir funções semidefinidas positivas (ÿ), definidas negativas (<) e semidefinidas
negativas (ÿ). Se nenhuma destas definições se aplicar, a função é considerada indefinida. A
definição 11.2 pode ser válida localmente, e então a função é chamada localmente definida positiva,
ou globalmente, caso em que é globalmente
Positivo definitivo. Da mesma forma, caracterizamos outras propriedades, como a definição negativa,
como locais ou globais.
Uma escolha comum de função definida é a forma quadrática xT Px. O sinal da forma quadrática
é determinado pelos autovalores da matriz P (ver Apêndice III). A forma quadrática é definida positiva
se a matriz P for definida positiva, caso em que seus autovalores são todos positivos. Da mesma forma,
podemos caracterizar a forma quadrática como definida negativa se os autovalores de P forem todos
negativos, semidefinida positiva se os autovalores de P forem positivos ou zero, semidefinida negativa
se negativo ou zero, e indefinida se P tiver autovalores positivos e negativos.
Definição 11.3: Uma função escalar V(x) é uma função de Lyapunov em uma região D se
satisfizer as seguintes condições em D:
ÿ É positivo definido.
ÿ Ela diminui ao longo das trajetórias do sistema, ou seja,
ÿV k(V) =
k + x( )(
ÿ x(
) 1)( ) < Va0 , k = 0 ,1 2, ,... (11.33)
ÿ
A definição anterior é usada em teoremas de estabilidade local. Para provar a estabilidade

global, precisamos de uma condição adicional, além de estender as duas listadas anteriormente.
As formas quadráticas são uma escolha comum da função de Lyapunov devido às
suas propriedades matemáticas simples. No entanto, muitas vezes é preferível usar outras
funções de Lyapunov com propriedades adaptadas para atender ao problema específico.
Listamos agora as propriedades matemáticas das funções de Lyapunov.
Definição 11.4: Uma função escalar V(x) é uma função de Lyapunov se satisfizer as seguintes
condições:
ÿ É positivo definido.
ÿ Diminui ao longo das trajetórias do sistema.
ÿ É radialmente ilimitado (ou seja, satisfaz uniformemente).
V k x( )( ) ÿ ÿ, como x( ) k ÿ ÿ (11.34)
ÿ
Esta última condição garante que sempre que a função V permanecer limitada, o vetor
de estado também permanecerá limitado. A condição deve ser satisfeita independentemente
de como a norma do vetor de estado cresce ilimitadamente, de modo que um valor finito de V
sempre pode ser associado a um estado finito. Observe que, diferentemente da Definição
11.3, a Definição 11.4 exige que a primeira e a segunda condições sejam satisfeitas globalmente.
11.4.2 Teoremas de Estabilidade
Fornecemos algumas condições suficientes para a estabilidade de sistemas não lineares de tempo
discreto; então especializamos nossos resultados em sistemas lineares invariantes no tempo.
Teorema 11.3: O ponto de equilíbrio x = 0 do sistema não linear de tempo discreto
x ( ) k=+1
[ efeitos] kk
() =
, 012 , , ,... (11h35)
é assintoticamente estável se existir uma função de Lyapunov definida localmente positiva para
o sistema que satisfaz a Definição 11.3.
Prova. Para qualquer movimento ao longo das trajetórias do sistema, temos
ÿV k (V) k= +xx
( )( ) ÿ ( 1)( ) Tinta
( - k = 0 ,1, 2,...
= (V[ fx
para
()) ÿ] V
( [para
fx) 1 ]0) ) < ,
Isto implica que à medida que o movimento avança o valor de V diminui continuamente.
No entanto, como V é limitado abaixo de zero, ele converge para zero. Como V é apenas zero para
argumento zero, o estado do sistema deve convergir para zero. ÿ
Exemplo 11.8
Investigue a estabilidade do sistema usando a abordagem de estabilidade de Lyapunov

2
( xk
1 )+= . xk1(ÿ )1 0 2 0 .08 xk2 ( )
( xk ÿ 0() 3xkxkk.
2 ) + =1 1 2( ) =, 0 ,1 2, ,...
Solução
Observamos primeiro que o sistema tem um ponto de equilíbrio na origem. Selecionamos a função quadrática
de Lyapunov
T
EM ( ) xxx = PP , = { } 1,diag.
p 1
Observe que a entrada da unidade simplifica a notação sem afetar os resultados porque a forma da função
permanece inalterada se for multiplicada por qualquer escalar positivo p2.
A diferença correspondente é
2 2 2 2 2
0 08 xkxk 11
kpxk ( ) ÿ( )0=2ÿV {[ . 1 .
2( )] ÿ ( )} + ÿ[ (
0 3. xkxk12 ) ( )] ÿ xk 2 ( )}
2 2 2
=- ()
. 96+ 1pxk
{0 12 ( ) 0 .09 xk1 ( ) ÿ 0 032
. pxk .
1 1 { ( ) + 0.0064 )ÿ} 1
1 2 ( kkk
pixels 2
k = 0 ,1 2, ,...
A diferença permanece negativa desde que o termo entre colchetes seja negativo. Restringimos a magnitude
de x2(k) a menos de 12,5 (a raiz quadrada do inverso de 0,0064) e então simplificamos a condição para 9x
2 .
1(k) – 3,2p1x1(k) + 100(p1 – 1) < 0,k = 0,1,2, . .
Escolher um valor muito pequeno, mas positivo, para p1 torna os dois termos intermediários insignificantes.
Isso deixa dois termos negativos para valores de x1 de magnitude menor que 3,33. Por exemplo, um gráfico do
LHS da desigualdade para p1 verifica que ela é negativa no intervalo x1 selecionado . Assim, a diferença
permanece negativa para condições iniciais que estão dentro de um círculo de raio aproximadamente igual a
3,33 centrado na origem. Pelo Teorema 11.3, concluímos que o sistema é assintoticamente estável na região ||
x|| < 3,33.
O sistema é realmente estável fora desta região, mas a nossa escolha da função de Lyapunov
não podemos fornecer uma estimativa melhor da região de estabilidade do que a que obtivemos.
Para estabilidade assintótica global, o sistema deve ter um ponto de equilíbrio

único. Caso contrário, começar em outro ponto de equilíbrio impede que o sistema
convirja para outro estado de equilíbrio. Podemos, portanto, dizer que um sistema é
globalmente assintoticamente estável e não apenas o seu ponto de equilíbrio. O
teorema a seguir fornece uma condição suficiente para a estabilidade assintótica global.
Teorema 11.4: O sistema não linear de tempo discreto
x ( ) k=+1
[ efeitos] kk
() =
, 012 , , ,... (11.36)
com equilíbrio x(0) = 0 é globalmente assintoticamente estável se existir uma função de Lyapunov definida
globalmente positiva e radialmente ilimitada para o sistema que satisfaz a Definição 11.4.
Prova. A prova é semelhante à do Teorema 11.3 e os detalhes são omitidos. A condição de ilimitação radial
garante que o estado do sistema convergirá para zero com a função de Lyapunov.
ÿ
Os resultados desta seção exigem que a diferença ÿV da função de Lyapunov seja

negativa definida. Em alguns casos, esta condição pode ser relaxada para negativo
semidefinido. Em particular, se os valores diferentes de zero do vetor x para os quais ÿV

é zero são aqueles que nunca são alcançados pelo sistema, então eles não têm impacto
na análise de estabilidade. Isso leva ao seguinte resultado.
Corolário 11.1: O ponto de equilíbrio x = 0 do sistema não linear de tempo discreto de (11.36) é
assintoticamente estável se existir uma função de Lyapunov definida localmente positiva com diferença
semidefinida negativa ÿV(k) para todo k para o sistema e com ÿV( k) zero apenas para x = 0.
Observe que os teoremas anteriores fornecem apenas uma condição de estabilidade suficiente.
Assim, a falha no teste de estabilidade não prova instabilidade. No caso linear invariante
no tempo, um resultado muito mais forte está disponível.
11.4.3 Taxa de Convergência

Em alguns casos, podemos usar uma função de Lyapunov para determinar a taxa de convergência do
sistema para a origem. Em particular, se pudermos reescrever a diferença da função de Lyapunov na
forma
( ) ÿ ÿ x( )( ),a0 ÿV k V k 1 < < a (11.37)
substituindo a diferença dá a recursão
Vk x( )( ) +1 1 ÿ ÿ ( a ) V( k)(x) (11.38)
O limite superior da constante a garante que V é definido positivo. A solução da equação de diferença é
Emx(1 )( )ÿÿ( )( ) )0 x
a ( Vk (11.39)
Se V for uma função de Lyapunov, então ela converge para zero com o estado do sistema e sua
taxa de convergência nos permite estimar a taxa de convergência para o ponto de equilíbrio. Se, além
disso , V for uma forma quadrática, então a taxa de convergência do estado é a raiz quadrada daquela
de V.
Exemplo 11.9
Suponha que a forma quadrática xT x seja uma função de Lyapunov para um sistema de tempo discreto com
diferença
2
ÿVk ( ) = ÿ0 25 . x ()k - 0 .5 x ( ) < k4 0
Caracterize a convergência das trajetórias do sistema até a origem.
Solução
2 - 0 .5 4 2 = 25.
ÿVk ( ) = ÿ0 25 . x ()k x ( 25
)ÿÿk0 . x ()k Vk( xk
)( ) 0
k
V kx(1 )( ) <0.ÿx (
0 25 ) EM ( )( )
2 2
x k( ) < 0 75 0. xk ()
x k( ) ÿ 0 866 0. ( ) xk
As trajetórias do sistema convergem para a origem exponencialmente com taxa de convergência superior a 0,5.
11.4.4 Estabilidade Lyapunov de Sistemas Lineares
Os resultados de estabilidade de Lyapunov normalmente nos fornecem condições suficientes. O

não cumprimento das condições de um teste de Lyapunov deixa-nos sem conclusão e com a
necessidade de repetir o teste utilizando uma função de Lyapunov diferente ou de tentar um
teste diferente. Para sistemas lineares, a estabilidade de Lyapunov pode nos fornecer condições
de estabilidade necessárias e suficientes.
Teorema 11.5: O sistema linear de tempo discreto invariante no tempo
x( +1
0 1= 2d x( ), ) k A kk = , , ,... (11h40)
é assintoticamente estável se e somente se para qualquer matriz definida positiva Q, existe uma
única solução definida positiva P para a equação discreta de Lyapunov
Um
Td PAdPQ
ÿ=ÿ
(11.41)
Prova. Eliminamos o subscrito d por questões de brevidade.
Suficiência
Considere a função Lyapunov
T
V k=xxx
(( )() k) P k ( )
com P uma matriz definida positiva. A função Lyapunov muda ao longo das trajetórias do sistema seguindo
k + ( )(()x)ÿ ( )
ÿV k(V) = 1 x
Tinta
T T T
= (x)[ k A PA P k ]- x ( ) = ÿ ( ) xx
( ) <k Q k 0
Portanto, o sistema é estável pelo Teorema 11.3.
Necessidade
Primeiro mostramos que a solução da equação de Lyapunov é dada por
ÿ
Tk k
= ( )de qualidade da PA
Controle
kÿ0=
Isto é facilmente verificado por substituição na equação de Lyapunov e depois alterando o índice de soma da seguinte
forma:
ÿ ÿ ÿ ÿ
ÿ k ÿ
AT ÿ(
Tk
)
Um controle de qualidade AA ÿ
Tk
)
Controle de qualidade
k
=()
Tjÿ
Um controle de qualidade
j
ÿ (ÿ
Tk
)
k =-
P
ÿ ÿk = 0 ÿ ÿ ÿ ( k =0 j =1 k =0
Para mostrar que para qualquer definido positivo Q, P é definido positivo, considere a forma quadrática
xxx P
T
=ÿ TT k
( )
k
x
k =0
ÿ
= xxyy
T
Q +ÿ P
Tk k
k =0
Para Q definido positivo , o primeiro termo é positivo para qualquer x diferente de zero e os outros termos
são não negativos. Segue-se que P é positivo definido.
Deixe o sistema ser estável, mas para algum Q definido positivo não há solução finita
P para a equação de Lyapunov. Mostramos que isso leva a uma contradição.
Lembre-se de que a matriz de transição de estado do sistema discreto pode ser escrita como
Ok = ÿ eueu
eu (11.42)
k =1
Usamos qualquer norma matricial para obter a desigualdade
AAk = ( Tk
)ÿ n-Z máx.
eumáx.
k
= tudo k
máximo ,
kÿ0
Para um sistema estável, temos

ÿ ÿ
P () ÿ=
Tk
k
ÿ() ÿ AQA
Tk k
k =0 k =0
ÿ 2
a
ÿ ÿ 22 k
Lamáx. P =
2k
1 - eumáx.
P
k =0
Isso contradiz a suposição e estabelece a necessidade.
Singularidade
Seja P1 uma segunda solução da equação de Lyapunov. Então podemos escrevê-lo na forma de soma
infinita incluindo Q, e então substituir Q em termos de P usando a equação de Lyapunov. Isso produz a
equação
ÿ ÿ
= (ÿ = ÿ (ÿ
Tk
Controle
1 ) da PA k
de qualidade AATkT)PA
[ PA PA] - k
k =0 k =0
ÿ ÿ
= ÿ ÿ(
T
)
E FECHAR
+ (ÿ A T ) PA kP=
j =1 k =0
ÿ
Tal como no caso não linear, é possível relaxar a condição de estabilidade da seguinte forma.
Corolário 11.2: O sistema linear de tempo discreto invariante no tempo de (11.40) é

assintoticamente estável se e somente se para qualquer par detectável (Ad, C),
existe uma única solução definida positiva P para a equação discreta de Lyapunov
T
E TdPA PCC
d
ÿ=ÿ
(11.43)
Prova. A prova segue os mesmos passos do teorema. Mostramos apenas que valores zero
da diferença não afetam a estabilidade. Primeiro obtemos
V k x ( ) = ÿV k + ( )( ) ÿ 1 (x)(
Tinta )
T T
= ( )[x k A PA P k ] ÿ ( ) x
T T T
= ÿ (x) k CC
k x ()=- e ( ÿ) (0) kk y
Supõe-se implicitamente que o sistema é observável, então y é zero apenas se x for zero.
Se o sistema for apenas detectável, então os únicos valores diferentes de zero de x para os quais y é
zero são aqueles que correspondem a uma dinâmica estável e podem ser ignorados na nossa análise de
estabilidade. ÿ
Embora o uso de uma matriz semidefinida no teste de estabilidade possa simplificar

o cálculo, a verificação da detectabilidade do sistema (garantida pela observabilidade)
elimina o ganho da simplificação. No entanto, o corolário é de interesse teórico e ajuda a
esclarecer as propriedades da equação discreta de Lyapunov.
A equação discreta de Lyapunov é claramente uma equação linear na matriz P,

e reorganizando os termos podemos escrevê-lo como um sistema linear de equações.
O sistema linear equivalente envolve um vetor n2 × 1 de entradas desconhecidas de P
obtido usando a operação
st P( ) = { coluna
ppp 1,
2 ..., n }
P = [ pp1 2
ÿ
p n ]
A matriz de coeficientes n2 × n2 do sistema linear é obtida usando o produto de
matrizes de Kronecker. Nesta operação, cada entrada da primeira matriz é substituída
pela segunda matriz escalonada pela entrada original. O produto Kronecker é assim
definido por
AB ÿ
aB= ij[ ] (11.44)
Pode-se mostrar que a equação de Lyapunov é equivalente ao sistema linear
eupq = -
p = (st) P (11h45)
= ÿ ÿ Tÿ
LAII T
Como os autovalores de qualquer matriz são idênticos aos de sua transposta, o

A equação de Lyapunov pode ser escrita na forma
d PA dT
Um PQ ÿ=ÿ (11.46)
A primeira forma da equação de Lyapunov de (11.43) é a forma do controlador,

enquanto a segunda forma de (11.46) é conhecida como a forma do observador.
11.4.5 MATLAB
Para resolver a equação discreta de Lyapunov usando MATLAB usamos o comando dlyap. O comando
resolve a forma de observador da equação de Lyapunov.
>> P = dlyap (A, Q)
Para resolver o sistema linear equivalente, usamos o produto de Kronecker e o comando
>> coroa (Aÿ, Aÿ)
Exemplo 11.10
Use a abordagem de Lyapunov com Q = I3 para determinar a estabilidade do sistema linear invariante no
tempo
( - -
ÿÿ
xk 1 ) +1
ÿÿ ÿ . 02 0 2 0 4 ÿ .ÿ ÿ ÿ ÿ ÿ. ÿ ÿ 1(ÿ) 2ÿ xk ÿ
( ) xk
( = ÿ ÿ0 .5 0 0 4 0 5
ÿ ÿ ÿ ÿ ÿÿ
xk 2 ) +1 1 ( ) xk 3
( - -
ÿÿÿ
xk 3 ÿ ÿ 1ÿ ) + 0 . .
É possível investigar a estabilidade do sistema usando Q = diag{0, 0, 1}?
Solução
Usando MATLAB, obtemos a solução da seguinte forma
>> P = dlyap(A, Q) % Forma observadora da equação de Lyapunov
1 .5960 0 5666 0. 0022 .
P = 0 .5666 3 0273 0. 6621 - .

- 1. 6261
0 .0022 0 6621 .
>> eig(P) % Verifique os sinais dos autovalores de P
1 .1959
anos = 1 .6114
3 .4421
Como os autovalores de P são todos positivos, a matriz é positiva definida e o sistema é assintoticamente
estável.
Para Q = diag{0, 0, 1} = CT C, com C =[0, 0, 1], verificamos a observabilidade do par
(A, C) usando MATLAB e o teste de classificação
>> rank(obsv(a,[0, 0, 1])) % obsv calcula a matriz de observabilidade
anos = 3
A matriz de observabilidade é de classificação completa e o sistema é observável. Assim, podemos utilizar

a matriz para verificar a estabilidade do sistema.
11.4.6 Método de Linearização de Lyapunov
É possível caracterizar a estabilidade de um equilíbrio para um sistema não linear examinando seu
comportamento aproximadamente linear nas proximidades do equilíbrio.
Sem perda de generalidade, assumimos que o equilíbrio está na origem e reescrevemos a equação de
estado na forma
[]() k
ÿ efeitos
x (k ) + = 1 + [ fx
2 ] kkkkk
(), = 0 ,1 2, ,... (11.47)
ÿ() x k x (k)= 0
onde f2[.] é uma função que inclui todos os termos de ordem superior a um. Então reescrevemos a
equação na forma
x ( ) + =1( ) + [O] (k)xfx

k 2 kkkkk
, = 0 ,1 2, ,...
[ ÿ ( ] )k
ÿ efeitos (11.48)
A =
( )xk x (k)= 0
Nas proximidades da origem o comportamento é aproximadamente o mesmo do sistema linear
x ( ) k=+1
() Akx (11.49)
Este facto intuitivo pode ser justificado de forma mais rigorosa utilizando a teoria da estabilidade de
Lyapunov, mas omitimos a prova. Assim, o equilíbrio é estável se a aproximação linear for estável e
instável se a aproximação linear for instável.
Se o sistema linear (11.49) tem um autovalor no círculo unitário, então a estabilidade do sistema não linear
não pode ser determinada apenas pela aproximação de primeira ordem. Isso ocorre porque termos de ordem
superior podem tornar o sistema não linear estável ou instável. Com base em nossa discussão, temos o
seguinte teorema.
Teorema 11.6: O ponto de equilíbrio do sistema de (11.49) é o seguinte:

ÿ Assintoticamente estável se todos os autovalores de A estiverem dentro do círculo unitário.
ÿ Instável se um ou mais dos autovalores estiverem fora do círculo unitário.
ÿ Se A tiver um ou mais autovalores no círculo unitário, então a estabilidade do sistema não linear não
pode ser determinada a partir da aproximação linear. ÿ
Exemplo 11.11
Mostre que a origem é um equilíbrio instável para o sistema

2
xk1 (1 2)xk
+ 0=08( ) +1 ( ) . xk2
xk2 (1 )xk+0=1 (xk) 0+13( ) + ( ). 2 . xkx

1 2 ( ) kkkkk
, = , ,...0
, 12
Solução
Primeiro reescrevemos as equações de estado na forma
ÿ ( xk
1
1
) +ÿ ÿ2 0 ÿ ÿ xk1 ( ) ÿ ÿ 0 .08 xk22 ( ) ÿ
, k = 0 ,1, 2,...
ÿÿ ( xk
2 ) +1 ÿÿ=ÿÿ 101. ÿÿ ÿÿ
xk2 ( ) ÿ ÿ + ÿ ÿ ÿ 0 .3 xkxk
1( ) ( )2 ÿ
A matriz de estado A da aproximação linear tem um autovalor = 2 > 1. Portanto, o

origem é um equilíbrio instável do sistema não linear.
11.4.7 Teoremas de Instabilidade

A fraqueza da abordagem de Lyapunov para a investigação da estabilidade não linear
é que ela apenas fornece condições de estabilidade suficientes. Embora não existam
condições necessárias e suficientes, é possível derivar condições de instabilidade e
utilizá-las para testar o sistema se não for possível estabelecer a sua estabilidade.
Claramente, o fracasso de ambas as condições suficientes é inconclusivo e é apenas
no caso linear que temos a condição necessária e suficiente mais forte.
Teorema 11.7: O ponto de equilíbrio x = 0 do sistema não linear de tempo discreto
x ( ) k=+1
[ efeitos] kk
() =
, 012 , , ,... (11h50)
é instável se existir uma função localmente positiva para o sistema com mudanças definidas
localmente uniformemente positivas ao longo das trajetórias do sistema.
Prova. Para qualquer movimento ao longo das trajetórias do sistema, temos

ÿV k (V) k= V k +xx
( )( ) ÿ (1 )( )
= (( [Vfxk())Vÿ] k( [ fx)
-
1 ]0) ) > , k = 0 ,1, 2,...
Isto implica que à medida que o movimento avança, o valor de V aumenta continuamente.
No entanto, como V é apenas zero com argumento zero, as trajetórias do sistema nunca convergirão para
o equilíbrio na origem e o equilíbrio é instável. ÿ
Exemplo 11.12
Mostre que a origem é um equilíbrio instável para o sistema
( xkxk
1 ) + 1= ÿ () + 2 1
0 .08 xk22 ( )
( xk 103 .
2 ) + = xkxkxkk 1 ( ) ( ) +2 ( ) = 2 2 , 0 , , ,...1 2
Solução
Escolha a função Lyapunov
EM ( ) xxx =
T
PP , = { } 1,diag.
p 1
A diferença correspondente é dada por

2 2
ÿV kpxk {[ -
( ) =( ) + 0 108 . xk2 1
2
xk
2
2( )] ÿ ( )} + 1{[0 3. 1( ) ( ) +2( 2 xkxkxk 2 )] ÿ ( )}xk2
2
2 2
=
+01
0912 . ( ) + 0 0064
xk24 { 3 pxk 1 pxk ( ) . 1( ) + ( 1 2 .0 3- . 2 )pxkxk
31 1 ()+}() 2 ,
k = 0 ,1 ,2,...
.
Completamos os quadrados do último termo escolhendo p1 = 3 75 1 3 2 0 5024 ( - )= .
e reduza a diferença para
2
2 4 2
ÿV k =( )1 5072.xk 1( . xk
) + 0 0032( ) + ( 0 .3 xk1( ) + ) 3
2 xk2 ( )
2 4
ÿ 1. 5072xk1 ( ) + 0 0032 xkk
. 2( ) =, 0 1 2 , , ,...
A desigualdade decorre do fato de que o último termo em ÿV é semidefinido positivo. Concluímos que ÿV é
positivo definido porque é maior que a soma das potências pares e que o equilíbrio em x = 0 é instável.
11.4.8 Estimativa do Domínio de Atração
Consideramos um sistema
x ( ) k[ Axfx+1] (=)+, kk
2 =01 , , ,... (11.51)
onde a matriz A é estável e f(.) inclui termos de segunda ordem e superiores e satisfaz
2
[ fx ] ( ) k ÿ a x ( k) , k = 0 ,1 ,2,... (11.52)
Como a aproximação linear do sistema é estável, podemos resolver a equação de

Lyapunov associada para uma matriz definida positiva P para qualquer matriz definida
positiva Q. Isso produz a função de Lyapunov
V k=xxx
(( )() k) P k ( ) T
e a diferença
ÿV kxx ( )( ) = (T )[A PA PTk ( ) +] ÿ2 x[ fxk ( )k]PA k ( )[ +(T) ] [ xfxfx

k P k ( )]
T
Para simplificar esta expressão, usamos as desigualdades

T 2
eumin ( P
) 2ÿ P ÿ xxx eumáx. ( P
) x
T 3
PA ÿ fxf Bem x ÿ a Bem x (11.53)
onde a norma ||A|| denota a raiz quadrada do maior autovalor da matriz AT A ou seu maior valor
singular.
Usando a desigualdade (11.53) e substituindo na equação de Lyapunov, temos
2 2
ÿV k x( )( ) ÿ ÿÿa eumáx. ( ) P 2x+2 a Bem ÿx eumin ( Q
) x ÿÿ (11.54)
Como o coeficiente do segundo grau é positivo, sua segunda derivada também é positiva
e possui valores negativos entre suas duas raízes. A raiz positiva define um limite em ||
x|| que garante uma diferença negativa:
1 2
x< ÿ ÿ eu
() + PA PA ÿ ( ) + tudomin (P) ÿ
máx.
tudomáx. P ÿ
Uma estimativa do domínio de atração é dada por
ÿ 1 2 ÿ
B ( ) xxxÿ = ÿ: < ÿ ÿ eu
(ÿ ) BYE
) +BYE + tudomin ( Q) ÿ ÿ (11h55)
máx.
ÿ
tudomáx. (P ÿ
Exemplo 11.13
Estime o domínio de atração do sistema
ÿ ( xk
1
1
) +ÿ ÿ 0 .1 0 ÿ ÿ xk1( ) ÿ ÿ 0 .25 x 2 (k) ÿ
2
-
ÿÿ ( xk
2 ) +1 ÿÿ=ÿÿ 1 0 5. ÿÿ ÿÿ
xk2 ( ) ÿÿ+ÿÿ 0 .1 xk ( )
2
1 ÿÿ
Solução
O vetor não linear satisfaz
[
efeitos( ) k ] ÿ 0 5. x ( kk
) = ,0 1 2 , , ,...
Resolvemos a equação de Lyapunov com Q = I2 para obter
- .
2 .4987 0 7018
ÿ ÿ
P=
- 0 .7018 1 3333
.
ÿÿ ÿÿ
cujo maior autovalor é igual a 2,8281. A norma ||PA|| = 1,8539 pode ser calculado
com o comando MATLAB
>> norma (P*A)
Nossa estimativa do domínio de atração é
1
B xxx
()= { : ÿÿ ÿ .+ ( 1 8539 1 8539
. 0 252
)+ . ÿ}
<ÿ 0 25
. 2 8281 .
= { : xx < 0 .093 7}
O retrato do estado apresentado na Figura 11.1 mostra que a estimativa do domínio de atração é bastante
conservadora e que o sistema é estável bem fora da região estimada.
11.5 Estabilidade de Sistemas Analógicos com Controle Digital 439
x2(k)
3
–1
–2
–3
–2 –1,5 –1 –0,5 0 0,5 1 1,5 2 x1(k)
Figura 11.1
Retrato de fase para o sistema não linear descrito no Exemplo 11.13.
11.5 Estabilidade de Sistemas Analógicos

com controle digital
Embora a maioria das metodologias de projeto não linear sejam analógicas, elas geralmente são implementadas
digitalmente. O projetista normalmente completa um projeto de controlador analógico e então obtém uma
aproximação discreta do controlador analógico. Por exemplo, uma aproximação discreta pode ser obtida usando
uma abordagem diferencial para aproximar as derivadas (ver Capítulo 6). A aproximação de tempo discreto é
então usada com a planta analógica, assumindo que a resposta no tempo será aproximadamente a mesma do
projeto analógico. Esta seção examina a questão “A estabilidade do sistema de controle digital é garantida pela
estabilidade do projeto analógico original?” Como no caso linear discutido no Capítulo 6, o sistema de controle
digital resultante pode ser instável ou ter oscilações interamostras inaceitáveis.
Primeiro examinamos o sistema de (11.1) com o controle digital (11.2). Substitu-

ing (11.2) em (11.1) dá a equação
ÿ
( xfxxufx
= ( ) +(B) = k( ), k ) ÿ [k T +, (
t kT 1) ) (11.56)
Seja a solução de (11.56)
( )t k=( )( ) kT xgx (11.57)
onde gk é uma função contínua de todos os seus argumentos. Então nos pontos de amostragem, temos o
modelo discreto
x ( ) k +1 = k ( )( ) kk = 0 1, , ,... gx (11.58)
A estabilidade do sistema de tempo discreto de (11.58) é governada pelo seguinte teorema.
Teorema 11.8: Sistema Analógico com Controle Digital. Se o sistema contínuo de (11.56)
com controle constante por partes é exponencialmente estável, então o sistema de tempo
discreto de (11.58) é exponencialmente estável.
Prova. Para um sistema de tempo contínuo exponencialmente estável, temos

- a kt ,
x ( x) ÿ-t ( ) quando ÿ [ ( ) ) 1, t kT k T + (11.59)
para alguma constante positiva ak. Portanto, nos pontos de amostragem temos a desigualdade
- a k -T1
x ( ) ÿ ÿ ( ) x kk 1 e , k = 0 ,1,...
Aplicando esta desigualdade repetidamente dá

- a éT
x (k) ÿ ( )x 0 e
- a eu T (11.60)
ÿ ( )x0 e , k = 0 ,1,...
k- 1
com a é = ak e a eu = mínimo a k. Assim, o sistema discreto é exponencialmente estável. ÿ

k
k=
ÿ0
O teorema anterior pode nos levar a acreditar que a aproximação digital de

controladores analógicos preserva a estabilidade. Contudo, o teorema assume que o
sistema contínuo de (10.56) é exponencialmente estável. Assim, fornece apenas uma
condição de estabilidade necessária para a discretização de uma planta analógica com
controlador digital. Se um controlador analógico estável for implementado digitalmente
e usado com a planta analógica, sua estabilidade não poderá ser garantida. O sistema
resultante pode ser instável, como demonstra o exemplo a seguir.
Exemplo 11.14
Considere o sistema
2
xtxtxtut
ÿ()=()+()()
com o controle contínuo

utxt
()=ÿ()ÿ a xt 2 ( ) > a
0,
11.5 Estabilidade de Sistemas Analógicos com Controle Digital 441
Então o sistema em malha fechada é
xtÿ ( ) = ÿa xt3 ( )
que é assintoticamente estável.1

Agora considere a implementação digital do controle analógico
utxk ( ) = ÿ ( ) ÿ a xk2(>) 0 ,a , T )ÿ) +[ (1t kT,k
e o sistema de malha fechada correspondente
a ( ) +1 ( )},
ÿ ( ) = ( ) ( ) { ÿ [ ] xtxtxtxkxk ÿ [ ( ) 1, t kT+k T )
Resolvemos a equação por separação de variáveis
dxt ( ) dxt ( ) ÿ 1 1ÿ
= - dt t, kT kÿ T[ , ( + 1) )
xtxt x - x
( ) ( ( ) ) -b b ÿÿ b ÿÿ=
b = [a x ] ( ) kxk +1 ( )
Integrando de kT a (k + 1)T, obtemos
tk T )
Emÿ 1- b ÿÿ = + ( 1 1=tk+T( )
= ]dt =
tkT
xt ( ) ÿ ÿ ÿ =
ÿ
ÿÿ
tkT
ÿ1 - b ÿ ÿ1 b ÿ
ÿÿ=ÿ E
ÿÿ xk( 1) + ÿ ÿ xk( ) ÿ ÿ
b
( xk ) +1=
1 ÿÿ
ÿ
1 b ÿ
eT
ÿÿ() xk ÿÿ
a xk] 1( ) + ( xk
= [ )
1+ a () xke T
Para estabilidade, precisamos da condição |x(k + 1)| < |x(k)|, ou seja,
1+ a xke> (+1
) T a xk ( )
Esta condição é satisfeita para x(k) positivo , mas não para todo x(k) negativo! Por exemplo, com T = 0,01s
e ax(k) = ÿ0,5, o LHS é 0,495 e o RHS é 0,5.
Não fornecemos um resultado geral que garanta a estabilidade da implementação

digital de um controlador analógico estável. Entretanto, uma vez obtido o controlador
digital, pode-se investigar a estabilidade do sistema em malha fechada utilizando testes
de estabilidade para sistemas de controle digital, conforme discutido na Seção 11.4.
1
Slotine (1991, p. 66): xcx c(x)x > 0, ÿx
+ (ÿ)0.
= 0 é assintoticamente estável se c(.) for contínuo e satisfaz
Aqui c(x) = x3 .
11.6 Análise do Plano Estadual

Conforme mostrado na Seção 11.4.6, a estabilidade de um equilíbrio de um sistema não linear
pode muitas vezes ser determinada a partir do modelo linearizado do sistema na vizinhança do
equilíbrio. Além disso, o comportamento das trajetórias de sistemas lineares de tempo discreto
nas proximidades de um ponto de equilíbrio pode ser visualizado para sistemas de segunda
ordem no plano de estados. As trajetórias do plano de estado podem ser traçadas com base
nas soluções das equações de estado para equações de tempo discreto, de forma semelhante
àquelas para sistemas de tempo contínuo (ver Capítulo 7). Considere a equação de diferença
de segunda ordem não forçada
()+2
anos + ( por
1 mês
1 + ) + 0 ( ) = ayk 0 , k = 0 ,1,... (11.61)
A equação característica associada é

zazzaz
2++=ÿ1 0( eu) 1 ( ) ÿeu
Com
=20 (11.62)
Podemos caracterizar o comportamento do sistema com base na localização dos valores

característicos do sistema li, i = 1, 2, no plano complexo. Se o sistema for representado na
forma de espaço de estados, então uma caracterização semelhante é possível usando os
autovalores da matriz de estados. A Tabela 11.1 fornece os nomes e as características dos
pontos de equilíbrio com base nas localizações dos autovalores.
As trajetórias correspondentes a diferentes tipos de pontos de equilíbrio são mostradas nas Figuras 11.2 a
11.9. Não incluímos alguns casos especiais, como dois autovalores reais iguais à unidade, caso em que o
sistema permanece sempre no estado inicial. O leitor é convidado a explorar outros pares de autovalores
através da simulação MATLAB.
Tabela 11.1 Classificação do Ponto de Equilíbrio
Tipo de equilíbrio Localização do valor próprio
Nó estável Real positivo dentro do círculo unitário
Nó instável Real positivo fora do círculo unitário
Ponto de sela Autovalores reais com um círculo unitário interno e outro externo
Foco estável Conjugado complexo ou ambos reais negativos dentro do círculo unitário
Foco instável Conjugado complexo ou ambos reais negativos fora do círculo unitário
Vórtice ou centro Conjugado complexo no círculo unitário

11.6 Análise do Plano de Estado 443
y(k+1)
1
0,8
0,6
0,4
0,2
–0,2
–0,4
–0,6
–0,8
–
1 –1 –0,8 –0,6 –0,4 –0,2 0 0,2 0,4 0,6 0,8 1 e que)
Figura 11.2
Nó estável (valores próprios 0,1, 0,3).
y(k+1)
10
–2
–4
–6
–8
–10
–5 –4 –3 –2 –1 0 12345 e que)
Figura 11.3
Nó instável (valores próprios 2, 3).

y(k+1)
10
–2
–4
–6
–8
–10
–1,5 –1 –0,5 0 0,5 1 1,5 y(k)
Figura 11.4
Ponto de sela (valores próprios 0,1, 3).
y(k+1)
1
0,8
0,6
0,4
0,2
–0,2
–0,4
–0,6
–0,8
–1
–1 –0,8 –0,6 –0,4 –0,2 0 0,2 0,4 0,6 0,8 1 e que)
Figura 11.5
Foco estável (autovalores ÿ0,1, ÿ0,3).

11.6 Análise do Plano de Estado 445
y(k+1) 1
0,8
0,6
0,4
0,2
–0,2
–0,4
–0,6
–0,8
–1
–1 –0,8 –0,6 –0,4 –0,2 0 0,2 0,4 0,6 0,8 1 e que)
Figura 11.6
Foco estável (valores próprios 0,1 ± j0,3).
y(k+1) ×
1018 1
0,8
0,6
0,4
0,2
–0,2
–0,4
–0,6
–0,8
–1
–2 0 2 y(k)
× 1026
Figura 11.7
Foco instável (autovalores ÿ5, ÿ3).

y(k+1)
15
10
–5
–10
–15
–20 –15 –10 –5 0 5 10 15 20 e que)
Figura 11.8
Foco instável (valores próprios 0,1 ± j3).
y(k+1)
1,5
0,5
–0,5
–1
–1,5
–1,5 –1 –0,5 0 0,5 1 1,5 e que)
Figura 11.9
Centro (valores próprios cos(45°) ± j sin(45°)).

11.7 Projeto de Controlador Não Linear de Tempo Discreto 447
11.7 Projeto de controlador não linear de tempo discreto
O projeto de sistemas de controle não linear para sistemas de tempo discreto é muito mais difícil
do que o projeto linear. Muitas vezes também é mais difícil do que o projeto de sistemas analógicos
não lineares. Por exemplo, uma das abordagens mais poderosas para o projeto de sistemas não
lineares é selecionar um controle que resulte em um sistema de malha fechada para o qual uma
função de Lyapunov adequada possa ser construída. Geralmente é mais fácil construir uma função
de Lyapunov para um sistema analógico não linear do que para um sistema de tempo discreto.
Discutimos algumas abordagens simples de projeto não linear para sistemas de tempo discreto
que são possíveis para classes especiais de sistemas.
11.7.1 Projeto de controlador usando linearização estendida
Se uma das abordagens de linearização estendida apresentadas na Seção 11.1 for aplicável,
então poderemos obter um modelo linear em tempo discreto para o sistema e usá-lo no projeto de
sistemas de controle linear. O controle não linear pode então ser recuperado do projeto linear.
Demonstramos essa abordagem com o exemplo a seguir.
Exemplo 11.15
Considere o sistema mecânico

ÿÿ ÿ
+ ( )( )ÿ
xbxcxf + com
( ) =b(0) = 0, c(0)
ÿ
Para o amortecimento não linear bx = 0 1 e a mola não linear c(x) = 0,1x=+0.0,01x3. 3x

, projete um controlador digital para o sistema redefinindo a entrada e a discretização.
Solução
As equações de estado do sistema são
xx1 2=
ÿ
2 = ÿ ( ) ÿ (2 ) + =
xbxcxfu 1
Usando os resultados descritos no Exemplo 11.2, temos o modelo de tempo discreto

- 4
ÿ 1 0 02. ÿ ÿ 2×10 ÿ
x( ) k + = 1 x k( ) + ÿ você
0 1 0 .02 ÿ()
ÿÿ ÿÿ ÿ ÿ
com x(k) = [x1(k) x2(k)]T = [x(k) x(k+1)]T .
Selecionamos os autovalores {0,1 ± j0,1} e projetamos um controlador de feedback de estado para o sistema
conforme mostrado no Capítulo 9. Usando o comando MATLAB place, obtemos a matriz de ganho de feedback
kT = [ 2050 69 5. ]
Para uma entrada de referência r, temos o controle não linear
= + ( ) + ( fubxcx
2 1 )
T
( ) =Unido
Reino ( ) ÿ kx
() k
Etapa
x1 +
Saída1
–
Ordem Zero – 1s 1s
Segurar z2
Subtrair2 x2 x1 Escopo
Subsistema
Ordem Zero Escopo1
Espera1
Polinômio1
P(você)
SO(P) = 3
P(você)
SO(P) = 2
Polinômio2
Figura 11.10
Diagrama de simulação para o sistema descrito no Exemplo 11.15.
1 +
R
P(você) +
2 1
SO(P) = 2
x1 –
Saída1
Polinômio2 Ordem Zero
–
Segurar
-K-
Subtrair1
Polinômio1 Ganho1
+
P(você)
SO(P) = 3 +
3x2
Subtrair2
-K-
Ganho
Figura 11.11
Diagrama de simulação do controlador descrito no Exemplo 11.15.
O diagrama de simulação para o sistema é mostrado na Figura 11.10, e o diagrama de simulação para o bloco controlador
é mostrado na Figura 11.11. Selecionamos a amplitude da entrada do degrau para obter um valor unitário em estado estacionário
usando a condição de equilíbrio
.
1 0 02 ÿ2
× ÿ10
- 4
ÿ ÿ ÿ( ÿ [ 2050 69 5 ] ( ) ) = ( ) = x k x k ÿ 1ÿ
ÿ x( ) k + = 1 ÿxk R .
ÿÿ
01 ÿÿ()+ ÿ 0 .02 ÿÿ
0 ÿÿ
x1(k)
1.4
1.2
0,8
0,6
0,4
0,2
0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 t
Figura 11.12
Resposta ao degrau para o projeto linear descrito no Exemplo 11.15.
x2(k)
30
25
20
15
10
–5
–10
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 t
Figura 11.13
Gráfico de velocidade para a resposta ao degrau para o projeto linear descrito no Exemplo 11.15.

- 4
ÿ 2× 10
ÿ ÿÿÿ=ÿ 0 .41 ÿ
R
ÿÿ
ÿ 0 .02 41 ÿÿ
o que dá a amplitude r = 2050. A resposta ao degrau para o sistema não linear com controle digital na Figura
11.12 mostra uma resposta rápida a uma entrada em degrau em t = 0,2 s que rapidamente se estabelece no
valor unitário de estado estacionário desejado. A Figura 11.13 mostra um gráfico da velocidade para a mesma entrada.
11.7.2 Projeto do Controlador Baseado na Teoria de Estabilidade de Lyapunov
A teoria da estabilidade de Lyapunov fornece um meio de estabilizar sistemas não lineares instáveis usando
controle de feedback. A ideia é que se for possível selecionar uma função de Lyapu-nov adequada e forçá-la
a diminuir ao longo das trajetórias do sistema, o sistema resultante convergirá para o seu equilíbrio. Além
disso, o controle pode ser escolhido para acelerar a taxa de convergência para a origem, forçando a função
de Lyapunov a diminuir para zero mais rapidamente.
Para simplificar nossa análise, consideramos sistemas da forma
x ( ) k=+1
()+ A kx B kk ( xu
)( ) ( ) (11.63)
Para simplificar, assumimos que os autovalores da matriz A estão todos dentro do

círculo unitário. Este modelo poderia representar aproximadamente um sistema não linear
nas proximidades de seu equilíbrio estável.
Teorema 11.9 O sistema afim estável em malha aberta com dinâmica linear não forçada e matriz de entrada
de posto completo para todo x diferente de zero é assintoticamente estável com a lei de controle de feedback
T ÿ1 T
em B k PB k B k PA k xxx
( ) = ÿ[ ( )( ) ( )( )] ( )( ) x ()k (11.64)
onde P é a solução da equação discreta de Lyapunov
T
Um PA PQ
ÿ=ÿ
(11.65)
e Q é uma matriz definida positiva arbitrária.
Prova. Para a função Lyapunov

T
( )(
Tinta )=() k P k xxx( )
A diferença é dada por
ÿV k (V) k= +x( )( ) ÿ 1 ( x)(

Tinta )
T T T T
= (x)[ k A PA P k ]- x ( ) + ( ) 2 Você k B PA xu +( k T )B PB k você( )
onde o argumento de B é suprimido por questões de brevidade. Minimizamos a função em relação ao

controle para obter
ÿ ÿV
() k = 2x[+BAB
T T
PB k você ( )] = 0
ÿ (em) k
que resolvemos para a lei de controle de feedback usando a condição de posto completo para B.
Pela suposição de estabilidade em malha aberta, temos
T T
ÿV k =
( )ÿx (Q + Txx
) (0) > ( ) k Q kk A PB k em ( ),
Substituímos o controle e reescrevemos a equação como

- 1
T T T T
ÿV k( ) = ÿ (x ){ +k [QA
= ÿPB
( ){B}PB
( ) BA k ] } x( )
T T
x + de qualidadexMA k
k Controle
T T
M PB
= [ B PB B ]ÿ1
A matriz M não é simétrica e deve ser substituída pela sua componente simétrica na forma
quadrática (ver Anexo III). O segundo termo é portanto igual a
T
MILÍMETROS
xT T
( ) = ÿ ( ) ke T k
ÿ ( ) k A MA
x k
+{+2
{ } e( )
T PB BP
k
=ÿ()ky
2 } e( )
T T T
BBBB
= = [PB B ]ÿ1
onde utilizamos o fato de que a transposição e a inversão de uma matriz real são operações comutativas. Como a
matriz P é definida positiva e B é de posto completo, a matriz BT PB, e conseqüentemente sua inversa, deve ser
semidefinida positiva. Assim, tanto B quanto o componente simétrico de M são semidefinidos positivos, e o termo –
xT (k)AT MAx(k) é semidefinido negativo. Concluímos que a diferença da função de Lyapunov é definida negativa,
porque é a soma de um termo definido negativo e um termo semidefinido negativo, e que o sistema em malha
fechada é assintoticamente estável.
Exemplo 11.16
Projete um controlador para estabilizar a origem do sistema
xk1(1) 0+2= ( ) +. (xkxkuk

)1 ( ) 2
), 2xk( 1) 0+2=
xk(1)0+
.4 + 2[ ] ( ) ( . xkuk
1 k=01
, 2, ,...
Solução
Reescrevemos a dinâmica do sistema na forma
ÿ xk1( ) +1 ÿ ÿ 0 .2 0 ÿ ÿ xk1
() ÿ ÿ xk2 ( ) ÿ
Reino Unido
ÿÿ
xk2 ( ) +1 ÿÿ=ÿÿ 002 . ÿÿ ÿÿ
xk2 ( ) ÿÿ+ÿÿ
() ÿÿ()
1 + 0 4.xk1
A matriz de estado é diagonal com dois autovalores iguais a 0,2 < 1. Portanto, o sistema é estável.
Escolhemos a função Lyapunov
T = { } 1,diag.
EM ( ) xxx = PP , p 1
para o qual Q = 0,16 I2 é positivo definido.

O controle de estabilização correspondente é dado por

T - 1 T
reino ÿ[ B k ((PB
( ) =unido )(x))( ) B k PA (kx)(
( )k )] x x
0 .2
=-
pxk1( 2) + 4.
1 0xkk ( )] ( ) x 1
2
( 1+01 4 . xk ( ) ) + pxk
1 22
( )[
Escolhemos p1 = 5 e obtemos o controle estabilizador
1
Reino Unido
( ) = ÿ ( 1 0 4 xk xk2 . x . xkk
1( )] ( ) + 0 2 0 08
2
+1 . ( ) +) ( )[2 5(xk )2
Recursos
Apostol, TM, Análise Matemática, Addison-Wesley, 1975.
Fadali, MS, Projeto de sistema de entrega contínua de medicamentos usando desacoplamento não linear:
Um tutorial, IEEE Trans. Engenharia Biomédica, 34(8):650-653, 1987.
Goldberg, S., Introdução às Equações Diferenciais, Dover, 1986.
Kalman, RE e JE Bertram, Análise e projeto de sistema de controle por meio do “Segundo Método” de
Lyapunov II: Sistemas de tempo discreto, J. Basic Engineering Trans, ASME, 82(2):394-400, 1960.
Khalil, HK, Sistemas Não Lineares, Prentice Hall, 2002.

LaSalle, JP, A Estabilidade e Controle de Processos Discretos, Springer-Verlag, 1986.
Mickens, RE, Equações Diferenciais, Van Nostrand Reinhold, 1987.
Rugh, WJ, Teoria do Sistema Linear, Prentice Hall, 1996.
Slotine, J.-J., Controle Não Linear Aplicado, Prentice Hall, 1991.
Problemas
11.1 Discretize o seguinte sistema:
ÿ
2
ÿx 1ÿ 3 xxx
ÿÿ ÿ 2( ÿ
1 ÿÿ=
12 ÿ 2 )ÿ ÿ 2 x1 ÿ
fora
ÿ
x2 ÿ+ÿ ÿ()
ÿÿ 2xx
2 1
1+ ÿ ÿ 0 ÿ
11.2 As equações para manobra rotacional2 de um helicóptero são dadas por

ÿÿ
1 II II ÿ
ÿ- ÿ ÿ- zy ÿ
ÿ ÿ
eu = -
Com
e
( ) eu
p 2 mgA ÿ sen porque ( eu
)+2 obs:
2 ÿÿ EU
x ÿÿ ÿÿ EU
x ÿÿ
pecado (2)eu
T
p
(II)zy+ + ÿ ( II
zy
) porque (2)eu
ÿ 1
p = Ty
(Eu-eu)zy+ + ÿ (IIzy ) porque (2)eu
2
AL Elshafei e F. Karray, Identificação lógica difusa baseada em estrutura variável de uma classe de sistemas auditivos
não lineares, IEEE Trans. Tecnologia de Sistemas de Controle, 13(4):646-653, 2005.
Problemas 453
onde
Ix, Iy e Iz = momentos de inércia em relação ao centro de gravidade
m = massa total do sistema
g = aceleração da gravidade
q e y = ângulos de inclinação e guinada em radianos
Tp e Ty = torques de entrada de inclinação e guinada
Obtenha um modelo linear equivalente em tempo discreto para o sistema e derive as equações
para o torque em termos das entradas do sistema linear.
11.3 Um manipulador de link único3 com link flexível tem a equação de movimento
ÿÿ
eu + sin mgA
I MgL ( eu
)- porque ( eu
)+k ÿeu
( p )= 0
ÿÿ
J pk + ÿp( eu) = t
onde
L = distância do eixo ao centro de gravidade do elo
M = massa do link
I = momento de inércia do link
J = momento de inércia da junta
K = constante rotacional da mola para a junta flexível
L = distância entre o centro de gravidade do elo e o flexível
articulação
q e y = ângulos de rotação de ligação e junta em radianos

t = torque aplicado
Obtenha um modelo de tempo discreto do manipulador (Figura P11.1).
M cg
eu
eu
,
obs:
Figura P11.1
Esquema de um manipulador de link único.
11.4 Resolva a equação de diferenças não lineares

- 2
]
[ ( ] ) + [[ (] )( +) = ( ) yk 2 yk 1 yk
1 25. Reino Unido
com zero condições iniciais e a entrada u(k) = e–k .
3
MW Spong e M. Vidyasagar, Dinâmica e Controle do Robô, pp.
11.5 Determine o ponto de equilíbrio do sistema

2
ÿ xk1( ) + 1 ÿ ÿ ÿ (xkxk
)1 + ( ) 9 2 2 ÿ ÿ 0 ÿ
2
()
Reino Unido
( xk
ÿ ÿ ÿ ÿ2
=ÿÿÿ ) +1
ÿÿ+
( ) xk
+ 29ÿ 0 4 . xk ( ) ÿ 1 ()
xk1 ÿÿ
(a) Não forçado

(b) Com uma entrada fixa ue = 1
11.6 Use a abordagem de Lyapunov para mostrar que se a função f(x) é uma contração, então
o sistema x(k + 1) = f[x(k)] é assintoticamente estável.
11.7 Obtenha uma expressão geral para os autovalores de uma matriz 2 × 2 e use-a para
caracterizar os pontos de equilíbrio do sistema de segunda ordem com a matriz de
estado dada
(a) ÿ 0 .9997 0 0098

. ÿ
- 0 .0585 0 9509
.
ÿ ÿÿ
ÿÿ
31 ÿ
(b)
ÿ
12 ÿÿ
0 .3 0 1- .
ÿÿÿ
(c)
ÿÿÿÿ
0 .1 0 2 .
ÿÿ
1 .2 - 0 .4
(d)
ÿÿÿÿ
0 .4 0 8 .
11.8 Determine a estabilidade da origem usando a aproximação linear para o sistema
3
( ) +1 0=2 xk 1 .
xk 1 ( ) + 1 .1xk2 ( )
( xkxk
2 ) +1= () + 1 01 2( ) +
. 2xkxkx () 1 22 ,
( ) kkkkk , ,...0
, 12=
11.9 Verifique a estabilidade da origem usando a abordagem de Lyapunov e estime
a taxa de convergência para o equilíbrio
2
xk 1 ( ) +101= xkxk 2. 1 () ( ) ÿ 0 05. xk2 ( )
( ), 0 0 = 0 ,1 ,2,...
3
( xk ÿ (0) 5xkxk.
2 ) + =1 1 2 ()+ . 5 xmm
2
11.10 Mostre que a convergência das trajetórias de um tempo discreto não linear
sistema x(k+1) = f[x(k)] para uma trajetória nominal conhecida x*(k) é equivalente à
estabilidade da dinâmica do erro de rastreamento e(k) = x(k) - x*( k).
11.11 Prove que o sistema escalar
( )3 k
xk( ) +1 = ÿmachado
é localmente assintoticamente estável na região xk ÿ( )1 a .

11.12 Use a teoria de estabilidade de Lyapunov para investigar a estabilidade do sistema
machado
1 k()
xk 1 ( ) +1= 2
um+ bx
( ) k2
bx 2k( )
xk2 ( ) +1= 2
>> ,
0ab 0
b machado
+ ( ), 1 k
11.13 Use a abordagem de Lyapunov para determinar a estabilidade dos sistemas lineares
invariantes no tempo em tempo discreto
ÿ ÿ0
.3 0 1- .
(a)
ÿ 0 .1 0 22. ÿÿ
0 .3 0 1- 0 .
ÿÿÿ
(b) ÿ
0 .1 0 22. 0 2 . ÿ
ÿ ÿ
ÿ 0 .4 0 2 0.1
ÿ . ÿ ÿ
11.14 Mostre que a origem é um equilíbrio instável para o sistema
xk1( ) + = ÿ 1 4 xk 1. 1( ) + (0).1 xk22
2 ( ) + = ( ) ( (.) ) +2xk 1 1 5.0 1 1xkxk 1 , k = 0 1 2, , ,...
11.15 Estimar o domínio de atração do sistema

2
ÿ xk1( 1
) +ÿ ÿ 0 .2 0 3 . ÿ ÿ xk1( ) ÿ ÿ 0 .3 xk2 ( ) ÿ
- 2
xk (
ÿ ÿ ÿ ÿ2
=ÿÿ ) +1 0 .4 0 5 . ÿÿ
xk (
ÿ ÿ ÿ ÿ2+ ÿ ) ÿÿ
0 .36 xk1 () ÿ
11.16 Projete um controlador para estabilizar a origem do sistema
1( ) + =41xkxk
0 . 1( 2( ) +
) + 220 .5 xkxkuk ()()
xk2 (1 0)1+xk
= (0)2+. 1 . x 2 = 0 1+2[ 2 ( ) + ( )] ( ), 1( ) kxkxkukk , , ,...
11.17 Escreva um programa MATLAB para gerar gráficos de plano de fase para um sistema linear
invariante no tempo de segunda ordem em tempo discreto. A função deve aceitar os
autovalores da matriz de estado e as condições iniciais necessárias para gerar os gráficos.
11.18 Projete um controlador para o sistema mecânico não linear descrito em 5 ( )ÿ

ÿ
Exemplo 11.15 com amortecimento não linear bx = 0 25 x mola c(x) = 0,5x + 0,02x3 . , o não linear
, T = 0,02 s, e os autovalores desejados para o
desenho linear igual a {0,2 ± j0,1}. Determine o valor da entrada de referência para uma
posição unitária em estado estacionário e simule o sistema usando o Simulink.
11.19 Projete um controlador digital estabilizador com período de amostragem T = 0,01 s para um
manipulador de link único usando linearização estendida; em seguida, simule o sistema com
seu projeto. A equação de movimento do manipulador é dada por
ÿÿ
eu 0 01 pecado
. ) + + 0 .01 0
( eu .
eu001 + eu=3 t .
Atribua os autovalores do sistema linear de tempo discreto a {0,6 ± j0,3}.

Dica: Use Simulink para sua simulação e use um bloco ZOH ou um bloco discreto
bloco de filtro com o numerador e o denominador definidos como 1 para amostragem.
Capítulo
12
Questões práticas
A implementação prática bem-sucedida de controladores digitais requer atenção cuidadosa a vários requisitos
de hardware e software. Neste capítulo, discutimos os requisitos mais importantes e sua influência no projeto
do controlador.
Analisamos mais detalhadamente a escolha da frequência de amostragem (já discutida na Seção 2.9) na
presença de filtros antialiasing e os efeitos de erros de quantização, arredondamento e truncamento. Em
particular, examinamos a implementação eficaz de um controlador proporcional-integral-derivativo (PID).
Finalmente, examinamos a alteração da taxa de amostragem durante a operação do controle, bem como a
amostragem de saída a uma taxa mais lenta que a do controlador.
Objetivos
1. Escreva pseudocódigo para implementar um controlador digital.

2. Selecione a frequência de amostragem na presença de filtros antialiasing e erros de quantização.
3. Implemente um controlador PID de forma eficaz.

4. Projete um controlador que lide com mudanças na taxa de amostragem durante
operação de controle.
5. Projete um controlador com amostragem de entrada mais rápida do que amostragem de saída.
12.1 Projeto da arquitetura de hardware

e software
O projetista de um sistema de controle digital deve estar atento ao fato de que o algoritmo de controle é
implementado como um programa de software que faz parte da malha de controle. Isto introduz fatores que
não estão presentes nas malhas de controle analógico. Esta seção discute vários desses fatores.
458ÿ CAPÍTULO 12 Questões Práticas
12.1.1 Requisitos de software

Durante a fase de projeto, os projetistas fazem diversas suposições simplificadoras que afetam o controlador
implementado. Eles geralmente assumem amostragem uniforme com atraso desprezível devido ao cálculo
da variável de controle. Assim, eles não assumem nenhum atraso entre o instante de amostragem e o
instante em que o valor de controle calculado é aplicado ao atuador. Esta suposição de execução instantânea
não é realista porque o algoritmo de controle requer tempo para calcular sua saída (veja a Figura 12.1). Se
o tempo computacional for conhecido e constante, podemos usar a transformada z modificada (ver Seção
2.7) para obter um modelo discreto mais preciso.
Entretanto, o tempo computacional do algoritmo de controle pode variar de um período de amostragem para
outro. A variação no atraso computacional é chamada de jitter de controle. Por exemplo, o jitter de controle
está presente quando a implementação do controlador utiliza um mecanismo de comutação.
Os sistemas de controle digital possuem requisitos adicionais, como armazenamento de dados e

interface de usuário, e seu bom funcionamento depende não apenas da exatidão de seus cálculos, mas
também do momento em que seus resultados estão disponíveis. Cada tarefa deve satisfazer uma restrição
de tempo de início ou conclusão. Em outras palavras, um sistema de controle digital é um sistema em
tempo real. Para implementar um sistema em tempo real, precisamos de um sistema operacional em tempo
real que possa fornecer recursos como multitarefa, agendamento e comunicação entre tarefas, entre outros.
Num ambiente multitarefa, o valor da variável de controle deve ser calculado e aplicado em cada intervalo
de amostragem, independentemente de outras tarefas necessárias para as operações do sistema de
controle geral. Assim, a prioridade mais alta é atribuída ao cálculo e aplicação da variável de controle.
Claramente, a implementação de um sistema de controle digital requer habilidades em engenharia de

software e programação de computadores. Existem diretrizes de programação bem conhecidas que ajudam
a minimizar o tempo de execução e controlar o jitter do algoritmo de controle. Por exemplo, instruções if-
then-else e case devem ser evitadas tanto quanto possível porque podem levar a caminhos de diferentes
comprimentos e, conseqüentemente, caminhos com diferentes tempos de execução. Os estados da variável
de controle devem ser atualizados após a aplicação da variável de controle. Finalmente, o software deve
ser testado para garantir que nenhum erro ocorra. Isso é conhecido como verificação de software. Em
particular, o tempo de execução e o jitter de controle devem ser medidos para verificar se podem ser
negligenciados em relação ao período de amostragem, e o uso de memória deve ser analisado para verificar
se não excede a memória disponível.
Felizmente, existem ferramentas de software disponíveis para tornar essa análise possível.
Exemplo 12.1
Escreva um pseudocódigo que implemente o seguinte controlador:
Você z() . 9 5-
10 5 Com .
C z( )= =
( Ez
) Com
- 1
Em seguida, proponha uma possível solução para minimizar o tempo de execução (Figura 12.1).
12.1 Projeto da Arquitetura de Hardware e Software 459
t/ T
em
T
t/ T
kÿ1 k k+1
Figura 12.1
Tempo de execução Te para o cálculo do valor da variável de controle em relação ao intervalo de amostragem T.
Solução
A equação diferencial correspondente à função de transferência do controlador é
( ) =é- ( ) 1 10 5+
você . EU .
( ) - 9 5 eu -( 1)
Esta lei de controle pode ser implementada escrevendo o seguinte código:
controlador de função
% Esta função é executada durante cada período de amostragem
% r é o valor do sinal de referência
% u1 e e1 são os valores da variável de controle e do controle
% de erro, respectivamente, para o período de amostragem anterior
y=read_ADC(ch0) % Lê a saída do processo do canal 0 do ADC
e=ry; % Calcular o erro de rastreamento
você=u1+10,5*e-9,5*e1; % Calcular a variável de controle
você1=você; % Atualizar a variável de controle para o próximo período de amostragem
e1=e; % Atualizar o erro de rastreamento para o próximo período de amostragem
write_DAC(ch0,u); % Envia a variável de controle para o canal 0 do DAC
Para diminuir o tempo de execução, duas tarefas recebem prioridades diferentes (usando um cálculo real).
sistema operacional de tempo).
Tarefa 1 (Prioridade Máxima)

y=read_ADC(ch0) % Lê a saída do processo do canal 0 do ADC
e=ry; % Calcular o erro de rastreamento
você=u1+10,5*e-9,5*e1; % Calcular a variável de controle
write_DAC(ch0,u); % Grava a variável de controle no canal 0 do DAC
Tarefa 2
% Atualizar a variável de controle para o próximo período de amostragem

você1=você; e1=e; % Atualizar o erro de rastreamento para o próximo período de amostragem
12.1.2 Seleção de ADC e DAC
O ADC e o DAC devem ser suficientemente rápidos para um tempo de conversão insignificante em relação
ao período de amostragem. Em particular, o atraso de conversão do ADC cria uma mudança de fase
negativa, que afecta a margem de fase do sistema e deve ser minimizada para preservar as margens de
estabilidade do sistema. Além disso, o comprimento da palavra do ADC afeta o tempo de conversão. Com
o tempo de conversão fornecido pelos conversores analógico-digitais modernos padrão, este não é um
problema significativo na maioria das aplicações.
A escolha do comprimento da palavra ADC e DAC é, portanto, determinada principalmente pelos

efeitos de quantização . Normalmente, ADCs e DACs comerciais estão disponíveis na faixa de 8 a 16 bits.
Um ADC de 8 bits fornece uma resolução de 1 em 28 , o que
corresponde a um erro de 0,4 por cento, enquanto um ADC de 16 bits fornece um erro de 0,0015 por cento.
Claramente, quanto menor a resolução do ADC, melhor será o desempenho e, portanto, um ADC de
16 bits deve ser preferido. No entanto, o custo do componente aumenta à medida que o comprimento da
palavra aumenta, e a presença de ruído pode tornar inútil a presença de um grande número de bits em
aplicações práticas. Por exemplo, se o sensor possui ruído de 5 mV e faixa de 5 V, não faz sentido
empregar um ADC com mais de 10 bits, pois sua resolução de 1 em 210 corresponde a um erro de 0,1%,
que é igual ao nível de ruído. A resolução do DAC é geralmente escolhida igual à resolução do ADC, ou
um pouco mais alta, para evitar a introdução de outra fonte de erro de quantização. Uma vez selecionada
a resolução do ADC e do DAC, a resolução da representação do sinal de referência deve ser a mesma do
ADC e do DAC. Na verdade, se a precisão do sinal de referência for superior à resolução do ADC, o erro
de controle nunca irá a zero e, portanto, ocorrerá um ciclo limite.
Outra questão importante de projeto, especialmente para controle MIMO, é a escolha do sistema de
aquisição de dados. Idealmente, usaríamos um conversor analógico-digital para cada canal para garantir
amostragem simultânea, conforme mostrado na Figura 12.2(a).
Contudo, esta abordagem pode ser proibitivamente dispendiosa, especialmente para um grande número
de canais. Uma abordagem mais econômica é usar um multiplexador (MUX), com cada canal amostrado
em sequência e o valor amostrado enviado para um ADC mestre (Figura 12.2(b)). Se assumirmos que os
sinais amostrados mudam relativamente
12.2 Escolha do Período de Amostragem 461
Canal 0
ADC
Controlador
Canal n
ADC
(a)
Canal 0
ADC MUX Controlador

Canal n
(b)
Canal 0
SSH
ADC MUX Controlador
Canal n
SSH
(c)
Figura 12.2
Escolhas para o sistema de aquisição de dados. (a) ADC separado para cada canal. (b) Multiplexador com ADC
mestre único. (c) Amostra e retenção simultânea, multiplexador e ADC mestre único.
lentamente, pequenas mudanças no instante de amostragem não resultam em erros significativos e as

variáveis medidas parecem ser amostradas simultaneamente. Se esta suposição não for válida, um sistema
simultâneo de amostragem e retenção (SSH) mais caro pode ser empregado, conforme ilustrado na Figura
12.2(c). O sistema amostra os canais simultaneamente e, em seguida, entrega os dados amostrados ao ADC
por meio de um multiplexador.
Nos últimos anos, o custo dos conversores analógico-digitais diminuiu significativamente, e o uso de um
sistema simultâneo de amostragem e retenção tornou-se menos popular, à medida que o uso de um ADC
para cada canal se tornou mais acessível.
Discutimos outras considerações relacionadas à escolha do ADC e DAC
componentes em relação ao período de amostragem na Seção 12.2.2.
12.2 Escolha do Período de Amostragem

Na Seção 2.9, mostramos que a escolha da frequência de amostragem deve satisfazer o teorema de
amostragem e é baseada na largura de banda efetiva wm dos sinais nos sistemas de controle. Isto leva à
relação (2.66), onde escolhemos a frequência de amostragem na faixa entre 5 e 10 vezes o valor de wm.
Discutiremos agora a escolha da frequência de amostragem mais detalhadamente, incluindo os efeitos dos
filtros antialiasing, bem como os efeitos dos erros de quantização, arredondamento e truncamento.
12.2.1 Filtros de suavização

Se a frequência de amostragem não satisfizer o teorema de amostragem (isto é, o sinal amostrado tem
componentes de frequência maiores que o dobro da frequência de amostragem), então o processo de
amostragem cria novos componentes de frequência (ver Figura 2.9).
Este fenômeno é chamado de aliasing e deve obviamente ser evitado em um sistema de controle digital.
Portanto, o sinal contínuo a ser amostrado não deve incluir componentes de frequência significativos maiores
que a frequência de Nyquist ws/2.
Para tanto, recomenda-se filtrar passa-baixa o sinal contínuo antes da amostragem, principalmente na
presença de ruído de alta frequência. O filtro passa-baixa analógico usado para esse propósito é conhecido
como filtro antialiasing. O filtro antialiasing é normalmente um filtro RC simples de primeira ordem, mas
algumas aplicações requerem um filtro de ordem superior, como um filtro Butterworth ou Bessel. O esquema
geral de controle é mostrado na Figura 12.3.
Como um filtro passa-baixa pode desacelerar o sistema atenuando a dinâmica de alta frequência, a
frequência de corte do filtro passa-baixa deve ser maior que a largura de banda do sistema de malha fechada
para não degradar a resposta transitória. Uma regra prática é escolher a largura de banda do filtro igual a uma
constante vezes a largura de banda do sistema em malha fechada. O valor da constante varia dependendo de
considerações económicas e práticas. Para um projeto conservador, mas mais caro, a frequência de corte do
filtro passa-baixa pode ser escolhida como 10 vezes a largura de banda do sistema de malha fechada para
minimizar seu efeito na dinâmica do sistema de controle, e então a frequência de amostragem pode ser
escolhido 10 vezes maior que a frequência de corte do filtro para que haja uma atenuação suficiente acima da
frequência de Nyquist. Assim, a frequência de amostragem é 100 vezes a largura de banda do sistema em
malha fechada. Para reduzir a frequência de amostragem e os custos de hardware associados, é possível
reduzir a frequência de corte do filtro antialiasing. No caso extremo, selecionamos a frequência de corte
ligeiramente superior à largura de banda do circuito fechado. Para um filtro passa-baixa com roll-off alto (ou
seja, um filtro de ordem alta), a frequência de amostragem é escolhida como cinco vezes a largura de banda de
malha fechada. Em resumo, o período de amostragem T pode ser escolhido (conforme descrito na Seção 2.9)
em geral como
2 Pi
5 ohb ÿ ÿ 100 ohb (12.1)
T
onde wb é a largura de banda do sistema em malha fechada.
Externo Analógico
Entrada Computador ou Analógico
Saída
DAC
Microprocessador Sistema
Antialiasing
ADC
Filtro
Figura 12.3
Esquema de controle com filtro antialiasing.

Se o atraso de fase introduzido pelo filtro antialiasing for significativo, então (12.1) pode não
produzir bons resultados e a dinâmica do filtro deve ser considerada ao selecionar um modelo
dinâmico para a fase de projeto.
Exemplo 12.2
Considere um sinal senoidal de 1 Hz de amplitude unitária com um ruído senoidal aditivo de 50 Hz.
Verifique a eficácia de um filtro antialiasing para o sinal amostrado na frequência de 30 Hz.
Solução
O sinal analógico ruidoso a ser amostrado é mostrado na Figura 12.4(a). Se este sinal for amostrado a 30 Hz
sem um filtro antialiasing, o resultado é mostrado na Figura 12.4(b). Figura 12.4(c)
x(t) x(t)
1 1
0,5 0,5
0 0
–0,5 –0,5
–1 –1
0 0,5 1 1,5 2 2,5 3 3,5 4 t 0 0,5 1 1,5 2 2,5 3 3,5 4 t
(a) (b)
x(t) x(t)
1 1
0,5 0,5
0 0
–0,5 –0,5
–1 –1
0 0,5 1 1,5 2 2,5 3 3,5 4 t 0 0,5 1 1,5 2 2,5 3 3,5 4 t
(c) (d)
Figura 12.4
Efeito de um filtro antialiasing nos sinais analógicos e amostrados descritos no Exemplo 12.2. (a) Sinal analógico
ruidoso. (b) Sinal amostrado a 30 Hz sem filtro antialiasing. (c) Sinal analógico filtrado com filtro antialiasing de
primeira ordem com frequência de corte igual a 10 Hz. (d)
Sinal amostrado com filtro antialiasing de primeira ordem com frequência de corte igual a 10 Hz.
mostra o sinal analógico filtrado com um filtro antialiasing de primeira ordem com frequência
de corte igual a 10 Hz, e o sinal amostrado resultante é mostrado na Figura 12.4 (d). O
sinal senoidal amostrado não é mais distorcido devido ao uso do filtro antialiasing;
entretanto, surge um pequeno atraso de fase devido à dinâmica do filtro.
12.2.2 Efeitos de Erros de Quantização
Conforme discutido na Seção 12.1, o projeto do sistema de controle digital geral inclui
a escolha dos componentes ADC e DAC. Neste contexto, os efeitos da quantização
devido ao arredondamento ou truncamento do ADC (Figura 12.5) são considerados
na seleção do período de amostragem. O ruído devido à quantização pode ser
modelado como um processo aleatório uniformemente distribuído com os seguintes
p 2 )por
valores de média e variância (denotados respectivamente nos e¯ e casos:
dois e
2
:= e 0 p 2 = q (12.2)
Arredondamento e
12
2
q 2 = q
Truncamento e : = p (12.3)
2 e
12
onde q é o nível de quantização - ou seja, o intervalo do ADC dividido por 2n ,
e n é o número de bits.
Obviamente, os efeitos do erro de quantização aumentam à medida que q aumenta
e a resolução do ADC diminui. Para avaliar a influência de q no ruído de quantização e
no período de amostragem, consideramos um controlador digital de realimentação
proporcional com ganho K aplicado ao atraso analógico de primeira ordem
1
Gs( ) =
t é+ 1
A função de transferência z da cascata DAC (retenção de ordem zero), subsistema analógico

e ADC (amostrador ideal) tem o modelo espaço-estado de tempo discreto
xk ( ) +1= [
-
T- exkt ] ( ) + - 1[ t
Tudo bem
-
]()
()
ykxk =()
e e
x x
q q
(a) (b)
Figura 12.5
Características de quantização do ADC. (a) Truncando ADC. (b) Arredondamento do ADC.

Para um ADC truncado como única fonte de ruído com valor de ponto de ajuste zero, a ação de controle é
( ) = Unido
Reino - [( ( ) +
K (ykwk
))]
onde w é o ruído de quantização regido por (12.3) e é subtraído sem perda de
generalidade. O modelo de espaço de estados do sistema em malha fechada é
1 [ ( ) + = xk 1 - eT Kt -e ( - - T t
)] (xk) +K ewk - 1[
- T t
] ()
()
ykxk =()
Para condições iniciais zero, a solução da equação de diferença é
k- 1
1
1 - eT Kt e [1 -
- -
--
T t
xk [ ( ) = ÿ
--
( T-kit
)] K ewk ] ()
eu
=0
()
ykxk =()
o valor médio do ruído de saída é
k- 1
T t para 1
[1 -
- - -
--
T t T t
e [ ( ) = { } ( ) = mk E xk ÿ
1eKe
--
( )] K ewk ] ()
eu
=0
k- 1
= K [1 - - T t ] ( ) - T t 1 - T-kit
)]
--
1
e ÿqe K 2e[--(
eu
=0
onde E{.} denota a expectativa. Se T/ t << 1, usamos a aproximação linear dos

termos exponenciais e – T/ t ÿ 1 - T/t para obter
para 1
T k- 1 --
Tq ÿ1 ÿ
mk K
e
) +K1
( ) = ( )( ) t 2 ÿÿÿ
=0 - ( t
)( eu
ÿÿ
Recordamos a relação
1 ÿ
=ÿ ahk , 1<
1- a
j =0
e tome o limite como k ÿ ÿ para obter a média do estado estacionário

Tq 1 K q
mk K = )
y( ) = ( )( )t ( )( 2 T 1 + (K 2
1 ) +K
t
Para pequenos valores de ganho, temos
K q q
eu = K 1, K <<
e
1 + (K) ÿ (2) 2
q
Para grandes valores de ganho, temos me ÿ
.
2
Observamos que o valor médio é independente do período de amostragem, é linear no
ganho do controlador para pequenos ganhos e é quase independente do ganho para grandes
ganhos. De qualquer forma, o pior valor que podemos alcançar é metade do intervalo de quantização.
A variância da saída é
= {E xk E}xk }()
p 2 2 2
e
() -{
Usando a expressão para a média e depois de algumas tediosas manipulações algébricas, podemos mostrar
que
K e2 1 - - T t 2 2
p 2 == ÿq ÿ
(K ) +1 1[( ( ) K- K 2e 1) ] ÿ ÿ 12 ÿ
ÿ
e - T t - 2T t
)-+(
Se T/ t << 1, usamos as aproximações lineares dos termos exponenciais e – T/ t ÿ

1 - T/t e e–2T/ t ÿ 1 - 2T/t, a variância de saída simplifica para
2
ÿ KT q ÿ
ÿ ÿ, K >> 1
K 2
T qÿ 2 ÿÿ2t ÿ 12 ÿ ÿ
p 2 = ÿ
ÿÿ ÿ
e K + 1 2 t12ÿ ÿ ÿ t
ÿ
K 2 , K << 1
ÿÿ 2t
Ao contrário da média de saída, a variância de saída é linear no período de

amostragem e linear no ganho do controlador para grandes ganhos. Assim, o efeito
do ruído de quantização pode ser reduzido diminuindo o período de amostragem,
uma vez selecionado o ADC. Concluímos que a diminuição do período de amostragem
tem efeitos benéficos em relação ao ruído de aliasing e de quantização. No entanto,
diminuir o período de amostragem requer hardware mais caro e pode agravar os
problemas devido à representação dos parâmetros em palavras finitas.
Ilustramos esse fato com um exemplo simples. Considere um controlador analógico
com pólos em s1 = ÿ1 e s2 = ÿ10. Para uma implementação digital do controlador
analógico com período de amostragem T = 0,001, temos os pólos do controlador digital
dados por (6.3) como
= 1 - 0 .001 ÿ 0 9990
eles . e =
eles 2
- 0 .01 .
ÿ 0 9900
Se truncarmos os dois valores após dois dígitos significativos, temos z1 = z2 = 0,99; isto é, os dois
pólos do controlador digital tornam-se idênticos e correspondem a dois pólos idênticos do controlador
analógico em
1
ss = = 1 em z =1
Em z2 ÿ - . 10 05
12
T T
Para o período de amostragem mais longo T = 0,1, truncar após dois dígitos significativos dá os
pólos z1 = 0,90 e z2 = 0,36, que correspondem a s1 ÿ ÿ1,05 e s2 = ÿ10,21. Isto mostra que uma
aproximação muito melhor é obtida com o período de amostragem mais longo.
12.2.3 Atraso de fase introduzido pelo ZOH

Conforme mostrado na Seção 3.3, a resposta de frequência da retenção de ordem zero pode
ser aproximada como
- e - oh
j-T
-
GjZOH ( oh1 ) = ÿ e oh
j-T 2
j oh
Isto introduz um atraso adicional no circuito de controle aproximadamente igual à metade do período de
amostragem. O atraso adicional reduz as margens de estabilidade do sistema de controle, e a redução é pior
à medida que o período de amostragem aumenta.
Isto impõe um limite superior ao valor do período de amostragem T.
Exemplo 12.3
Seja wc a frequência de cruzamento de ganho de um sistema de controle analógico. Determine o valor máximo
do período de amostragem para uma implementação digital do controlador que diminua a margem de fase em não
mais que 5 graus.
Solução
Devido à presença do ZOH, a margem de fase diminui em wcT / 2, o que produz a restrição
T Pi
ohc ÿ 5
2 180
ou equivalentemente, T ÿ 0,1745 wc.
Exemplo 12.4
Considere o sistema de controle de tanque descrito no Exemplo 2.1 com a função de transferência
1 .2 - 1. 5é
Gs( ) = e
20 1é +
e o controlador PI
20 1é +
Cs(7) =
20 é
Deixe os sinais do atuador e do sensor estarem na faixa de 0 a 5 V com um ganho do sensor de 0,169 V/cm.
Projetar a arquitetura de hardware e software do sistema de controle digital.
Solução
A frequência de cruzamento de ganho do sistema de controle analógico obtida usando MATLAB é wc = 0,42 rad/
s, e a margem de fase é jm = 54 graus. Selecionamos um período de amostragem T = 0,2 se usamos um filtro
antialiasing Butterworth de segunda ordem com frequência de corte de 4 rad/s. A função de transferência do filtro
Butterworth é
64
Fs ( ) =
s 2+ 11 31 é +
. 64
O filtro antialiasing não altera significativamente a frequência de cruzamento de ganho. A margem de fase é
reduzida para jm = 49,6°, o que é aceitável. Na frequência de Nyquist de ÿ/T = 10,47 rad/s, o filtro antialiasing
diminui a magnitude do ruído em mais de
40dB. O atraso de fase introduzido pela retenção de ordem zero é (wcT/ 2) × 180/ÿ = 3,6°, o que
também é aceitável. Selecionamos um ADC de 12 bits com nível de quantização de 1,2 mV, o que
corresponde a um erro de quantização no nível de fluido de 0,07 mm. Também selecionamos um DAC de 12 bits.
Como o tempo de conversão é da ordem de microssegundos, isso não influencia o design geral.
12.3 Estrutura do Controlador

A Seção 12.2 demonstra como erros numéricos podem afetar o desempenho de um controlador digital.
Para reduzir erros numéricos e mitigar seus efeitos, devemos selecionar uma estrutura de controlador
apropriada para implementação. Para examinar o efeito da estrutura do controlador sobre os erros,
considere o controlador
T
N z( , q ) belezaeu
C z( ) = =
T
D z( , ) q é n
T
a =[ um 0 ()q um 1 ()q
ÿ
a n (q)]
(12.4)
T
b [ (b) =q 0 b 1() q ÿ
b eu (q)]
a partir de 1
eu
=[ Com
ÿ
Com
eu
]
onde q é um vetor l × 1 de parâmetros do controlador. Se o vetor de parâmetros nominais for q* e os
. . ordem, então a equação
pólos correspondentes forem pi*, I = 1, 2, . , n, para um controlador de enésima
característica nominal do controlador é
*
Dp( eu , q* =eu
) = 0 ,1 2 , ,..., n (12,5)
Na prática, os valores dos parâmetros são implementados apenas aproximadamente e o

equação característica do sistema é
T
* * ÿD ÿ * ÿD ÿ
) ÿ,pq(
D z( D eu ,q ) + dp eu
+ da
ÿ * ÿa *
zp= Com ÿ ÿ eu ÿÿ
zp= eu
T
ÿD ÿ ÿD ÿ
= dp
*
+ da ÿ 0
eu (12.6)
ÿ Com ÿ ÿ Com =p * eu ÿa ÿÿ
zp=
*
eu
T
ÿ DD ÿ ÿD ÿD ÿ
= ÿ ÿ
ÿa ÿa0 ÿÿ ÿa1 ÿan ÿÿ
Em termos dos parâmetros do controlador, a equação característica perturbada é

T
ÿD ÿ * ÿD ÿa ÿ
D z( ) ÿ, q dp eu
+ dq ÿ 0
ÿ * ÿa ÿq
Com ÿÿ
zp= eu
ÿÿ
qq=
*
(12.7)
ÿa ÿ ÿa ÿ
= eu
ÿ ÿqj ÿ
ÿ ÿ
ÿq
12.3 Estrutura do Controlador 469
Resolvemos perturbações de parâmetros na localização do i-ésimo pólo

T
* ÿD ÿa ÿ dq
dp =-
eu
ÿa ÿq ÿD ÿ (12.8)
ÿÿ *
qq=
ÿ Com ÿ ÿ
=
*
zpi
Para caracterizar o efeito de um determinado parâmetro no i-ésimo pólo, podemos definir

as perturbações em todos os outros parâmetros para zero para obter
T
* ÿD ÿa ÿ dq
dp =- eu
eu
ÿa ÿ q ÿ ÿ= ÿ * D ÿ
eu
qq
ÿ Com ÿ ÿ *
zp= eu
(12.9)
T
ÿa ÿa0 ÿa1 ÿan ÿ
= ÿ ÿ
ÿq ÿq eu
ÿÿ
eu
ÿq eu
ÿq eu
ÿÿ
Este conceito é explicado pelo exemplo a seguir. Considere o seguinte controlador geral de segunda
ordem:
( ) + - + ( abz ap bp
2 1 )
Cz(-) =
2
+ ( ) +zppzpp 1 2 12
Sejam a1 = ÿ( p1 + p2) e a0 = p1p2 os coeficientes nominais da equação característica do controlador

e escreva a equação característica como
D ( , ,1
0 )=0
Quando um coeficiente li é alterado (devido a erros numéricos) para li + ÿli, então a posição
de um pólo é alterada de acordo com a seguinte equação (onde os termos de segunda
ordem e de ordem superior são negligenciados):
ÿD ÿD
(+
D pp d eu ,
eu + )ÿl= ( Dp eu ,
eu ) + p + ÿl
ÿ d eu ÿ
eu eu eu eu eu eu
Com
zp= eu
eu
Aquilo é,
ÿD
dp ÿ eu
eu
=- eu
ÿl ÿD
eu
ÿ Com
zpi=
Agora temos as derivadas parciais
ÿD ÿD ÿD
2=+
para = Com
= 1
1
ÿ Com ÿa1 ÿa0
e portanto
dp 1 p1 p1 dp 2 p2 p2
=- = =- =
- -
d a1 ppp 1 - + ( 21 2 ) pp.
1 2
da1 ppp 2 - + ( 21 2 ) pp.
2 1
dp 1 1 1 dp 2 1 1
=- = =- =
d ) - d 2( pppp
-+21 -
um 0 1 - + ( 21
ppppp 2 1 2 um 0 2) 2 1
Assim, o controlador é mais sensível às mudanças no último coeficiente da equação

característica, e sua sensibilidade aumenta quando os pólos estão próximos. Este conceito
pode ser generalizado para controladores de alta ordem. Observe que diminuir o período
de amostragem aproxima os pólos quando partimos de um projeto analógico. Na verdade,
para T ÿ 0 temos que
= ÿ1 p Ts
sobre
Com
independentemente do valor do pólo analógico ps.

Esses problemas podem ser evitados escrevendo o controlador em uma forma
paralela equivalente:
a b
C z( ) = zp +
- -
1 zp 2
Podemos agora analisar a sensibilidade dos dois termos do controlador separadamente

para mostrar que a sensibilidade é igual a um, que é menor que no caso anterior se
os pólos estiverem próximos. Assim, a forma paralela é preferida. Da mesma forma,
a forma paralela também é superior à forma em cascata:
( ap
) + bp
abz -+( 2 1 ) 1
C z( ) =
- -
zp 1 zp 2
Exemplo 12.5
Escreva as equações diferenciais nas formas direta, paralela e em cascata para o sistema
()
Você z Com
- 0 .4
C z( ) = ( ) =
2 - 0 .3 0
Ez Com Com02 + .
Solução
A equação diferencial correspondente à forma direta do controlador é
reino . - . Unido - 2 ek ) + - . -
unido ( ) = 0 3 ( reino
unido 1 )0- 02 ( Reino ( ) - 1 0 4 ( ek 2)
Para a forma paralela, obtemos a expansão em frações parciais da função de transferência
()
Você z - 2 3
C z( ) = = +
()
E zz - 0 02 1. . Com
-
Isso é implementado usando as seguintes equações de diferença:
1unido ( ) =.0 2 reino unido

reino ) - -–(( 11 2 ek )
2 unido ( ) =.0 1 reino unido

reino - ( ) + 1 3 -ek
(1 )
está
( ) em
= ( )você
+1 2( ) k
12.4 Controle PID 471
Finalmente, para a forma cascata temos

( )z
Você Com
- 0 .4 1 X z( ) ( )z
Você
C z( ) = ( ) = =
Ez Com
- 0 .2 Com
- 0 .1 Ez( ) X z( )
que é implementado usando as equações de diferença
xk( ) = 0 2 xk. - ( ) + ( ) - 0 EU
4 1 eu . -() 1
. unido
( ) = 0 1 reino
Reino Unido
-( )+1 xk- () 1
12.4 Controle PID

Nesta seção, discutimos diversas questões críticas relacionadas à implementação de controladores PID.
Em vez de fornecer uma discussão exaustiva, destacamos alguns problemas e soluções diretamente
relacionados com a implementação digital.
12.4.1 Filtrando a Ação Derivada

O principal problema com a ação derivativa é que ela amplifica o ruído de alta frequência e pode levar a
um sinal de controle ruidoso que pode eventualmente causar sérios danos ao atuador. Recomenda-se,
portanto, filtrar a ação global de controle com um filtro passa-baixa ou, alternativamente, filtrar a ação
derivativa.
Neste caso, a função de transferência do controlador no caso analógico pode ser escrita como (ver
(5.20))
ÿ ÿ
1 Tsd
C e( )K = 1+ +
ÿ ÿ
p
ÿ
Ts Td ÿ
ÿ
eu
1+ é ÿ
ÿ N ÿ
onde N é uma constante no intervalo [1, 33], Kp é o ganho proporcional, Ti é a constante de tempo
integral e Td é a constante de tempo derivada.
Na maioria dos casos encontrados na prática, o valor de N está no intervalo menor [8, 16]. A função
de transferência do controlador pode ser discretizada conforme discutido no Capítulo 6. Uma abordagem
útil na prática é usar a aproximação diferencial direta para a parte integral e a aproximação diferencial
regressiva para a parte derivada. Isso dá à função de transferência do controlador discretizado
ÿ ÿ
T Td Com
- 1
C z( K
)=
ÿ ÿ
p
1+ + ÿ
(12.10)
ÿ
T z( )-1 Td Td ÿ
eu
T+ Com
-
ÿ ÿ
ÿ N NT T+ d ÿ

2
+ +K de
KK0 1de 2
C z( )= (12.11)
( Com )-(1 Com ) -c
onde
Td T Td NT d
Kk0 = ÿ - + ÿ
p ÿ
ÿ ÿ NT T+ T NT T+ NT T+ ÿ
d eu d d
Td T NT d
Kk = - ÿ1 + -+2 ÿ
ÿ
1 p.
ÿÿ NT T+ d
T eu
NT T+ d ÿ
(12.12)
NT d
Kk2 = ÿ1 + ÿ
p ÿ
ÿÿ NT T+ d ÿ
Td 1
c = =
+ d
NT TNTT ( d ) +1
Exemplo 12.6
Selecione um valor de parâmetro de filtro derivativo adequado N para o controlador PID descrito no Exemplo 5.9 com um período de
amostragem T = 0,01 e obtenha a função de transferência discretizada correspondente de (12.11).
Solução
Os parâmetros PID analógicos são Kp = 2,32, Ti = 3,1 e Td = 0,775. Selecionamos o parâmetro de filtro N = 20 e usamos (12.4) para obter
K0 = 38,72, K1 = ÿ77,92, K2 = 39,20 e ÿ = 0,79.
A expressão do controlador PID discretizado é, portanto,
KK0 1de
+ +K de 2 - 92 .39 20
38 .72 77 com + . Com
2
C z( ) = 2 =
-
(z ) -1( ) -c (1zz) - ( ) 0. 79
12.4.2 Encerramento do Integrador
A maioria dos sistemas de controle é baseada em modelos lineares e metodologias de projeto.

Entretanto, todo atuador possui uma não-linearidade de saturação, como na malha de
controle mostrada na Figura 12.6, que afeta tanto o controle analógico quanto o digital. O
projetista deve considerar a não linearidade na fase de projeto para evitar degradação do desempenho.
Referência Processo
Entrada em em
Saída y
Controlador Processo
Figura 12.6
Malha de controle com saturação do atuador.

ção. Um fenômeno comum relacionado à presença de saturação do atuador é conhecido como

encerramento do integrador. Se não for tratado adequadamente, pode resultar em uma resposta
ao degrau com um grande overshoot e tempo de acomodação.
Na verdade, se a variável de controle atingir seu limite máximo (ou mínimo) quando
uma entrada escalonada for aplicada, o controle se tornará independente da realimentação
e o sistema se comportará como no caso de malha aberta. Assim, o erro de controle
diminui mais lentamente do que na ausência de saturação, e o termo integral torna-se
grande ou acaba. O termo integral grande causa saturação da variável de controle mesmo
depois que a saída do processo atinge seu valor de referência e ocorre um grande overshoot.
Muitas soluções foram concebidas para compensar o enrolamento do integrador e manter o
comportamento linear. A lógica dessas técnicas anti-windup é projetar a lei de controle
desconsiderando a não-linearidade do atuador e então compensar os efeitos prejudiciais do windup
do integrador.
Uma das principais técnicas anti-windup é a chamada integração condicional, que mantém constante o termo
de controle integral quando uma condição especificada é atendida. Por exemplo, o termo de controle integral é mantido
constante se o componente integral do controle calculado exceder um determinado limite especificado pelo projetista.
Alternativamente, o controlador integral é mantido constante se o atuador saturar com a variável de controle e o erro
de controle tiver o mesmo sinal (ou seja, se u · e > 0). A condição u · e > 0 implica que o controle aumenta em vez de
corrigir o erro devido à liquidação e que a ação integral não deve aumentar.
Por outro lado, uma saturação positiva com u · e < 0 significa que o erro é negativo e portanto
a ação integral está diminuindo e não faz sentido mantê-la constante. O mesmo raciocínio pode
ser facilmente aplicado no caso de saturação negativa. Assim, a condição evita inibir a integração
quando ajuda a afastar a variável de controle da saturação.
Uma técnica alternativa é o cálculo retroativo, que reduz (aumenta) o controle integral quando
o limite máximo (mínimo) de saturação é atingido adicionando ao integrador um termo proporcional
à diferença entre o valor calculado do sinal de controle v e seu valor saturado você. Em outras
palavras, o valor integral I(k) é determinado por
K
p
Eu( )sei,
= -eu
( )sei
1+ 1 ( ) - ( ( ) - ( vkuk
)) eu (12.13)
T
eu
Tt
onde Tt é a constante de tempo de rastreamento. Este é um parâmetro de ajuste

que determina a taxa na qual o termo integral é redefinido.
Exemplo 12.7
Considere a função de transferência do controlador digital proporcional integral (PI)
1 .2 z - 1 .185
C z( ) =
Com
- 1
com Kp = 1,2, Ti = 8, período de amostragem T = 0,1 e a função de transferência de processo
1 - 5é
Gs( ) = e 10 1
é +
Obtenha a resposta ao degrau do sistema (1) se os limites de saturação do atuador forem umin = –1,2 e umax
= 1,2, e (2) sem saturação do atuador. Compare e discuta as duas respostas e, em seguida, use o cálculo regressivo
para reduzir o efeito do encerramento na resposta ao degrau.
Solução
Para o sistema com saturação do atuador e sem estratégia anti-windup, a saída do processo y, a saída do controlador
v e a entrada do processo u são mostradas na Figura 12.7. Observamos que a saída do atuador excede o nível de
saturação mesmo quando a saída do processo atinge seu valor de referência, o que leva a um grande overshoot e
tempo de estabilização. A resposta após a remoção da não linearidade da saturação é mostrada na Figura 12.8. A
ausência de saturação resulta em uma resposta mais rápida com rápido estabelecimento no nível de estado
estacionário desejado.
Os resultados obtidos pela aplicação do cálculo regressivo com Tt = Ti = 8 são mostrados na Figura 12.9. A
variável de controle é mantida em um nível muito mais baixo e isso ajuda a evitar quase totalmente o overshoot. A
resposta é mais lenta que a resposta sem saturação, mas é significativamente mais rápida que a resposta sem
estratégia anti-windup.
2
em
1,8
em
1.6
e
1.4
1.2
0,8
0,6
0,4
0,2
0
0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 12.7
Entrada do processo u, saída do controlador v e saída do processo y com saturação do atuador e sem estratégia
anti-windup.
2
em
1,8
1.6
e
1.4
1.2
0,8
0,6
0,4
0,2
0 0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 12.8
Saída do controlador v e saída do processo y sem saturação do atuador.
1.4
em
1.2
1
em
0,8
e
0,6
0,4
0,2
0 0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 12.9
Entrada do processo u, saída do controlador v e saída do processo y com saturação do atuador e uma estratégia
anti-windup de cálculo regressivo.
12.4.3 Transferência sem interrupções entre o modo manual e automático
Quando o controlador pode operar no modo manual ou no modo automático, a

alternância entre os dois modos de operação deve ser feita com cuidado para evitar
um impacto na saída do processo no instante da comutação. Durante o modo manual,
o operador fornece controle de feedback e o feedback automático é desconectado. O
termo integral no controlador realimentado pode assumir um valor diferente daquele
selecionado pelo operador. A simples mudança de automático para manual, ou vice-
versa, como na Figura 12.10, leva a um aumento no sinal de controle, mesmo que o
erro de controle seja zero. Isso resulta em um aumento indesejável na saída do sistema.
Para uma transferência suave ou sem solavancos entre o controle manual e o

controlador digital automático C(z), usamos o esquema digital mostrado na Figura 12.11.
Escrevemos a função de transferência automática do controlador em termos de um
controlador assintoticamente estável D(z) com ganho CC unitário - isto é, D(1) = 1 - como
K
C (z) = (12.14)
1- ( )D z
Então resolvemos para D(z) em termos de C(z) para obter
C (z )K-
D z( ) =
() Cz
R(z) E(z) M S(z)

C(z) A DAC G(s) ADC
+ - você(z)
Figura 12.10
Diagrama de blocos para transferência irregular manual (M)/automática (A).
C(z)
D(z) M
M
e(k) + A Reino Unido)
A K
+
Figura 12.11
Diagrama de blocos para transferência manual (M)/automática (A) sem impactos.

Se C(z) for a função de transferência do controlador PID de (12.11), temos
KK z) -KKK z2 KK
+--1 c )+- c
D z( ()= 2 0
(12.15)
((z ) -1( ) -c
Se o coeficiente do termo z2 no numerador for diferente de zero, então o controle-

ler tem a forma
()
Você z
D z( ) = = - KKDz
( )2 + ( )a
Ez()
onde Da(z) tem um polinômio numerador de primeira ordem. A saída do controlador
u(k + 2) é igual à soma de dois termos, um dos quais é a própria saída do controlador
u(k + 2). Assim, a solução da equação de diferenças relacionada não pode ser
calculada por uma simples recursão. Essa estrutura de controlador indesejável é
conhecida como loop algébrico. Para evitar um loop algébrico, impomos a condição
KK=2 (12.16)
para eliminar o termo z2 no numerador. Ilustramos a eficácia do esquema de modo manual/

automático sem colisão usando o exemplo a seguir.
Exemplo 12.8
Verifique se ocorre um salto se a alternância entre operação manual e automática usar a configuração mostrada
na Figura 12.10 para o processo
1
Gs( ) = e- 2é
10 1é +
e o controlador PID (T = 0,1)
44 de 2 - 85 .37 41 +
43 Com .
C z( ) =
Com 2 - + .
1 .368 0 368
Com
Projete um esquema que proporcione uma transferência tranquila entre os modos manual e automático.
Solução
A resposta ao degrau unitário para o sistema mostrado na Figura 12.10 é mostrada na Figura 12.12
juntamente com a saída do controlador automático. A transferência entre o modo manual, onde uma entrada
escalonada u = 1 é selecionada, e o modo automático ocorre no tempo t = 100. A saída do controlador PID é
cerca de 11, o que está longe do valor de referência da unidade em t = 100. Isto leva a um aumento significativo
na variável de controle ao mudar do controle manual para o automático, o que atua como um distúrbio, causando
um aumento na saída do processo. Para eliminar o bump, usamos a configuração de transferência sem bump
mostrada na Figura 12.11 com os parâmetros do controlador PID
= 44,
Kk 2 1 = 85 .37, K 0 = 41 .43, c = 0 .368
2
Processo
Saída
do
0
0 50 100 150
Tempo
(a)
40
20
controlador
Saída
do
0 50 100 150
Tempo
(b)
Figura 12.12
Saída do processo (a) e saída do controlador (b) para o sistema sem transferência contínua.
1
Processo
0,5
Saída
do
0
0 50 100 150
Tempo
(a)
0,5
controlador
Saída
do
0
0 50 100 150
Tempo
(b)
Figura 12.13
Saída do processo (a) e saída do controlador (b) para a transferência manual/automática sem interrupções
mostrada na Figura 12.11.
Usando (12.15) e (12.16), temos
- 0 .572 0 +
574.
Com
D z( ) = 2
Com
- 1 .94 0Com942 +.
e K = 44. Os resultados da Figura 12.13 mostram uma transferência sem solavancos, com a saída do
PID em t = 100 igual a um.
12.4.4 Formulário Incremental
Os problemas de encerramento do integrador e transferência sem interrupções são resolvidos com a

implementação do controlador PID de forma incremental. Determinamos os incrementos no sinal de
controle em cada período de amostragem em vez de determinar os valores reais do sinal de controle.
Isso move a ação integral para fora do algoritmo de controle. Para melhor compreender este processo,
consideramos a equação diferencial de um controlador PID (o filtro na ação derivativa não é considerado
por simplicidade):
k
T Td
reino
( ) =unido K
ÿ
p ek +
()
T
ÿ não
- - ( )) ÿ 1 ÿ ekek ( ) + ( ( )
T
ÿ
ÿÿ eu eu
=0
Subtraindo a expressão para u(k ÿ 1) daquela de u(k), obtemos o incremento
T Td 2Td Td
- ( () )=- 1se Kp ÿÿ1 + + ÿ EU 1 ) ( eu ) - + 1 eu( -2) ÿ ÿ
ÿÿÿ
T T ÿÿ ( ) + - - ( T T
ÿ
ÿ eu
que pode ser reescrita de forma mais compacta como
( ) K- -ek( K) 1
ukuk ek=K ek 2()+ 1( -
)1+ 0( - 2) (12.17)
onde
T Td
Kk2 = ÿ1+ + ÿ (12.18)
p
ÿÿ T eu
T ÿÿ
2Td
Kk1 p. 1 ) (12.19)
=--( T
Td
Kk0 = p (12h20)
T
A partir da equação diferencial (12.17), podemos determinar os incrementos no sinal

de controle em cada período de amostragem. Na verdade, em (12.17) não há acumulação
de erros (neste caso a ação integral pode ser considerada “fora” do controlador), e o
problema de windup do integrador não ocorre. Na prática, é suficiente que o sinal de
controle não seja incrementado quando o atuador saturar—
ou seja, temos u(k) = u(k ÿ 1) quando v(k) = u(k) na Figura 12.6. Além disso, a
transferência entre o modo manual e o modo automático é tranquila, desde que o
O operador fornece os incrementos na variável de controle em vez de seu valor total.
A transformada z da equação de diferença (12.17) fornece a função de transferência z do controlador PID

na forma incremental como
2
( )z
D Você K de
2 K+
de+ 0K 1
C z( ) = = (12.21)
Ez( ) 2z
onde ÿU(z) é a transformada z do incremento u(k – p) ÿ u(k – 1).
Exemplo 12.9
Para o processo descrito no Exemplo 12.7 e um controlador PI analógico com Kp = 1,2 e Ti = 8, verifique se o
enrolamento é evitado com o controlador PI digital na forma incremental (T = 0,1) se os limites de saturação do
atuador forem umin = – 1,2 e umax = 1,2.
Solução
Usando (12.18) e (12.19), obtemos K2 = 1,215 e K1 = ÿ1,2 e a função de transferência do controlador digital
1 .215 1 2 -
Com .
C z( ) =
Com
- 1
A saída obtida com o controlador PI de forma incremental (evitando a atualização do controlador quando o atuador
satura) é mostrada na Figura 12.14. Comparando os resultados com os apresentados na Figura 12.7, notamos
que a resposta é muito mais rápida tanto na subida ao valor de referência como na estabilização. Na Figura
12.14, os efeitos da saturação não são mais perceptíveis.
0,8
0,6
Processo
Saída
do
0,4
0,2
0
0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 12.14
Processe a saída com o PID em formato incremental.

12.5 Troca de Período de Amostragem 481
12.5 Troca de Período de Amostragem
Em muitas aplicações de controle, é necessário alterar o período de amostragem

durante a operação para atingir o uso ideal dos recursos computacionais. Na verdade,
uma única CPU geralmente executa muitas atividades, como armazenamento de
dados, interface de usuário e comunicação, e possivelmente implementa mais de um
controlador. Portanto, é necessário otimizar a utilização da CPU alterando o período de amostragem.
Para uma determinada lei de controle digital, por um lado é desejável diminuir o período de amostragem para
evitar degradação do desempenho; por outro lado, diminuí-lo pode sobrecarregar a CPU e violar as restrições
de tempo real.
O problema de alterar a lei de controle quando a frequência de amostragem muda
pode ser resolvido alternando entre controladores trabalhando em paralelo, cada um com
um período de amostragem diferente. Esta é uma tarefa simples, desde que a comutação
sem interrupções seja implementada (consulte a Seção 12.4.3). Entretanto, usar múltiplos
controladores em paralelo é computacionalmente ineficiente e inaceitável se o objetivo for
otimizar a utilização da CPU. Assim, é necessário mudar de um controlador para outro
quando o período de amostragem muda, em vez de operar os controladores em paralelo.
Isso requer o cálculo dos novos parâmetros do controlador, bem como os valores anteriores de erros e
variáveis de controle necessários para calcular o controle antes da comutação. Se o intervalo de amostragem
original for T¢ e o novo intervalo de amostragem for T, então devemos mudar do controlador
T
()
Você z belezaeu
C z'( ) = =
Ez )
( T
é n
T
a = [ (T)ÿ0 a T a 1( )' ÿ1 ] (12.22)
T
= ( [)ÿb 0b
TbT 1( )'
ÿ
b eu ( T
)' ]
eu
z = [1ÿ ]
eu Com Com
para o controlador
T
()
Você z belezaeu
C z( ) = =
Ez )
( T
é n
T
a = [ (T) 0a T a 1 () ÿ
1]
T
b = [ ( ) 0( ) b T b T 1 eu (
b-T )]
ÿ
Com eu
= [1 Com
ÿ
Com
eu
]
Equivalentemente, mudamos da equação de diferença
' '
( )ÿ( (( ) +)ÿm=T- ÿ)
n (+)ÿ+-1
(...
( )m(
- 1)ÿu (kT
( ) a- T
bTukekn
T ) - - (...)ÿ ( ( ) - 0a T ukn T )+
'
0
- b T ekn T )
para a equação de diferença

-
( a T) =uk- T n (-1) ( )( ) - a T ukn T
u kT - - (...
) ( )( ) 1 +0
-
eknm
0 ( ) ((Tb T ) ) + + ekn
... b TT m( ) ( )( ) - +
Assim, no instante do tempo de comutação, devemos recomputar os valores dos vetores

de parâmetros a e b , bem como os valores anteriores m + 1 correspondentes do erro de
rastreamento e e os valores anteriores n da variável de controle u.
Calculamos os novos parâmetros do controlador usando a função de transferência do
controlador, que depende explicitamente do período de amostragem. Por exemplo, se o
controlador PID de (12.11) for usado, os novos parâmetros do controlador podem ser
facilmente calculados usando (12.12) com o novo valor do período de amostragem T, ou
equivalentemente, usando (12.10) onde o período de amostragem T aparece explicitamente.
Para calcular os valores passados do erro de rastreamento e e da variável de controle u,
diferentes técnicas podem ser aplicadas dependendo se o período de amostragem aumenta
ou diminui. Para simplificar, consideramos apenas o caso em que um período de
amostragem é divisor ou múltiplo do outro. O caso em que a razão entre o período de
amostragem anterior e o novo (ou vice-versa) não é um número inteiro é uma simples
extensão, que não é considerada aqui.
Se o novo período de amostragem T for uma fração do período de amostragem anterior
' '
T u((k ÿ = lT), os n valores anteriores da variável de controle [u((k ÿ 1)T), (ou seja, T
. ., são determinados com a variável de controle mantida constante durante
2)T) , . u((k ÿ n)T)]
os últimos l períodos. Caso contrário, os valores de erro anteriores m + 1 são calculados
usando um interpolador como um polinômio cúbico. Em particular , os coeficientes ÿ( ) = +
3 2
um polinômio de terceira ordem etctctctc podem ser determinados + +considerando
c3, c2,
3 c1 e2 c0asde
três
1 0
últimas amostras e o valor atual do erro de controle. Os dados produzem o seguinte sistema
linear :
' ' 2 ' '
ÿ ( (3) ÿ- k T )3 ( ( ) - ) -3 k3 T k)T ( 1ÿ
ÿ c3 ÿ 3
ÿ T ( ( ) - um )ÿ
' 3 ' 2 ' 1 c2
ÿ
2 '
ÿ
( ( 2) -ÿ k T ) ( ( ) - ) -2 k2 T k)T ( ÿ
ÿ ÿ
= (( ekT ) -
ÿ
) ÿ
ÿ ÿ ÿ
' ÿ
(12.23)
k - 1) T ' )3 ( ( ) - kT1
' 2
( ) - kT1
' 1 c1 1 )
ÿ
((ÿ ) ÿ ÿ T ( ( ) - um
ÿ ÿ
3 2 ' 1ÿ ÿ c0 ÿ
ÿ ÿ ÿ
ÿ ( por kT)' ÿ
ÿ
ÿ ( kT )' ( kT )' kT ÿ
Uma vez determinados os coeficientes da função polinomial, os valores anteriores

do erro de controle com o novo período de amostragem são determinados a partir dos
valores das funções polinomiais avaliadas nos instantes de amostragem requeridos. O
procedimento é ilustrado na Figura 12.15, onde a linha tracejada conectando os valores
de erro de controle entre (k ÿ 3)T e kT é a função polinomial et ÿ( ).
'
Se o novo período de amostragem T for um múltiplo do período de amostragem anterior
T (ou seja, T = lT ÿ), as m amostras de erro anteriores são conhecidas. Porém, a estrutura de
dados deve ser grande o suficiente para armazená-los mesmo que não estejam
necessariamente com o período de amostragem T ÿ. Se a diferença pólo-zero do processo for
igual a um, as n ações de controle passadas equivalentes são calculadas aproximadamente
como as saídas estimadas usando o modelo do sistema de controle com período de amostragem T. Especifi-
em
e
~
e
(kÿ6)T (kÿ5)T (kÿ2)Tÿ (kÿ4)T (kÿ3)T (kÿ2)T (kÿ1)T kT kTÿ

(kÿ1)Tÿ
Figura 12.15
'
Comutação da amostragem do controlador de um período de amostragem para uma taxa de amostragem mais rápida com amostragem
T período T = T ÿ/3.
camente, seja o modelo de processo obtido pela discretização do processo analógico com
período de amostragem T
E z( ) - h- 2 + + ...
= b h - zh1 bh - 2 b0
1+ Com
Gz ()=
DE NOVO
()
Você z hz +a hz - 1 ++
... a0
h- 1
onde h ÿ n. Então, as n ações de controle passadas equivalentes u((k ÿ 1)T), u((k ÿ

…, 2)T), u((k ÿ n)T) são determinadas minimizando a diferença entre as médias.
saída garantida e a estimada pelo modelo no momento da comutação:
min ( y kT (- ) - a - yk-Taykh -
h 1 ( )( 1)T- ...
0
- ( )( ) +
-
(12.24)
1 Reino
b - ( )( ) - +Unido T ... b 0u kh T ( )( ))
h 1
Resolvemos o problema de otimização numericamente usando uma abordagem

apropriada, como o algoritmo simplex (ver Seção 12.5.1). Para iniciar a pesquisa, as
condições iniciais devem ser fornecidas. As condições iniciais podem ser selecionadas
como os valores do sinal de controle nos mesmos instantes de amostragem determinados
anteriormente com o controlador mais rápido. A situação é ilustrada na Figura 12.16.
12.5.1 Comandos Matlab

Quando a frequência de amostragem é aumentada, a matriz en dos valores de erro
anteriores m + 1 pode ser calculada usando o seguinte comando MATLAB:
>> en = interp1(ts, es, tn, 'cúbico')
onde ts é um vetor contendo os últimos quatro instantes de amostragem [(k ÿ

3)T ÿ, (k ÿ 2)T ÿ, (k ÿ 1)T ÿ, kT ÿ] do controlador mais lento e es é um vetor contendo
em
kTÿ
(kÿ6)Tÿ '
(kÿ5)T (kÿ4)Tÿ (kÿ3)Tÿ (kÿ2)Tÿ (kÿ1)Tÿ (kÿ1)T
(kÿ2)T kT
Figura 12.16
'
Comutação da amostragem do controlador de um período de amostragem T para uma taxa de amostragem mais lenta com
período de amostragem T = 3T ÿ.
os erros de controle correspondentes [e((k ÿ 3)T ÿ), e((k ÿ 2)T ÿ), e((k ÿ 1)T ÿ), e(kT ÿ)].
A matriz tn contém os m + 1 instantes de amostragem para os quais os erros de controle passados para o
novo controlador devem ser determinados.
T do polinômio
Alternativamente, o vetor dos coeficientes c = [c3, c2, c1, c0]
cúbico pode ser obtido resolvendo o sistema linear (12.23) usando o comando
>> c = linsolve(M, e)
onde M é a matriz que contém os instantes de tempo e e é o vetor coluna que contém as
amostras de erro tal que (12.23) é escrito como M*c = e. Uma vez calculados os coeficientes
do polinômio, os valores do erro de controle nos instantes anteriores de amostragem podem
ser facilmente determinados por interpolação.
Para encontrar os valores de controle anteriores usando o algoritmo simplex, use o comando
>> un = fminsearch(@(u)(abs(yk ÿ ah1*yk1ÿ . u(1) + . . ÿa0 * ykh + bh1 * +

… b0*u(n))), initcond)
onde initcond é o vetor de n elementos contendo as condições iniciais, un

é o vetor de variáveis de controle [u((k ÿ 1)T), u((k ÿ 2)T), . . ., u((k ÿ n)T)], e os termos da
função abs são os valores correspondentes à expressão (12.24), com exceção de u(1), . .
.,
você(n) que deve ser escrito explicitamente. Os detalhes são fornecidos nos exemplos a seguir.
Exemplo 12.10
Discuta o efeito da alteração da taxa de amostragem na resposta ao degrau do processo

descrito no Exemplo 12.7 e um controlador PI analógico com Kp = 1,2 e Ti = 8. Inicialmente
'
use um controlador PI digital na forma incremental com T = 0,4 s; então mude no tempo t = 22 s
para um controlador mais rápido com T = 0,1 s.
Solução
Para controle PI, definimos Td como zero em (12.18) a (12.20) para obter os parâmetros
'
T
Kk2 = p ÿ 1 + ÿ 1 .2 1 0 4 8. 1 26 .
ÿ=+()=
ÿÿ T ÿ eu
Kk1 = - = - p 1. 2
K0= 0
Usando (12.21), a função de transferência inicial do controlador digital é

Você z () 1 .26 1 2- Com .
C z( ) = ( ) =
Ez Com
- 1
Simulamos o sistema usando MATLAB para calcular os sinais de controle e erro. O sinal de
controle em t = 20,8, 21,2 e 21,6 s está representado graficamente na Figura 12.17, enquanto o erro
em t = 20,8, 21,2, 21,6 e 22 s está representado graficamente como círculos na Figura 12.18. No
tempo t = 22 s, o período de amostragem muda para T = 0,1 s e o sinal de controle deve ser
recalculado. Os novos parâmetros do controlador PI são
'
T
Kk2 = p ÿ 1 + ÿ 1 .2 1 0 1 8. 1 215 .
ÿ=+()=
ÿÿ T ÿ eu
Kk1 = - = - p 1. 2
K0= 0
produzindo a seguinte função de transferência:
1 .215 1 2- Com .
C z( ) =
Com
- 1
A equação de diferença associada é, portanto,

ukuk
( ) -=( ) 1 1 215
i()-+ . . Eu( -1 2 1) (12h25)
Enquanto em t = 22 s o valor de e(k) = ÿ0,3139 não é afetado pela comutação, os valores

de u(k ÿ 1) e e(k ÿ 1) devem em geral ser recalculados para o novo período de amostragem.
Para um controlador de primeira ordem, o valor de você(k ÿ 1) é o valor do sinal de controle no tempo t = 22 ÿ T
= 22 ÿ 0,1 = 21,9 s. Este valor é o mesmo do sinal de controle para o período de amostragem T no intervalo de
'
21,6 a 22 s. A partir dos resultados da simulação mostrados na Figura 12.17, obtemos u(k ÿ 1) = 0,8219 onde
os valores do sinal de controle em t = 21,7, 21,8 e 21,9 s com o novo controlador são indicados por estrelas.
Para calcular o valor anterior do erro de controle e(k ÿ 1), usamos um polinômio cúbico para
interpolar os últimos quatro valores de erro com o controlador mais lento (a função de interpolação
0,88
0,87
0,86
0,85
0,84
controle
Sinal
de
0,83
0,82
0,81
0,8
20,8 21 21.2 21.4 21.6 21.8 22
Tempos
Figura 12.17
Sinal de controle (linha contínua) obtido simulando o sistema descrito no Exemplo 12.10 com = 0,4 s. Os círculos
'
de amostragem denotam os valores de controle nos instantes de amostragem, e as estrelas T do período
denotam os valores de controle para T = 0,1 s.
–0,3125
–0,313
–0,3135
–0,314
–0,3145
–0,315
–0,3155
–0,316
20,8 21 21.2 21.4 21.6 21.8 22
Tempos
Figura 12.18
Interpolação de erro de controle et ÿ( ) (linha sólida) obtida simulando o sistema descrito no Exemplo
'
12.10 com período de amostragem T = 0,4s . Os círculos indicam os valores de erro na amostragem
instantes, e as estrelas denotam os valores de erro para T = 0,1 s.
é a linha sólida na Figura 12.18). Usando os erros de controle em t = 21,7, 21,8, 21,9 s, e(21,6) = ÿ0,3155, e(21,2)
= ÿ0,3153 e e(20,8) = ÿ0,3131, o sistema linear (12,23)
é resolvido para os coeficientes c3 = ÿ0,0003, c2 = 0,0257, c1 = ÿ0,6784 e c0 = 5,4458. Para resolver o sistema
linear, usamos os comandos MATLAB
>> M = [20,8ÿ 3 20,8ÿ 2 20,8 1; 21,2ÿ 3 21,2ÿ 2 21,2 1; 21,6ÿ 3 21,6ÿ 2 21,6 1; 22,0ÿ 3
22,0ÿ 2 22,0 1];
>> e = [-0.3131 -0.3153 -0.3155 -0.3139]’;
>> c = linsolve(M,e); % Resolva o sistema linear M c = e
>> pt = c(1)*21,9ÿ 3 + c(2)*21,9ÿ 2 + c(3)*21,9 + c(4);
O valor do erro de controle no tempo t = 21,9 s é, portanto,
=- - 2 =-
ek ( ) -1 0 0003 21. 9 0 0257 21. 9 3+
0 6784. 21 9 5 4458. 0 31 44. ÿ+ . . .
ÿ ÿ
Alternativamente, podemos usar o comando MATLAB para interpolação cúbica
>> en = interp1([20,8 21,2 21,6 22], [ ÿ0,3131 ÿ0,3153 ÿ0,3155

ÿ0,3139],21,9,ÿcúbicoÿ);
O erro de controle para o controlador mais rápido em t = 21,7, 21,8 e 21,9 s é indicado por estrelas na Figura
12.18. Em (12.25), observamos que apenas o erro em t = 21,9 é necessário para calcular o controle em t = 22 s
após mudar para o controlador mais rápido. Calculamos o valor de controle:
( ) unido
reino = - ( 1) 1+215
( )eu
- -1 (2.)eu 1 .
= 3139
. 12 + . × -( ) - . . . 0 08219= 1 215
× -( ) 08178
3144 . 0
Calculamos o controle no tempo t = 22,1 se os instantes de amostragem subsequentes usando a mesma

expressão sem a necessidade de interpolação adicional. Observe que o desempenho geral não é
significativamente afetado pela alteração do período de amostragem, e a saída do processo resultante é
virtualmente a mesma mostrada na Figura 12.8.
Exemplo 12.11
Projete um controlador digital para o sistema de controle de velocidade do motor DC descrito no Exemplo 6.16
com função de transferência
1
Gs( )=
( é ) + ( 1 é ) +10
para implementar o controlador PI analógico
+ s1
Cs( ) = 47 2 .
é
'
com o período de amostragem mudado de T a = 0,01 s para T = 0,04 s no tempo t = 0,5 s. Obtivermos
resposta ao degrau do sistema em malha fechada e discuta seus resultados.
0,07
0,06
0,05
0,04
0,03
Erro
0,02
0,01
–0,01
–0,02
0,42 0,43 0,44 0,45 0,46 0,47 0,48 0,49 0,5
Tempo
Figura 12.19
Erro de controle para os dois controladores descritos no Exemplo 12.11. Os círculos indicam os valores de erro
para o controlador mais rápido; os círculos escuros indicam os valores de erro para o controlador mais lento.
Solução
'
Aplicando a transformação bilinear com T obtemos a = 0,01 para a função de transferência do controlador C(s),
função de transferência inicial do controlador
47 44 -
. 46 96
Com .
C z( ) =
Com
- 1
Simulamos o sistema usando MATLAB para calcular os valores de erro e de saída do processo.
, mostrados na Figura 12.19. A saída do processo para uma etapa de
Os valores de erro em t = 0,42, . . . 0,5 s são
entrada de referência de degrau unitário nos mesmos instantes de amostragem é mostrada na Figura 12.20.
Começando em t = 0,5 s, a função de transferência do controlador obtida pela transformação bilinear do
controlador analógico com período de amostragem T = 0,04 s torna-se
( )z
Você . 46 26
48 14 - Com .
C z( ) = =
Ez( ) Com
- 1
A equação de diferença correspondente
( ) = -1( +) 1 48 14 ( ) - 46
ukulele . 26 - ( ) .
é usado para calcular a variável de controle começando em t = 0,5 s. A partir dos resultados da simulação
MATLAB, os valores de erro necessários para calcular o controle em t = 0,5 s são e(k) = ÿ0,0172
em t = 0,5 s e e(k ÿ 1) = 0,0151 em t = 0,5 ÿ 0,04 = 0,46 s. O controle u(k ÿ 1) em t = 0,46 s deve ser determinado
resolvendo o problema de otimização (12.24). A função de transferência z da planta, ADC e DAC, com T = 0,04 é
1.03
1.02
1.01
0,99
Processo
Saída
do
0,98
0,97
0,96
0,95
0,42 0,43 0,44 0,45 0,46 0,47 0,48 0,49 0,5
Tempo
Figura 12.20
Saída do processo para o controlador mais rápido descrito no Exemplo 12.11.
E z( ) + .
6 .936 5 991 Com
G DE
z NOVO( ) = = 10 - 4
2 - 1 .631 0Com644
+ .
( )z
Você Com
- 4 1 z- 4 Com 2
6 .936 10× + ×5 .991 10 --
=
1 -1 631
- - 2
. Com +644 .
10 Com
e a equação de diferença correspondente é

- 4 - 4
. -()-1
yk =( )1 631 yk 0 644 k- (y ) + 2. 6 936 10 . ÿ
- você k(1)5+991. 10
ÿ
( Reino Unido ) - 2
Portanto, o problema de otimização é
- 4
min ( ( (. ) )- -( 1 631
0 .460) 46 5. yy0542
+ y00644 9 6 .936 10 . )+ . × pol. ( .
. 91 10 × - 4 ( 0 42 pol . ))
Usando os valores de saída y (0,5) = 1,0235, y (0,46) = 0,9941 e y (0,42) = 0,9522, os valores de u (0,46) e u
(0,42) são calculados resolvendo o problema de otimização usando o seguinte comando MATLAB :
>> você = fminsearch(@(un)(abs(1,0235-(1,631*0,9941-

0,644*0,9522+6,936e-4*un(1)+5,991e-4*un(2)))),[13,6 11,5]);
As condições iniciais u(k ÿ 1) = 13,6 em t = 0,46 e u(k ÿ 2) = 11,5 em t = 0,42 são obtidas a partir dos valores
da variável de controle no tempo t = 0,42 e t = 0,46 com a amostragem inicial período T u(0,46) = 11,3995 e
'
u(0,42) = 12,4069. O valor = 0,01 s (Figura 12.21). A otimização produz os valores de controle
resultante da função objetivo é
14
13,5
13
12,5
12
controle
Sinal
de
11,5
11
10,5
10
0,42 0,43 0,44 0,45 0,46 0,47 0,48 0,49 0,5
Tempo
Figura 12.21
Valores de controle para os dois controladores descritos no Exemplo 12.11. A linha sólida representa a variável de
controle com o controlador mais rápido. A linha tracejada representa a variável de controle equivalente com o
controlador mais lento.
0,8
0,6
Processo
Saída
do
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3
vezes
Figura 12.22
Resposta ao degrau descrita no Exemplo 12.11 com troca de período de amostragem.

zero (ou seja, a saída medida é igual à estimativa do modelo no momento da comutação). Assim, o valor
da variável de controle no tempo de comutação t = 0,5 s é
em( .) 0 = + 14.0 0172

5 11 .3995 48 . 26 0- 0151. 9 8730
× - 46 × . = .
A resposta ao degrau do sistema, mostrada na Figura 12.22, tem um pequeno overshoot e

tempo para o primeiro pico, e um curto tempo de estabilização. A resposta é suave e não apresenta
descontinuidade no ponto de comutação.
12.5.2 Controle de Taxa Dupla
Em algumas aplicações industriais, amostras da saída do processo estão disponíveis a

uma taxa mais lenta que a taxa de amostragem do controlador. Se o desempenho diminuir
significativamente quando a taxa de amostragem do controlador for reduzida para igualar
a saída do processo, um esquema de controle de taxa dupla poderá ser implementado. A
situação é ilustrada na Figura 12.23, onde se assume que o período de amostragem lento lT
é um múltiplo do período de amostragem rápida T (ou seja, l é um número inteiro). Assim,
o ADC opera na taxa de amostragem mais lenta lT, enquanto o controlador e o sample-
and-hold operam na taxa de amostragem mais rápida T.
Para alcançar o desempenho obtido quando a saída é amostrada em taxa rápida, uma
possível solução é implementar o chamado esquema de controle inferencial de taxa
dupla . Ele usa um modelo de taxa rápida do processo Gˆ ZAS(z) para calcular as amostras
de saída ausentes. O esquema de controle é mostrado na Figura 12.24, onde um
é um parâmetro de disponibilidade para a medição de saída definida por
R(z) E(z) você(z) S(s)

C(z) ZOH G(s)
+ -
TI
Figura 12.23
Diagrama de blocos do controle de taxa dupla. O controlador e o ZOH operam com período de amostragem T; o
período de amostragem da saída do processo é lT.
R(z) E(z) você(z) TI

C(z) ZOHG (s) a
+ -
(z) Gˆ
DE NOVO
1-a
Figura 12.24
Diagrama de blocos do controle inferencial de taxa dupla.

0 , tk T eu
a =
ÿ 1{ ,=tk T eu
O controlador determina os valores da variável de controle usando a saída medida em t = klT e usando a
saída estimada quando t = kT e t ÿ klT. Na ausência de perturbações e erros de modelagem, o esquema de
controle de taxa dupla é equivalente ao esquema de controle rápido de taxa única. Caso contrário, o
desempenho do controle de taxa dupla poderá deteriorar-se significativamente. Dado que perturbações e erros
de modelação são inevitáveis na prática, os resultados desta abordagem devem ser cuidadosamente
verificados.
Exemplo 12.12
Projete um esquema de controle inferencial de taxa dupla com T = 0,02 e l = 5 para o processo (ver Exemplo
6.16)
1
Gs( ) =
( é )+(1é ) +10
e o controlador
+ s1
Cs( ) = 47 2 .
é
Solução
O modelo de taxa rápida (T = 0,02) para a planta com DAC e ADC é
+ .
1 .86 1 729
Com E z( ) ˆ
z NOVO( ) = - 10 4
G DE = = ()
G de ZAS
Com
2 - 1 .799 0+ 8025
z . ()
Você z
A equação de diferença que rege as estimativas da produção é
- 4 - 4
yk (=) 1 799 yk -. ( ) - 1 0 8025
y k( ) - +86
2 10
1 × . . 1 - você k ( ) + 1. 729 10
( × Reino Unido ) - 2
Com T = 0,02, a função de transferência do controlador obtida pela transformação bilinear é
. 46 -73
47 67 Com .
C z( ) =
Com
- 1
O controlador determina os valores da variável de controle a partir da saída medida em t = 5kT. Quando t =
kT e t ÿ 5kT, calculamos as estimativas de saída usando a equação de diferenças do estimador.
O esquema de controle mostrado na Figura 12.24 produz a resposta ao degrau mostrada na Figura
12.25. Os resultados obtidos utilizando um esquema de controle de taxa única com T = 0,1 são mostrados na
Figura 12.26. A resposta ao degrau para controle de taxa única tem um primeiro pico e um tempo de
estabilização muito maiores.
0,8
0,6
Processo
Saída
do
0,4
0,2
0
0 0,5 1 1,5 2 2,5 Tempos 3 3,5 4 4,5 5
Figura 12.25
Resposta ao degrau descrita no Exemplo 12.12 para um controlador de taxa dupla com T = 0,02 e l = 5.
1.6
1.4
1.2
0,8
Processo
Saída
do
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 Tempos 3 3,5 4 4,5 5
Figura 12.26
Resposta ao degrau descrita no Exemplo 12.12 para um controlador de taxa única com T = 0,1.
Recursos
Albertos, P., M. Vallés, A. Valera, Transferência do controlador sob mudanças dinâmicas da taxa de amostragem,
Proceedings European Control Conference, Cambridge (Reino Unido), 2003.
Åström, KJ e T. Hägglund, Controladores PID avançados, ISA Press, 2006.
Cervin, A., D. Henriksson, B. Lincoln, J. Eker e K.-E. Årzén, Como controla o tempo
afeta o desempenho? Revista IEEE Control Systems, 23:16–30, 2003.
Gambier, A., Sistemas de controle em tempo real: um tutorial, Proceedings 5th Asian Control Confer-
ência, pp. 1024–1031, 2004.
Li, DS, L. Shah e T. Chen, Análise de sistemas de controle inferencial de taxa dupla, Automatica,
38:1053–1059, 2003.
Visioli, A., Controle PID Prático, Springer, 2006.
Problemas
12.1. Escreva um pseudocódigo que implemente o seguinte controlador:
()
Você z -
2 .01 1 99 .
Com
C z( ) = =
Ez( ) Com
- 1
12.2. Reescreva o pseudocódigo do controlador descrito no Problema 12.1 para

diminuir o tempo de execução atribuindo prioridades às tarefas computacionais.
12.3. Projete um filtro antialiasing para o sistema de controle de posição
1
Gs( ) =
ss( ) +10
com o controlador analógico (ver Exemplo 5.6)
é + 0 5.
Cs( ) = 50
é
Selecione uma frequência de amostragem apropriada e discretize o controlador.
12.4. Determine os valores de média e variância do ruído de quantização quando um

O ADC de 12 bits é usado para amostrar uma variável na faixa de 0 a 10 V para (a)
arredondamento e (b) truncamento.
12.5. Para o sistema e o controlador descritos no Problema 12.3 com intervalo de amostragem T = 0,02
s, determine a diminuição na margem de fase devido à presença do ZOH.
12.6. Considere um sistema de controle de forno (Visioli, 2006) com função de transferência
1 .1 - 25 é
Gs( ) = + e
1300 1é
e o controlador PI
200 1é +
Cs( ) = 13
200 é
Deixe que os sinais do atuador e do sensor estejam na faixa de 0 a 5 V, e deixe 1° Celsius

da variável de temperatura corresponder a 0,02 V. Projete a arquitetura de hardware e
software do sistema de controle digital.
12.7. Escreva as equações diferenciais para o controlador em (a) forma direta, (b)
forma paralela e (c) forma em cascata.
- - 0 9856
Com
( 0. 9879 ) ) Com . )
C z( ( ) = 50
-
( Com
-(1 Com
) 0. 45
12.8. Para o controlador PID resultante da aplicação da sintonia Ziegler-Nichols

regras para o processo
1 -
Gs ( ) = e 8 1 2é
é +
determine as funções de transferência do controlador PID discretizado (12.11) e

(12.12) com N = 10 e T = 0,1.
12.9. Projete um esquema de modo manual/automático sem interferências para o controlador PID
(T = 0,1)
2.252 de ( )
- 493 4.241 +
Com 6 .
C z= .
-
( Com
)-(1 Com
) 0. 13
12.10. Projete um esquema de modo manual/automático sem colisão para o controlador

obtido no Exemplo 6.18
- -
( 1. 422 Com
( 0. 8187 ) Com
( 0. 9802 ) Com
) +1
C z( ) =
( Com
)-(1 ( 0.9293 + z ) Com
) - 0 .96
12.11. Determine o controlador PID digital (com T = 0,1) de forma incremental para o controlador
PID analógico
1
Cs( ) = + + s 3 1 ( 2 )
8é
12.12. Escreva um script MATLAB e projete um diagrama Simulink que implemente o

solução para o Problema 12.8 com diferentes valores de parâmetros de filtro N, e discuta as
respostas ao degrau do ponto de ajuste obtidas considerando o efeito do ruído
de medição na saída do processo.
12.13. Considere o processo analógico
1 - 2é
Gs ( ) = e 8 1
é +
e o controlador PI analógico com Kp = 3 e Ti = 8. Obtenha a resposta ao degrau do ponto de ajuste

com um limite de saturação de umin = –1,1 e umax = 1,1 e com um controlador PI digital (T =
0,1) com
(a) Sem anti-windup
(b) Uma estratégia anti-windup de integração condicional
(c) Uma estratégia anti-windup de cálculo retroativo
(d) Um controlador PI digital em forma incremental
12.14. Considere o processo analógico e o controlador PI descrito no Problema

12.13. Projete um esquema que forneça uma transferência sem interrupções entre o modo
manual e automático e simule-o aplicando um sinal de ponto de ajuste escalonado e alternando
do modo manual, onde a variável de controle é igual a um, para o modo automático no tempo t =
60 s . Compare os resultados com aqueles obtidos por um esquema sem transferência sem
problemas.
12h15. Projetar e simular um esquema de controle inferencial de taxa dupla com T = 0,01 e l = 4 para a
planta
1
Gs ( )=
( é ) + ( 1 é ) +5
e o controlador PI analógico (ver Problema 5.7). Em seguida, aplique o controlador ao processo
ÿ
1
Gs ( )=
( é ) + ( 1 é ) +5( 0
) +1 1. é
para verificar a robustez do sistema de controle.
12.16. Considere o processo analógico e o controlador PI analógico descritos em

Problema 12.13. Escreva um script MATLAB que simule a resposta ao degrau com um controlador
digital quando o período de amostragem muda no tempo t = 0,52 de T = 0,04 para T = 0,01.
12.17. Considere o processo analógico e o controlador PI analógico descritos em

Problema 12.13. Escreva um script MATLAB que simule a resposta ao degrau com um controlador
digital quando o período de amostragem muda no tempo t = 0,52 de T = 0,01 para T = 0,04.
Apêndice
Tabela de Laplace e
Transformadas z EU
Contínuo Laplace
Não. Tempo Transformar Tempo discreto* Transformada Z
1 d(t) 1 d(k) 1
2 1(t) 1 1(k) Com
é z -1
3 t 1 matar Com
2
2s
(z -1)
4 t
2
1 k2 z ( + )1
3
2!
3
segundos (-)Com 1
2
5 t
3
1 k3 zzz ( + +4 1 )
4
3!
4
segundos (-)
Com 1
6 e-akT 1 e *** Com
s +a para -
7 1 ÿeÿe a 1 - com (1- ) o

es ( +a ) (por
ÿ trás
)(1ÿ )
8 eÿat ÿeÿbt - a (abz
-)
b e ÿbk
a+)
(ss + )( b (registro
ÿ )( ÿ )
9 você 1 irmã o
2 2
(s + a ) (para - )
10 seu(ÿnt) ohn pecado (ÿnk) ( pecado ohn ) Com
é 2 + oh2n 2z - 2 porque (ohn ) + 1 Com
11 cos(ÿnt) é cos(ÿnk) z [ ÿ ( porque

)] ohn
2 -
s 2+ ohn 2z 2 porque (ohn ) + Com 1
*As funções de tempo discreto são semelhantes, mas nem sempre uma forma amostrada, das funções de tempo contínuo.
**A amostragem t fornece kT com uma transformada obtida multiplicando a transformada de k por T.
***A função e-akT é obtida definindo a = e-aT .
498ÿ APÊNDICE I Tabela de Laplace e Transformadas z
Contínuo Laplace
Não. Tempo Transformar Tempo discreto* Transformada Z
- - -
n t n k
12 e
ao vivo
( pecado ohd ) t ohd e
ao vivo
pecado (oh k)d e
n
ao vivo
( pecado ohd ) Com
- - 2ao vivon
(s + ao vivon ) +2 2 ohd ela2 2- n
ao vivo
porque (ohd ) ela
+
-
13 e
-
n
ao vivo
porque (ohtd ) é + ao vivon e
-
n k
ao vivo
porque (ohd k ) vir [ - n
ao vivo
porque ohd )]
2 - - 2ao vivon
( é+ ao vivon
) + ohd2 ela2 2- n
ao vivo
porque (ohd ( ela
)+
14 nascimento (ÿt) b nascimento (ÿk) nascer ( b) Com
- 2 - 2 1cosh
2s b 2z (b) + Com
15 cosh(ÿt) é cosh(ÿk) z [ - cosh (b)]

- 2 -
s2 b 2z 2 cosh (b) + Com 1
Apêndice
Propriedades da
Transformada z
II
Não. Nome Fórmula
1 Linearidade (a
De fkfk
) { 1( ) + ( )}b= ( 2) + a F1z F z b 2
- n
2 Atraso de tempo ( ÿ ){F}z=( )
Z fknz
3 Avanço de tempo Z fk( +1){ } = ( ) ÿ (0)

zF zzf
n n n- 1
( + ){F }zzfzfzfn
Z fknz =ÿ() 1 ()ÿ()ÿ0 ()ÿ1
k
ÿ ÿ
4 Convolução em Tempo Discreto De{fkfk
1} ( )ÿ (2) = ( ÿ ) ÿ ()
1 2 ÿ
ÿ ÿ0=eu ÿÿ
= (F)1z( F
) z2
5 Multiplicação por Exponencial Z afk Faz az

ÿk { ) }()=(
eu
eu d
6 Diferenciação Complexa De{kfk
} ( ÿ) = ÿÿ Com ) Fz()
dz
- 1
7 Teorema do Valor Final ( (ÿ) = Lim ( ) =
etc. Lim ÿ1 z F )z ( )
k ÿÿ Com1 ÿ
Com 1
= Lim ÿ- ) F z( )
1
Com ÿ
ÿ Com
8 Teorema do Valor Inicial 0 fk( ) = Lim ( ) = Lim F z( ) f

kÿ0 Com ÿÿ
Apêndice
III
Revisão de Linear
Álgebra
A.1 Matrizes
Uma matriz m × n é uma matriz de entradas1 denotada por
ÿ aa 11 12
ÿ
a 1n ÿ
ÿ
aa 21 22 ÿ
a 2n ÿ
Um= um
[ ]= ÿ ÿ
eu j
ÿ
ÿ ÿÿÿ ÿ
a
ÿ ÿ
ÿ aamilímetros
12 ÿ
ÿ
homem
com m linhas e n colunas. Dizemos que a matriz é de ordem m × n.
Matriz retangular m ÿ n
Matriz quadrada m=n
Vetor de linha m=1
Vetor de coluna n=1
Exemplo A.1: Representação Matricial
ÿ1 2 3 ÿ
UMA = ×
Matriz retangular 3real 2
ÿÿ 456 ÿÿ
>> UMA = [1 2 3; 4 5 6]
ÿ 1 2- j ÿ
A = complexo 2 2 matriz quadrada ×
ÿÿ
4+ j 5 ÿÿ
>> UMA = [1, 2 ÿ j; 4 + d, 5]
1
Os comandos relevantes do MATLAB® são fornecidos conforme necessário e são precedidos por “>>”.
502 APÊNDICE III Revisão da Álgebra Linear
A.2 Igualdade de Matrizes

Matrizes iguais são matrizes da mesma ordem com entradas correspondentes iguais:
AB a=ijÿ [ ] = [ ]b=ij , eu 1, 2 , ... , eu

j
= 1, 2 , ... , n
Exemplo A.2: Matrizes Iguais
ÿ1 2 3 ÿ ÿ 1 .1 2 3 ÿ ÿ1 2 3 ÿ
UMA = B = C =
ÿÿ 456 ÿÿ 456
ÿÿÿÿ
456 ÿÿ ÿÿ
ÿ
ABCBAC,ÿ , =
A.3 Matriz Aritmética

A.3.1 Adição e Subtração
A soma (diferença) de duas matrizes da mesma ordem é uma matriz com entradas que são a soma
(diferença) das entradas correspondentes das duas matrizes:
CAB=c ±
ij ÿ[ ] = ± [ ab ij ij ] ,= eu 1 2 , , ... , eu
j = 1, 2, ... , n
Exemplo A.3: Adição/Subtração de Matrizes
>> C = A + B
>> C = UMA - B
Nota: MATLAB aceita o comando
>> C = A + b
se b é um escalar. O resultado é a matriz C = [aij + b].
A.3.2 Transposição
Trocando as linhas e colunas de uma matriz:

T
CA c=ijÿ []=[ um
de
], eu
= 1, 2 , ÿ
, eu
j = 1, 2 , ,n
ÿ
A.3 Matriz Aritmética 503
Exemplo A.4: Transposição de Matriz
12 -
ÿ j ÿ
A =
ÿÿ
4+ j 5 ÿÿ
>> B = A¢
14 -
ÿ j ÿ
B =
ÿÿ
2+ j 5 ÿÿ
Nota: O comando (ÿ) fornece a transposta conjugada complexa para uma matriz complexa.
Matriz simétrica A = ÿAT

Matriz hermitiana A = A* (*denota a transposta conjugada complexa.)
Exemplo A.5: Matriz Simétrica e Hermitiana
ÿ1 2 ÿ
UMA =
simétrico
ÿÿ 25 ÿÿ
ÿ 1 2- j ÿ
A = eremita
ÿÿ
2+ j 5 ÿÿ
Notação
ÿx1ÿ
T
ÿ
x2 ÿ
Vetor de coluna x = [ xx1 2

ÿ
xn]= ÿ ÿ
ÿ
ÿ ÿ
ÿx n ÿ
ÿ ÿ
Vetor de linha xT =[x1 x2 … xn]
Exemplo A.6: Vetores de Coluna e Linha

T T
x=[]123 y=[]123
>> x = [1; 2; 3]
x=1
>> y = [1, 2, 3]
y=123
A.3.3 Multiplicação de Matrizes

A.3.3.1 Multiplicação por um Escalar
Multiplicação de cada entrada da matriz por um escalar:
a[
CA c=ijÿ a , = 1, 2
, ... , eu
]=[ ] aiji
j = 1, 2
, ... , n
>> C = uma*A
Nota: MATLAB é um modo que diferencia maiúsculas de minúsculas que distingue entre variáveis
maiúsculas e minúsculas.
A.3.3.2 Multiplicação por uma Matriz

O produto de uma matriz m × n e uma matriz n × l é uma matriz m × l - isto é, (m × n)·(n × l) = (m × l)
n
ÿ ÿ = 1, 2, ... , eu
CAB=c ÿij []= abkjeu , eu
ÿÿ =
k ÿ1 ÿÿ
j = 1, 2, ... , eu
AB não comutativo ÿ BA (em geral).

Matriz normal A*A = AA* (multiplicação comutativa com sua transposta conjugada).
Claramente, qualquer matriz simétrica (hermitiana) também é normal. Mas algumas matrizes
normais não são simétricas (hermitianas).
Pré-multiplicação por um vetor linha m = 1

T
( 1×
nnl )ÿ(( × ) = × 1 )C
eu = =c [ cc 1 2 ... c eu ]
Pós-multiplicação por um vetor coluna l = 1

T
( mnmm
× )ÿ( ×1C) = × ( 1) = = c [ 1 cc 2 ... cl ]
Multiplicação de uma linha por uma coluna m = l = 1
(1 × nn )ÿ( × ) =1× ( 1 1 ) c = escalar
Observe que este produto é o mesmo para quaisquer dois vetores, independentemente de qual
vetor é transposto para fornecer um vetor linha porque
n
T T
c = = = abeu
aba ÿ1 k=
Isso define um produto escalar para quaisquer dois vetores reais e geralmente é escrito na forma
<a,b>
Multiplicação de uma coluna por uma linha n = 1
(m ×1 1 )ÿ( × ) = ×× (matriz
) lml C ml =
Potência integral positiva de uma matriz quadrada
= AA ...
E éAA ( vezes repetidas
é )
AAAA
é R sr+= = R é
( produto comutativo )
Exemplo A.7: Multiplicação
ÿ 1 .1 2 ÿ
ÿ1 2 3 ÿ
UMA = B = ÿ
45 ÿ
ÿÿ 456 ÿÿ
ÿ ÿ
ÿ 12
ÿ
ÿ
ÿ
1. Matriz por escalar
× 4 2 4 3×
ÿ4 1 × ÿ
CA = 4 =
4 4× 4 5 4 6×
ÿÿ
× ÿÿ
4 8 12
= ÿ ÿ
16 20 24
ÿÿ ÿÿ
>> C = 4*[1, 2, 3;4, 5, 6]
2. Matriz por matriz
ÿ 1 .1 2 ÿ
123
CAB = = ÿ ÿ ÿ
45 ÿ
ÿÿ 456 ÿÿ
ÿ ÿ
ÿ 12
ÿ
ÿ
ÿ
1 ×1 +1.×
2+4×
31×1
+ 2× 2+ 5 3 × 2ÿ
= ÿ
× + .× + ×
ÿ 4 1 1 5 4 6 1 4 2 5 5 6 2
×+×+× ÿÿ
12 .1 18 ÿ
= ÿÿ
ÿÿ 30 .4 45 ÿÿ
>> C = A*B
3. Multiplicação de matrizes vetoriais
ÿ 1 .1 2 ÿ
C BTx= = [ ] 1 2 3 45
ÿ ÿ
ÿ ÿ
ÿ 12
ÿ
ÿ ÿ
= ×[ 1+ 1× 1+. 2×4×3+1×1+2×2 5 3 2 ]
= [] 12 1 18.
ÿ
1 .1
ÿ123ÿÿ ÿ
DA = = y ÿÿ
4
456 ÿÿÿ
ÿ
1
× + .× + × 12 .1
= ÿÿÿÿÿÿ1112431ÿÿÿÿÿÿ ÿ
ÿ1 1× 5
= 4ÿ 1 .+ 4× 6+ × .
30 4 ÿÿ
>> C = [1, 2, 3]*B;
>> D = A*[1,1; 4; 1];
4. Vetor-vetor
ÿ 1ÿ .ÿ1
T ÿ =4[ ]
1 1 2 4 3 1 1 2 ÿ3 ÿzxy
ÿ ÿ=1ÿ1ÿ
12 1
= × + × .+ × = .
.
ÿ ÿ 1[ ]1 ÿ
D = =simT 123ÿÿ
4 ÿÿÿÿ1
ÿ 1 .1 1 1 1 2 1. 1 3 × × . ×
= 4 1× 4 2 4 3 × ×
ÿ 11× ÿÿÿÿÿ1213××
.
ÿÿÿÿÿ112233ÿÿÿÿÿ
. .
= 4 8 12
1 2 3
>> z = [1, 2, 3]*[1,1; 4; 1]
>> D = [1,1; 4, 1]*[1, 2, 3]
5. Potência integral positiva de uma matriz quadrada
ÿ1 2 ÿ ÿ1 2 ÿÿ
12 ÿÿ
12 ÿ ÿ 1 42ÿ
S= S3 =
ÿÿ
04 ÿÿ
04 ÿÿ ÿÿÿÿ
04 ÿÿ ÿÿ
04 ÿÿ=ÿÿ 0 64 ÿÿ
>> SŸ 3
Diagonal de uma matriz: A diagonal de uma matriz quadrada são os termos aii, i = 1, 2,. .., n.
Matriz diagonal: Uma matriz cujas entradas fora da diagonal são todas iguais a zero.
A = {
diag. 11 ÿ aa0 22ÿ, ... ,, a nn }
um
ÿ ÿ ÿ11ÿ
ÿ
0 ÿÿ
0 um22
ÿ
0
=
ÿ ÿÿÿ
00 ÿ
a nn ÿÿÿÿ
Exemplo A.8: Matriz Diagonal
ÿ100 ÿ
A = diag{ , , }1 = ÿ
050 ÿ
ÿ ÿ
ÿ0 0 7
ÿ
ÿ ÿ
>> A = diag([1, 5, 7])
Matriz de identidade ou unidade: Uma matriz diagonal com todas as entradas diagonais iguais à unidade:
ÿ10 0ÿ
ÿ
01 ÿ
0 ÿ
eu = { diag. 1 ,1, ... , 1} = ÿ ÿ
ÿ
ÿ ÿÿÿ ÿ
ÿ0 0 1ÿ
ÿ
ÿ
Denotamos uma matriz identidade n × n por In. A matriz identidade é uma identidade multiplicativa porque
qualquer matriz m × n A satisfaz AIm = InA = A. Por definição, temos A0 = In.
Exemplo A.9: Matriz de Identidade
ÿ100 ÿ
= diag{ , 1 1 ,1} = ÿ
010 ÿ
I3
ÿ ÿ
ÿ0 0 1
ÿ
ÿ
ÿ
>> olho(3)
Matriz zero: uma matriz com todas as entradas iguais a zero
[c ij = 1,2 , ... , eu
C0=ÿ
× mn ] = [ ]0 , eu
= 1,2 , ... , n
j
Para qualquer matriz A m × n , a matriz zero tem as propriedades
A0 0nl × = nl ×
0 lm× UMA = 0
×
Em
A ± = 0mn × A
Exemplo A.10: Matriz Zero
000
= ÿ ÿ
02 ×3
000
ÿÿ ÿÿ
>> zeros (2,3)

A.4 Determinante de uma Matriz

O determinante de uma matriz quadrada é um escalar calculado usando suas entradas. Para uma matriz 1 ×
1, o determinante é simplesmente a própria matriz. Para uma matriz 2 × 2, o determinante é
-
det(A A )aaaa
== 11 22 12 21
Para matrizes de ordem superior, as seguintes definições são necessárias para definir o determinante.
Menor: O ij-ésimo menor de uma matriz n × n é o determinante da matriz n ÿ 1 × n ÿ 1 obtido

pela remoção da i-ésima linha e da j-ésima coluna e é denotado Mij.
Cofator de uma matriz: O ijº cofator de uma matriz n × n é um menor com sinal dado por
+j
eu
= -( )1
Pão Meu
O sinal do ij-ésimo cofator pode ser obtido a partir da ij-ésima entrada da matriz
ÿ+ ÿ +
ÿ
ÿ
ÿ
ÿ+ÿ ÿ ÿ
ÿ ÿ
ÿ
+ÿ+ ÿ
ÿÿ
ÿ ÿ
ÿ ÿ ÿ
ÿ
Determinante
n n
AA a( ) = = isso = a C
ÿÿ Céé sj sj
eu
=1 j =1
isto é, o determinante pode ser obtido por expansão ao longo de qualquer linha ou coluna.
Matriz singular det(A) = 0

Matriz não singular det(A) ÿ 0
Propriedades dos Determinantes
Para uma matriz n × n A,
o ( é) =um
( NO )
n
o (a A ) = a o (A )
o (AB ) = () aquiloAB
que ( )
A.5 Inverso de uma Matriz 509
Exemplo A.11: Determinante de uma Matriz
ÿ1 2 3 ÿ
A = ÿ
451 - ÿ
ÿ ÿ
-
ÿ1 5 0
ÿ
ÿÿ
A = ×5 ×1 ÿ( )[ 3
ÿ×4 ÿÿ5 ×ÿ ]( +
) × × ÿ( ) ] 0 11521[
= × ÿ 3( 25 ) + ÿ( ) =7ÿ82
>> isto(A)
Matriz adjunta: A transposta da matriz de cofatores

T
( dê um) Cij
=[]
A.5 Inversa de uma Matriz

O inverso de uma matriz quadrada é uma matriz que satisfaz
AA AA =Entrada =
- 1 - 1
O inverso da matriz é dado por
- 1 = adj.
(A)
A
o (A)
Exemplo A.12: Matriz Inversa
- -
ÿ1 2 3 ÿ ( 28 30 ) ÿ ( 14
) ( 218 10 1 )ÿ
ÿÿ
ÿ
A = ÿ
245 ÿ
A
- 1 = adj A( ) = ÿÿ
14 0 ( ) -
(7 0)
ÿÿ
( 5) 6
ÿ
6
ÿ ÿ
isso( )A ÿ
- -
ÿ
ÿ0 6 7 ÿ ÿ ( 12 0 ) ÿ (6
) (0) 4 4 ÿ
ÿÿ
ÿ ÿ ÿ ÿ
- 0 .333 0 - .
.667 0 333 ÿ
= ÿ - 2 .333 1 167. 0 167 . ÿ
ÿ ÿ
2 - 1 0
ÿ
ÿ
ÿ
ÿ
Use o comando
>> inv(A)
>> A\B
para calcular Aÿ1 B, e o comando
>> A/B
para calcular ABÿ1

Combinações de Operações
T TTT ( ) =
ABC ABC
ÿ1 ÿÿÿ
1 1 1
(ABC CBA
)=
- 1 T
- -
( A T ) = ( AA 1 ) = T
Matriz ortogonal: Uma matriz cuja inversa é igual à sua transposta
AA T- =1
Aquilo é,
AAT AA=eu T =
n
Usando as propriedades de um determinante de uma matriz quadrada,
T 2
isto ( EU
n ( ) AA
) = aquilo que ) = (o) = A 1
T 2
isto ( EU
)n ( AA
= que aquilo
) (( ) = isso (A) =1
isto é, det(A) = ±1 para uma matriz ortogonal.
Exemplo A.13: Matriz Ortogonal
A matriz de rotação de coordenadas para um ângulo de guinada (rotação em torno do eixo z) ÿ é a matriz ortogonal
ÿ porque (a) ÿ() pecado a 0ÿ
(a) = ( )
R pecado ÿ
ÿ
a porque (a) 0 ÿ
ÿ
ÿ 0 0 1ÿ ÿ
com det(R) = cos2 (ÿ) + sin2 (ÿ) = 1.
Matriz unitária: Uma matriz cujo inverso é igual à sua transposta conjugada complexa
AA - =1 *
Traço de uma matriz: A soma dos elementos diagonais de uma matriz quadrada
( ) = trA aii
= ÿ1 eu
O rastreio satisfaz as seguintes propriedades:
tr AT tr( )A= ( )
( tr(AB) tr= BA )
( tr(A+B) tr= A tr B ) + ( )
A.5 Inversa de uma Matriz 511
Exemplo A.14: Traçado de uma Matriz
Encontre o traço da matriz R(a) mostrada no Exemplo A.13.
tr R( ) = cos ( a ) + porque
( ) +a= + 1 1 2cos( ) a
Para a= Pi , cos( )a= ÿ1 e tr R( ) = ÿ1.
>> traço (R)
ÿ1
Vetores linearmente independentes: Um conjunto de vetores {xi, i = 1,2, . . . n} é linearmente independente se
a 1xx
1 +a 22 ++ÿ
a nnx 0 eu 0 1 2 = ÿ = = eu a , , , ... , n
Caso contrário, o conjunto é dito linearmente dependente.
Exemplo A.15: Independência Linear
Considere os seguintes vetores linha: aT = [3 4 0], bT = [1 0 0] e cT = [0 1 0].

O conjunto {a, b, c} é linearmente dependente porque a = 3b + 4c. Mas os conjuntos {a,b}, {b,c} e {a,c} são
linearmente independentes.
Classificação de uma matriz
Classificação da coluna: Número de colunas linearmente independentes.
Classificação da linha: Número de linhas linearmente independentes.
A classificação de uma matriz é igual à classificação da linha, que é igual à classificação da coluna.
Para uma matriz A m × n (retangular) , a classificação da matriz é
r UMA ( ) ÿ min , {nm }

Se a igualdade for válida, a matriz é considerada de posto completo. Uma matriz quadrada de classificação completa não é singular.
Exemplo A.16: Classificação de uma Matriz
O Matrix
ÿ3 4 0 ÿ
UMA =
ÿ
100 ÿ
ÿ ÿ
ÿ0 1 0
ÿ
ÿ ÿ
tem os vetores linha considerados no Exemplo A.15. Portanto, a matriz tem 2 vetores linha linearmente independentes
(isto é, linha 2). As duas primeiras colunas da matriz também são linearmente independentes (ou seja, possui
classificação de coluna 2). A maior matriz quadrada com determinante diferente de zero é a matriz 2 × 2:
ÿ3 4 ÿ
10
ÿÿÿÿ
Claramente, a matriz tem classificação 2.
A.6 Autovalores
Os autovalores de uma matriz n × n são as n raízes da equação característica
o[ euIA ÿ = 0
n ]
Autovalores distintos: lj ÿ lj , i ÿ j, i, j, = 1, 2, . .. ,n
Autovalores repetidos: li ÿ lj, para alguns i ÿ j
Multiplicidade do autovalor: O número de repetições do autovalor repetido (também

conhecido como multiplicidade algébrica).
Espectro da matriz A: O conjunto de autovalores {li, i = 1, 2,. . . , n}.
Raio espectral de uma matriz: Valor absoluto máximo sobre todos os autovalores da matriz.
Rastreamento em termos de autovalores:(tr

=)UMA ÿ eu
eu
eu
=1
Matriz triangular superior

ÿ aa 11 12
ÿ
a 1n ÿ
ÿ
0 um22
ÿ
a 2n ÿ
A = ÿ ÿ
ÿ
ÿ ÿÿÿ ÿ
ÿ 00 a nn ÿ
ÿ ÿ
ÿ
Matriz triangular inferior

ÿ a 11 0 ÿ
0 ÿ
ÿ
ah
21 22
ÿ
0 ÿ
A = ÿ ÿ
ÿ
ÿ ÿÿÿ ÿ
ÿ ÿ
ÿ aann1 2 ÿ
ÿ
um nn
Para matrizes triangulares inferiores, triangulares superiores e diagonais,
{ ,eu }= {
= 1 2 eu , , ... , alguns , = 1,2 , ... , n }
eu eu
A.7 Autovetores 513
A.7 Autovetores
O autovetor de uma matriz A são vetores que são mapeados para si mesmos quando multiplicados pela matriz A:
De v = eu [euIAn ÿ=v 0 ]
Para que exista uma solução diferente de zero v para a equação anterior, a matriz pré-multiplicadora deve ser
deficiente em classificação - ou seja, l deve ser um autovalor da matriz A.
O autovetor é definido por uma direção ou por uma relação específica entre suas entradas. A multiplicação
por um escalar altera o comprimento, mas não a direção do vetor.
Exemplo A.17: Valores próprios e vetores próprios
Encontre os autovalores e autovetores da matriz
ÿ3 4 0 ÿ
UMA =
ÿ
100 ÿ
ÿ ÿ
ÿ0 1 0
ÿ
ÿÿ
ÿ eu 3 4 0
ÿÿ
ÿ
euIA 3- = ÿ - 1 eu 0 ÿ
ÿ ÿ
0 - 1 euÿ
ÿ
ÿ ÿ
o[ euSE 4] =ÿ 3= ÿ [( 3 ) eu
ÿ] eu eu [euÿ ÿ ] eu
2
eu ( eu
ÿ )( + ) 3 4eu
= 4 1 eu
eu1 = 4 eu2 = - 1 eu = 0
3
=
POR V eu
ÿ3 4 0 ÿ ÿ escritório
11 12 13
de Turismo
ÿ ÿ vvv 11 12 13 ÿ ÿ4 0 0 ÿ
ÿ
100 ÿ ÿ
escritório de Turismo
ÿ
= ÿ
escritório de Turismo
ÿ
0 1 0-
ÿ ÿ
21 22 23 21 22 23
ÿ0 1 0
ÿ
ÿ ÿ escritório
ÿ ÿ
31 32 33
de Turismo ÿ
ÿ
ÿ escritório
ÿ
31 32 33
de Turismo ÿ ÿ 0 0 0ÿ
ÿ ÿ ÿ
1. l3 = 0
v13 = v23 = 0 e v33 grátis. Seja v23 = 1.
2. l2 = ÿ1
v12 = ÿv22
v22 = ÿ v32 Seja v12 = 1.
3. l1 = 4
v11 = 4 v21
v21 = 4 v31 Seja v31 = 1.
Portanto, a matriz modal de autovetores é
ÿ 16 1 0 ÿ
V=410 ÿ - ÿ
ÿ ÿ
ÿ 111
ÿ
ÿ ÿ
Os comprimentos ou 2 normas dos autovetores são
2 2 2 12
v1 = [16 + 4 +1 ]
12
v2
22
= [ 1 + 1 +1
2
]
12
v3 = [ 0 + 0 +12 ]
Os três autovetores podem ser normalizados usando as normas vetoriais para obter a matriz
ÿ 0 .9684 0 5774. 0 ÿ
V= ÿ - .0
0 .2421 0 5774 ÿ
ÿ ÿ
ÿ 0 .0605 0 5774. 1
ÿ
ÿ
ÿ
>> UMA = [3, 4, 0; 1, 0, 0; 0, 1, 0]
>> [V, L]= eig(A)
V=
0 0,5774 ÿ0,9684
0 ÿ0,5774 ÿ0,2421
1,0000 0,5774 ÿ0,0605
eu =
0 0 0
0 ÿ1 0
0 0 4
O traço da matriz anterior é
tr ( UMA 3 +) 0
) = + ÿ( ++0=3=01 4 = +eu
+1 eu2 eu3
Matriz normal: a multiplicação por sua transposta (conjugada) é comutativa
T =
AAAAAAA
T
( * = *)
Isto inclui matrizes simétricas (hermitianas) como um caso especial.

A matriz de autovetores de uma matriz normal pode ser selecionada como uma matriz ortogonal.
matriz final (unitária):
T *
= eu
ANÚNCIO (ANÚNCIO
= eu )
Matriz particionada: uma matriz particionada em submatrizes menores
ÿ AA
11 12
ÿ
ÿ
ÿ ÿ
AA
21 22
ÿ
ÿ ÿ
ÿ
ÿ ÿÿ ÿ
ÿ ÿ
A.7 Autovetores 515
Transposição de uma matriz particionada
T T
ÿ AA
11 21
ÿ
ÿ
ÿ
T
AA T ÿ
ÿ
ÿ
12 22 ÿ
ÿ
ÿ ÿÿ ÿ
Soma/diferença de matrizes particionadas: C = A ± B ÿ Cij = Aij ± Bij

Produto de matrizes particionadas: Aplique as regras de multiplicação de matrizes com os produtos
das entradas da matriz substituídos pelos produtos não comutativos das submatrizes
n
CABC = ÿ = ij AB para ik, kj = 1, 2 , ... , R
ÿ=1
k
eu
= 1, 2 , ... , é
Determinante de uma matriz particionada
AA
12 ÿ AAAAA -
3 1ÿ
- 1
,
- 1
existe
1 4 2 1
=
AA
3 4 ÿ AAAAA - -
,
- 1
existe
4 1 124 3 4
Inversa de uma matriz particionada

- - 1 - 1
1 - 1 - - 1 - 1
ÿ AA
12 ÿ ÿ ( AAAA
-1 243 ) AAAAA
1 2 4ÿ3 (1 2 ) ÿ
AA ÿ = - ÿ1 ÿ
- 1
- 1 - 1
- 1
ÿ
ÿÿ 3 4ÿ
ÿ
A 4 AAAA 24
3 1( - ÿ
3 ) ( AAAA
-4 31 2 ) ÿÿ
Exemplo A.18: Matrizes Particionadas
ÿ1 2 5 ÿ ÿ- 3 2 5 ÿ
B =
ÿ ÿ ÿ ÿ
UMA = 3 4 6
ÿ ÿ ÿ
317 ÿ
- 402
ÿ7 8 9
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ
ÿ 1 -3 2 2 5 5
+ÿ + ÿ ÿÿ 2 4 10 ÿ
AB + = 3+
3 4 1 6 7+ÿ +
ÿ
= ÿÿ
6 5 13
ÿ ÿ ÿ
- +
ÿ7 4 8 0 9 2+ÿ ÿ 3 8 11
ÿ ÿ ÿ ÿ
ÿÿ 1 2 ÿ ÿÿ 3 2 ÿ ÿ 5ÿ ÿ1 2 ÿ ÿ 5ÿ ÿ 5ÿ ÿ
2
ÿ
ÿÿ 34 ÿÿ ÿÿ 31 ÿÿ+ÿÿ 6 ÿÿ[ ] ÿ 4 0 ÿÿ 34 ÿÿ ÿÿ 7ÿ ÿ + 6 ÿÿ ÿÿ
ÿ
AB = ÿ ÿ
ÿ
32 ÿ 5ÿ ÿ
[78 ]ÿÿ ]940 [78 ]ÿ 92

31 7ÿ ÿ + ×
ÿ ÿ
ÿ ÿÿ ÿ ÿ + ÿ[ ÿÿ ÿ
ÿ - 17 4 29 ÿ
= ÿ
- 21 10 55
ÿ
ÿ ÿ
-
ÿ 33 22 109
ÿ ÿ
ÿ
>> A1 = [1, 2; 3, 4];
>> a2 = [5; 6];
>> a3 = [7, 8];
>> a4 = 9;
>> UMA = [A1, a2; a3, a4];
>> B = [ [ÿ3,2; 3,1], [5; 7]; [ÿ4,0], 2];
>> A + B
ÿ2 4 10
6 5 13
3 8 11
>> A * B
ÿ17 4 29
ÿ21 10 55
ÿ33 22 109
Lema de Inversão de Matriz

A seguinte identidade pode ser usada em qualquer direção para simplificar expressões matriciais:
- 1 - 1
[ AAAA
+1 2 4 3
- 1
]=-
- 1
AAAAAAAAA
1
- 1
1 24 +[ 31
- 1
2 ] 31
- 1
A.8 Norma de um Vetor

A norma é uma medida de tamanho ou comprimento de um vetor. Satisfaz os seguintes axiomas,
que se aplicam ao conceito familiar de comprimento no plano.
Axiomas de norma
1. ||x|| = 0 se e somente se x = 0
2. ||x|| > 0 para x ÿ 0
3. || ax|| =|uma| ||x||
4. ||x + y|| ÿ ||x||+||y|| (desigualdade triangular)
Normas lp
l• norma: x ÿ
= maxixi
n
2 2
norma l2 : x 2
=
ÿxi
eu
=1
norma l1 : x 1
=
ÿxi
eu
=1
A.9 Normas Matrizes 517
Normas Equivalentes
Normas que satisfazem a desigualdade
ÿk1xx ÿk2 XI
eu
j
com constantes finitas k1 e k2. Todas as normas para vetores reais n × 1 são equivalentes. Todas
as normas equivalentes são infinitas se e somente se qualquer uma delas for infinita.
Exemplo A.19: Normas Vetoriais
T = -
a [ 1,2 , ]3
um
1
+ÿ1
=2=+ 36
2 2 2
um = 1 2 3 3 7417 (+) += - .
2
a ÿ = máximo { }, ÿ,1=2 3 3
>>a = [1; 2; ÿ3]

>>norma(a, 2) % 2 norma induzida (raiz quadrada da soma dos quadrados)
3.7417
>>norma(a, 1) % 1 norma induzida (soma dos valores absolutos)
6
>>norma(a, inf) % norma induzida pelo infinito (elemento máximo)
3
A.9 Normas Matrizes

Satisfaça os axiomas da norma.
Norma Frobenius
eu n
T
A F = ÿÿ2 um ij ={ tr AA }
==11j
eu
Outras normas matriciais

A = máx . eu,
,
eu, eu
eu n
A F = ÿÿ ==11j
um ij
eu
Normas de Matriz Induzida
Normas que são induzidas a partir de normas vetoriais usando a definição
Um x
A eu
= máx. = máximo Um x
x x x =1
onde ||•|| é qualquer norma vetorial.

Propriedade Submultiplicativa
AAxx ÿ
AB AB ÿ
Todas as normas induzidas são submultiplicativas, mas apenas algumas normas não induzidas o são.
eu
l1 Norma A = a (soma absoluta máxima da coluna)

1 máxÿ
j
eu j
eu
=1
l• Norma A ÿ
a eu j (soma absoluta máxima da linha)
j
= máxÿ1
de =
T
l2 Norma A 2 eu (
= máximo
1 /2
eu
AA ) (valor singular máximo = valor próprio máximo de AT
j
A)
Nota: As normas fornecidas anteriormente não são normas induzidas.
Exemplo A.20: Norma de uma Matriz
ÿ1 2 ÿ
UMA =
ÿÿ 34 - ÿÿ
A 1
= máx. {1 3+2 , +- 4 6 } =
-
13 ÿ ÿ1 2 10 10 ÿ
Um
2
12
= eumáx. {ÿ - -
ÿ 12
eu {
ÿ} = máx
ÿ
-
ÿÿ
24 ÿÿÿÿ ÿ34 ÿÿ ÿ 10 20 ÿ} = 5 1167.
A ÿ
= { máx,1 2 +3 +4ÿ} = 7
2 2 3 4 5 4772 4
A F
= 1 2 3 +++ÿ= .
>>norm(A, 1) % 1 norma induzida (máximo de somas de colunas)

6
>>norma(A, 2) % 2 norma induzida (valor singular máximo)
5.1167
>>norm(A, inf) % norma induzida pelo infinito (máximo de somas de linhas)
7
>>norm(A, 'fro') % 2 (raiz quadrada da soma dos quadrados)
5.4772
A.10 Formas Quadráticas

Uma forma quadrática é uma função da forma
n n
EM (xxx
)=
T
P = ÿÿ pxeu, eu, eu
eu
==11j
A.10 Formas Quadráticas 519
onde x é um vetor real n × 1 e P é uma matriz n × n . A matriz P pode ser assumida como simétrica sem
perda de generalidade. Para mostrar isso, suponha que P
não é simétrico e reescreva a forma quadrática em termos da componente simétrica
e da componente assimétrica de P da seguinte forma:
T T
T ÿ PP
+ ÿ xx T ÿ-PP ÿx
EM ( xx
)= ÿ+
2 ÿ 2
ÿ
ÿÿ ÿÿ ÿ
T
PP
= xT ÿ+ ÿ xxx 1 ( T
PP - ( xx )) T
2
ÿ+ 2
ÿÿ ÿ
Trocar a linha e a coluna no último termo dá
T
T ÿ PP
+ ÿ xxxxx 1 ( T - T
)
EM ( xx
)= ÿ+ 2 P P
ÿÿ 2 ÿ
T
PP
= xT ÿ+ ÿx
2
ÿ
ÿÿ ÿ
Assim, se P não for simétrico, podemos substituí-lo pela sua componente simétrica
sem alterar a forma quadrática.
O sinal de uma forma quadrática para vetores diferentes de zero x pode ser
invariante dependendo da matriz P. Em particular, os autovalores da matriz P
determinam o sinal da forma quadrática. Para ver isso, examinamos a decomposição
de autovalores-autovetores da matriz P na forma quadrática
EM PT)(xxx
=
Assumimos, sem perda de generalidade, que P é simétrico. Conseqüentemente, seus
valores próprios são reais e positivos, e sua matriz modal de vetores próprios é ortogonal.
A matriz pode ser escrita como
PVV
ÿ p pT =
ÿ = diag{ eu12eu, , ... , neu}
Usando a decomposição de autovalores da matriz, temos

EM ( xx
)= TLVV
p pT
x
= aaT eu
n
= ÿ eueue
2
>0
eu
=1
y = [ aa1 2
ÿ
en]
Como a matriz modal Vp é invertível, existe um único vetor y associado a cada vetor x . A expressão
para a forma quadrática em termos de valores próprios permite-nos caracterizá-la e à matriz associada da
seguinte forma.
Definido positivo: Uma forma quadrática é definida positiva se
ÿ 0,)(xxxx
V PT = 0 >
Isto é verdade se os autovalores de P forem todos positivos, caso em que dizemos que
P é uma matriz definida positiva e denotamos isso por P > 0 >.
Definido negativo: Uma forma quadrática é definida negativa se
EM PT ) = (xxx < ÿ 0, x0
Isto é verdade se os autovalores de P forem todos negativos, caso em que dizemos que
P é uma matriz definida negativa e denotamos isso por P <0.
Semidefinido positivo: Uma forma quadrática é semidefinida positiva se
V (xxxx
ÿ ÿ )0,= 0 PT
Isso é verdade se os autovalores de P forem todos positivos ou zero, caso em que dizemos
que P é uma matriz semidefinida positiva e denotamos isso por P ÿ 0. Observe que, neste
caso, se um autovalor li for zero, então o diferente de zero o vetor y com sua i-ésima entrada
igual a 1 e todas as outras entradas zero fornece um valor zero para V. Assim, existe um
vetor diferente de zero x = Vpy para o qual V é zero.
Semidefinido negativo: Uma forma quadrática é semidefinida negativa se
V (xxxx
ÿ ÿ )0,= 0 PT
Isso é verdade se os autovalores de P forem todos negativos ou zero, caso em que

dizemos que P é uma matriz semidefinida negativa e denotamos isso por P ÿ 0. Nesse
caso, se um autovalor li for zero, então V é zero para o diferente de zero x = Vpy onde y
é um vetor com sua i-ésima entrada igual a 1 e todas as outras entradas zero.
Indefinida: Se a matriz Q tem alguns autovalores positivos e alguns negativos, então o sinal da forma
quadrática correspondente depende do vetor x e a matriz é chamada indefinida.
A.11 Diferenciação/Integração de Matrizes
A derivada (integral) de uma matriz é uma matriz cujas entradas são as derivadas (integrais) das
entradas da matriz.
Exemplo A.21: Diferenciação e Integração de Matrizes
ÿ1 t pecado (2)t ÿ
No( ) =
ÿ
t 04 + t ÿÿ
t t t
t
ÿÿ ÿ 1dt ÿ t dt ÿ ( )t
pecado 2 dt ÿ
0 0 0
ÿ ( t) = t
De Anúncios
ÿ ÿ
0 t t
ÿ t dt ÿ (4+ ) t d t
ÿ ÿ
0
ÿ
ÿ
0 0 ÿ
ÿ
2
ÿ tt 2 1 ÿ ( ){ }porque t 2ÿ
=
2
ÿÿ
2
toneladas 20 4+tt 2 ÿ
ÿ
A.11 Diferenciação/Integração de Matrizes 521
ÿd1 dt dt pecado (2) ÿ

dA t( ) dt dt dt 012 cos( )2ÿt
= ÿ
ÿ ÿ
=
dt (4+ )
ÿ ÿ
dt dt 10 ÿÿ
1 ÿÿ
ÿ
0 ÿ
ÿ dt dt ÿ
BD dB e
Derivado de um produto: = A +B
dt dt dt
1
Derivada da matriz inversa: dA( ) - - 1 e - 1
=- A
dt Um dt
Vetor gradiente: A derivada de uma função escalar f(x) em relação ao vetor x é conhecida como vetor
gradiente e é dada pelo vetor n por 1
ÿfÿ( ) x = ÿ ÿf ( )
x ÿ
x ÿ XI
ÿÿÿÿ
Alguns autores definem o gradiente como um vetor linha.
Matriz Jacobiana: A derivada de uma função vetorial n × 1 f(x) em relação ao vetor

x é conhecido como matriz Jacobiana e é dado pela matriz n × n
ÿ efeitos
() ÿ ÿ
= ÿfx( )
eu
ÿx ÿ ÿx j
ÿÿ
Gradiente do produto interno

n
T
ÿ
ÿ ÿ eu
machado
ÿ
ÿ Imposto ÿ -xa ÿ
=1
ÿ
= = ÿ
eu
ÿ
= [ ÿum eu ]= a
ÿx ÿx ÿ
ÿx eu
ÿ ÿ
ÿ ÿ
Matriz gradiente de forma quadrática
TT
T
ÿ xx P T ÿ Pÿx P x )
= x + x
ÿx x ÿ( ÿ x
T
= + PP
( )x
Como P pode ser assumido como simétrico sem perda de generalidade, escrevemos
T
ÿ xx P
= 2P x
ÿx
Matriz Hessiana de forma quadrática: A matriz Hessiana ou segunda derivada é dada por
2 T T
ÿ Pxx ÿ 2P x ÿ ÿ px ÿ ÿ
2
= = 2
eu
2
=[ÿÿ p eu j
]
ÿx ÿx ÿx j ÿ
onde a i-ésima entrada do vetor Px é

T
pxi
T
ÿ p 1 ÿÿ
T
ÿp 2
P pij
ÿ =ÿ[ ]ÿ=
ÿÿ
T
p n ÿÿÿÿ
2
ÿ Txx P
= 2P
ÿ2x
A.12 Produto Kronecker

O produto de Kronecker de duas matrizes A de ordem m × n e B de ordem p × q é denotado por ÿ e é definido
como
a B a B 11 12 ÿ
um B 1
ÿÿ n ÿÿ
a B a B 21 22 ÿ
um
2n
B
ABÿÿÿ=ÿ ÿ
ÿ ÿÿÿ
aBaBaB
metro 1 metros2
ÿ
homem ÿÿÿÿ
A matriz resultante é da ordem mp × nq
Exemplo A.22: Produto da Matriz de Kronecker
O produto de Kronecker das duas matrizes:
ÿÿ123ÿÿ ÿ ÿÿ .ÿ1 1 2 3 ÿ ÿ
UMA = B =
ÿÿ 456 456
ÿ ÿ ÿÿÿÿÿ
1ÿ
.
11213 2
ÿ ÿ3ÿ ÿ
ÿ ÿÿÿ ÿ ÿ ÿ ÿÿ .ÿ1 ÿ112132ÿ 3ÿ ÿ .
1 2 3
456 ÿ ÿ4ÿ5ÿ6 456
AB ÿ = ÿ ÿ
ÿ ÿ1ÿ2ÿ3ÿ ÿÿ ÿ ÿ ÿ ÿ ÿ 1. 1 2 3 2 2 4 6 3 3 10
ÿ ÿ 1. 1ÿ 2ÿ 31 6ÿ9.12
ÿÿÿÿ12
ÿ4415
5468188
12 5 5 10 15 6 6 12 18 5ÿ ÿ ÿ ÿ 16 20 24 20 25
4 6 30 24 10 36
456 456 456
. . .
=
. . .
>> coroa(a,b)
anos =
1,1000 2,0000 3,0000 2,2000 4,0000 6,0000 3,3000 6,0000 9,0000
4,0000 5,0000 6,0000 8,0000 10,0000 12,0000 12,0000 15,0000 18,0000
4,4000 8,0000 12,0000 5,5000 10,0000 15,0000 6,6000 12,0000 18,0000 16,0000 20,0000
24,0000 20,0000 25,0000 30,0000 24,0000 30,0000 36,0000
Recursos 523
Recursos
Barnett, S., Matrizes na Teoria do Controle, RE Krieger, 1984.
Brogan, WL, Teoria de Controle Moderno, Prentice Hall, 1985.
Fadeeva, VN, Métodos Computacionais de Álgebra Linear, Dover, 1959.
Gantmacher, FR, A Teoria das Matrizes, Chelsea, 1959.
Noble, B. e JW Daniel, Álgebra Linear, Prentice Hall, 1988.
Errata para
Engenharia de Controle Digital
M. Sami Fadali e Antonio Visioli

Junho de 2010
Página nº. Área/Elemento Correção (veja também as páginas anexas do livro)
13 Exemplo 2.3
ÿ
{ } Reino Unido
k =0
= { 13204000
,, , , , , , ,... }
49 Exemplo 2.25 ohé = 60 ohb = 600 linhas/s.
90 Linha acima da última “Polos instáveis sim.”
96 Exemplo 4.4 - s +
( (falta no denominador) sG) = )13549,0(5848,0 2 18627.01828.0
ss ++
159 Problema 5.9 ) K
Função de transferência
( sG Deve ser 1 no denominador (em vez de 10) =
2ss 13++
183 Figura 6.14 “com (tracejado) e sem pré-deformação (traço-ponto)

Legenda
188 Figura 6.17 K=46,7.
Legenda
189 Terceiro parágrafo “O lugar das raízes…de 6,51 rad/s”
191 Exemplo 6.10 Período de amostragem =0,05 s (ohs>25 ohd) (poderia refazer o exemplo com T=0,025)
199 Acima do Exemplo “isso é quase idêntico ao do Exemplo 6.8”

6.13
197 Figura 6.27 eua é o ângulo mostrado (não euc)
199 Exemplo 6.13 Na solução, mude para “Exemplo 6.9” abaixo da última equação e na última frase.
212 Exemplo 6.18 Altere “tempo de amostragem” para “período de amostragem”
212 Exemplo 6.18 Após a primeira equação da solução, exclua a frase “e não há zeros no infinito”. Mude
Solução para “Observe que não há pólos e zeros fora do círculo unitário. Usando a Tabela 6.5, escolhemos
a função de transferência desejada em malha fechada em tempo contínuo como segunda
ordem com pólos em (ÿ4,0530±j 2,3400)/4 para um tempo de estabilização de 4s e com ganho
igual a um para erro zero em estado estacionário devido para um passo unitário. A função de
transferência em tempo contínuo é”
212 Exemplo 6.18 A última frase da página deveria ser “Ao aplicar (6.43) temos”
Solução
213 Exemplo 6.18 Mude para “Observamos que ocorreu o cancelamento do pólo zero estável e que um termo
Solução integral está presente no controlador, como esperado, uma vez que a condição de erro de
estado estacionário zero foi resolvida”.
216 Duas equações Mude k para m (k usado para o tempo em outro lugar)
acima do exemplo
224 Exemplo 6.23 Na frase abaixo de C(z) deveria ser “Assim, aplicando (6.43) temos”
Solução
252 Três eqns. Os somatórios são de 0 a ÿ (não de 1 a n)
Acima (7.42)
Copyright © 2009, Elsevier Inc. Todos os direitos reservados.

Página nº. Área/Elemento Correção (ver também páginas anexas do livro) ( )

ÿ
No eu
e
No =
ÿ eu !
eu
=0
ÿ ( )!
WTV
euÿ eu
=
eu
eu
=0
ÿ ÿ
tttdiag etc. ,,, { ( )( ) eu eu
( ) }ÿ EM
eu
= EM
ÿ
ÿ 21
eu !
n
ÿ
ÿ
ÿ
eu
=0 ÿÿ
ÿ ÿ
ÿ
(tudo
) , eu ÿ
t) eu ÿ
eu t ) eu
ÿ ÿ
= diagV
ÿÿÿ !
((ÿ t ÿ
1 2 n EM
ÿ
ÿ ,, eu
ÿ ÿ
=0
eu
=0
eu ! =0
eu !
ÿ
ÿ
ÿÿ eu eu eu ÿÿ ÿ
ÿ
256 Eq. (7,48) eu

-
tDBeCtHDBAIsCsH
)( [ ÿ ÿ 5,0 )( ÿ+ÿ= ÿ ÿ +=ÿ
n
]1 )(
No
d
267 Meio da página
Com ÿ 1 ÿ Com ÿÿ ÿ 1 Com
= - - 5,0
Xzs )( z - - -
- 1,0
-
- 2,0
1 1ÿ ÿ 2 ÿ
ÿ ÿ ÿ ÿ ÿ ÿ
ÿ 0ÿ Com
ÿ não não
270 Acima (7,68) Consulte a equação (7.51) (não 7.3)
Apêndice I Entrada Deveria estar: (não kT )

6, tempo contínuo
Apêndice III A.9, Página 517- Deve ser como nas páginas anexas.
518 Exclua a terceira equação da seção.
Norma Froebenius: não é um título. Mova com as duas primeiras equações para a direita acima
da Nota na página 518.
Copyright © 2009, Elsevier Inc. Todos os direitos reservados.

Fadali Digital Control Engineering Traduzido

Enviado por

Dados do documento

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

Fadali Digital Control Engineering Traduzido

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Machine Translated by Google

Academic Press é uma marca da Elsevier

Este livro foi impresso em papel sem ácido.

Copyright © 2009 da Elsevier Inc. Todos os direitos reservados.

As permissões podem ser solicitadas diretamente ao Departamento de Direitos Científicos e

Dados de catalogação na publicação da Biblioteca do Congresso

ISBN 13: 978-0-12-374498-2

Para obter informações sobre todas as publicações da Academic

Impresso nos Estados Unidos

Trabalhando juntos para crescer

limitações. O aluno pode usar os exemplos restantes para auto-estudo. A experiência

Cobertura de material de fundo. O livro em si contém material de revisão de sistemas

Pré-requisitos matemáticos padrão. A formação matemática necessária para a compreensão

No Capítulo 4 apresentamos testes de estabilidade para sistemas de entrada-saída. Examinamos as

O Capítulo 7 cobre modelos de espaço de estados e realizações de espaço de estados. Primeiro,

Manual de soluções do instrutor. Soluções totalmente compostas para os problemas de final de

1. Explique as razões da popularidade dos sistemas de controle digital.

3. Explique a estrutura e os componentes de um sistema de controle digital típico.

ÿ ÿ CAPÍTULO 1 Introdução ao Controle Digital

1.1 Por que controle digital?

Erros de implementação. O processamento digital de sinais de controle envolve adição e multiplicação

Flexibilidade. Um controlador analógico é difícil de modificar ou redesenhar depois de implementado em

Velocidade. A velocidade do hardware do computador aumentou exponencialmente desde a década de

1.2 A Estrutura de um Sistema de Controle Digital

1.3 Exemplos de Sistemas de Controle Digital

Configuração de um sistema de controle digital.

1.3 Exemplos de Sistemas de Controle Digital

1.3.1 Sistema de distribuição de medicamentos em circuito fechado

ÿ ÿ CAPÍTULO 1 Introdução ao Controle Digital

sistema de distribuição de medicamentos.

1.3.2 Controle computacional de um motor turbojato de aeronave

1.3.3 Controle de um manipulador robótico

Os manipuladores robóticos são capazes de realizar tarefas repetitivas com velocidades e

1.3 Exemplos de Sistemas de Controle Digital

os movimentos são coordenados por um computador supervisor para atingir a velocidade

ÿ ÿ CAPÍTULO 1 Introdução ao Controle Digital

1.4 Repita o Problema 1.3 para um servo de controle de velocidade.

1.5 Um míssil balístico é obrigado a seguir uma trajetória de vôo predeterminada

Controle do ângulo de ataque do míssil.

ÿ ÿ CAPÍTULO 1 Introdução ao Controle Digital

2. Obtenha a transformada z de uma determinada sequência temporal e a sequência temporal

3. Resolva equações de diferenças lineares invariantes no tempo (LTI) usando a transformada z.

4. Obtenha a função de transferência z de um sistema LTI.

6. Obtenha a transformada z modificada para uma função de tempo amostrada.

2.1 Sistemas Analógicos com Entradas Constantes por Partes

10ÿ CAPÍTULO 2 Sistemas de Tempo Discreto

descrito por um modelo de tempo discreto. Demonstramos esse conceito usando um

ÿ H = altura do fluido em estado estacionário no tanque

Sistema de controle de nível de fluido.

2.2 Equações Diferenciais 11

2.2 Equações Diferenciais

com função forçada u(k) é considerado de ordem n porque a diferença entre os

12ÿ CAPÍTULO 2 Sistemas de Tempo Discreto

1. y(k + 2) + 0,8y(k + 1) + 0,07y(k) = você(k)

Definição 2.2: Dada a representação do trem de impulso de um sinal de tempo discreto,

a transformada de Laplace de (2.4) é

Seja z definido por

Então, substituindo (2.6) em (2.5) produz a expressão da transformada z (2.3). ÿ

Obtenha a transformada z da sequência {} Reino Unido k= 0

Embora as duas definições anteriores produzam a mesma transformação, cada uma

2.3.1 Transformadas z de sinais de tempo discreto padrão

14ÿ CAPÍTULO 2 Sistemas de Tempo Discreto

Exemplo 2.4: Impulso Unitário