Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
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
Machine Translated by Google
ÿ ÿ Prefácio
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.
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.
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
Machine Translated by Google
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.
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.
Machine Translated by Google
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 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
Machine Translated by Google
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:
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.
Machine Translated by Google
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:
2. Desenhe um diagrama de blocos para controle digital de um determinado sistema de controle analógico.
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.
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.
Referência Controlada
Entrada Variável
Atuador do
Computador DAC
e Processo
ADC Sensor
Figura 1.1
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.
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.
Machine Translated by Google
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
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.
(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.
(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.
Machine Translated by Google
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.
a
Velocidade
Vetor v
Impulso
Direção
Figura P1.5
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.
Machine Translated by Google
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.
Machine Translated by Google
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
1. Explique por que as equações diferenciais resultam do controle digital de sistemas analógicos.
5. Obtenha a resposta temporal de um sistema LTI usando sua função de transferência ou sequência de
resposta ao impulso.
7. Selecione um período de amostragem adequado para um determinado sistema LTI com base na sua dinâmica.
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
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
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.
( + ) = ( ) ( + ÿ ) 1 yknfyknykn 2 + ÿ ( +1) ,( )] ( + ) 1( ), ( + )
, ... , ykykukn , ,
(2.1)
[(+ÿ)
Reino Unido 1 , ... , você é ,
( ( + ) + ( 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.
Machine Translated by Google
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?
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.
Machine Translated by Google
2.3 A Transformada z 13
Exemplo 2.3
= 1{ 1, 3, 2, 0, ,4 0 0, 0 , , , ... . }
ÿ
Solução
A aplicação da Definição 2.1 dá U(z) = 1 + 3z
ÿ1
+ 2z ÿ2
+ 4z ÿ4
.
1- a
, a <1
k=0
Machine Translated by Google
1, k = 0
d k
()=()=
Reino Unido {0 k 0ÿ
,
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
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
Machine Translated by Google
2.3 A Transformada z 15
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
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 ...
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.
Machine Translated by Google
Linearidade
Exemplo 2.7
( ) = × 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
Exemplo 2.8
, 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
Machine Translated by Google
2.3 A Transformada z 17
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
ÿÿ ÿ ÿ
f 0
k
Z fk 1 zffkz ÿ ( )0+ ÿ
+ (1) 1ÿ + ( ) ( + ){ } = ÿ ÿ
ÿÿ
k =0
ÿÿÿ() 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
fk ( ){ } = { 4 8 16, , , ... }
Solução
A sequência pode ser escrita como
2 ( ) = fk
k+2
= + ( ) gk 2 , k = 0 ,1 2
, , ...
k 2( ) = g
k
, k = 0 ,1 2
, , ...
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.
Machine Translated by Google
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
- 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
)-
- 1
- - 1
T
{ Tk} Com
a a
De efk ) ()=ÿÿ(( ÿ
1 não ) ÿÿ= - a T
ela-
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
Machine Translated by Google
2.3 A Transformada z 19
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
Exemplo 2.11
()=
kkkkk , = ...0
, 1
, 2,
Solução
Lembre-se de que a transformada z de uma etapa amostrada é
Com
F z( ) =
Com ÿ1
( ) = × fkk 1 , k = 0 ,1 2
, , ...
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
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
{ 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 .
2.3 A Transformada z 21
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
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.
Machine Translated by Google
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.
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
Machine Translated by Google
2.3 A Transformada z 23
9 8
F z( ) = -
z + z0 01 2. . +
2. Pesquisa de tabela
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
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
Com
F z( )=
( + 0 1 .)( + )( +0 ).2 0 3
Com Com Com .
Solução
F z( ) 1
=
z ( + )(0+.1 )(0 2+0) 3 Com . Com .
A B C
= + +
Com + 0 .1 Com + 0 .2 Com + 0 .3
Machine Translated by Google
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 . )
Assim, a expansão em fração parcial é
F z( ) = - +
Com + 0 1. Com + 0 .2 Com + .03
2. Pesquisa de tabela
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
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
Machine Translated by Google
2.3 A Transformada z 25
-
= Um ligado
A+e
ÿ
(eu eu
) + kj kp +eu(A)
j kp eu
k
fk (A) p= 2 porque ( eu k + p euA ) (2.18)
Exemplo 2.15
Encontre a transformada z inversa da função
z3 + +
21
F z( ) = 2
( ÿ )( 0 .1 z + +
Com 0 .5 )
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
z 3AAA
: 1 + + 2= 1
Com
1
: 0 .4 AAB
0 15+ 0 1. 2
- . =2
Machine Translated by Google
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
2. Pesquisa de tabela
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
a
eÿ = 050=
707. .
a
oh =- . 0= -
porque ( d ) = ÿ eÿ 0 5. 05 707 .
-
- 1 311 . cosae ( ohd ) ÿ (Que- pecado
a
ohd ) = ÿ ÿ 557
( .) =eÿresolva
0 5 C .1para
311 1 .
C = 4,426.
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
2.3 A Transformada z 27
Resíduos
1. Expansão de frações parciais
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 + +.
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 .
Um
3
= 0 .656 2 + j 2.308 = .
213 e
.
j 1 283
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
ÿ
A1 , =
eu - 1
(zz- F)z 1
R
() , eu
= 1, 2 , ... , R (2.20)
( - )1
eu j! eu
ÿÿ
z ÿ 1
Exemplo 2.16
1
F z( ) =
2zz (-) 0 .5
Solução
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.
1 8 Com
F z( ) = = - 2zz - 2 ÿÿ
4
- 1 8
2 - 0 .5
z (-) 0 .5 Com
2. Pesquisa de tabela
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
f ( 0) =
8 ÿ8 =0
8 (0 )5ÿ4=0.
f ( 1) =
2
8 (0)5ÿ = .
f ( 2) = 20
Machine Translated by Google
2.3 A Transformada z 29
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.
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
fz (ÿ)
F z( ) = + ( ) 1 Gz
Com
-
Machine Translated by Google
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
{ e}ÿ ÿÿÿ - no
ela-
(ÿ) = f ÿ Lim e
akT
= 0
k ÿÿ
Com 1 Com
(ÿ) = f ÿ- ÿÿ ÿ 0
- no
Cola1
ÿ
Com
ÿ Com ÿ ÿ ela
ÿ ÿ=
Exemplo 2.18
(-) 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
ztrans transformação z
2
MATLAB® é propriedade da MathWorks Inc., de Natick, Massachusetts.
Machine Translated by Google
Para usar esses comandos, devemos primeiro definir variáveis simbólicas como z, g e k com o comando
Comandos poderosos para manipulações simbólicas também estão disponíveis através de pacotes como MAPLE,
MATHEMATICA e MACSYMA.
Exemplo 2.19
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
Então
zzz[ 1+1+1 ( 3
)( - )] =
Com
X z( ) = 0
2
5 ( ÿ )( 1ÿ 1)(zzz
ÿ) . ( - ) (1-0)5
Com Com .
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
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. ( )
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.
( grandeza
){ } = { (0 1, , )... , ( ) ( ) , ... }
interface do usuário
(2.22)
Machine Translated by Google
= (2.23)
ÿ ( ) d( - )para
ui
=0
eu
( ) = ( )ÿ ( ) =
ykhkuk ÿ ( ) ( ) hkiui (2.24)
ÿ0
=
eu
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
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.
…
isto isto
Sistema LTI
Figura 2.5
(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.
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.
Machine Translated by Google
ÿ
E z( ) = ( ) ver - k
k =0
ÿ ÿ
(2.28)
= ÿ ÿ
ÿÿ ( ) ( ÿ ) uihkiz
- k
k = 00 ÿ ÿ = eu
ÿÿ
E z( ) = )
()() (2.29)
ÿÿ0 uihjz
ÿ + ( ij
eu
= j
=ÿ
eu
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
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.
Machine Translated by Google
Exemplo 2.20
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
E z(
) 1
Hz ( ) = =
( ) zz
Você - 0 .5
E z( ) 1
= =
( ) zz
Você - 0 .5
, 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
Solução
A função de transferência correspondente à equação de diferenças é
Com
Hz ( ) =
Com ÿ1
Machine Translated by Google
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
Com
F z( ) =
2
( -1)
Com
+ =,
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.
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
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
) =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)
( nós )kT
Y z, =mzy
COM(kT
){ }mT
=
-
Z1 {( + )} (2.37)
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
).
-
()=
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:
Machine Translated by Google
Com
-
pmT (2.40)
Z e{(kT
+ )}
mT =e
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
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.
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.
Machine Translated by Google
a mudança de fase define uma função complexa de frequência conhecida como resposta de frequência.
Hs oh) = ( ) =
Hj uma( a sj oh (2.42)
*(
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
(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
Machine Translated by Google
N z( )
Hz( ) = n (2.51)
( - ) z pi
= ÿ1
eu
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
E z( ) = oh
j-T
+ (2,53)
ela- 0 ÿ1 eu
= zp
- eu
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)
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)
Machine Translated by Google
Exemplo 2.24
1
Hz ( )=
( ÿ )( ÿ0 1) 5. .
Com Com
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- )
Prova. De (2.48),
oh
Ele( j-T
) ohÿ0 = (Hz
) Com ÿ1
= (H) 1 ÿ
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
2,5
| 1,5
0,5
0
0 200 400 600 800 1000 1200
em rad/s
Figura 2.9
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
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
onde as localizações dos pontos de dados são indicadas com o '*'. O comando
>> subtrama(2, 3, 4)
Machine Translated by Google
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)
Figura 2.10
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
Machine Translated by Google
ohMB <<2
oh ohé (2,63)
d T (t ) = ÿ d ÿkT
( t) (2,64)
k =ÿÿ
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
ohb
Figura 2.11
Teorema de amostragem.
Machine Translated by Google
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
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).
Machine Translated by Google
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.
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
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)
oh = k oh d, 35 mil
ÿ 70ÿ (2,71)
é
-
()=
yt Sim ao vivonão
( oh
+ )tdpecado
Fi (2,72)
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.
Machine Translated by Google
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
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.
Machine Translated by Google
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.
(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
Machine Translated by Google
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
(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)
(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 ), , ... ,
Machine Translated by Google
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
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
(b) 0,03s
Exercícios de computador
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 .
( 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.
Machine Translated by Google
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
ÿ As saídas do ADC são exatamente iguais em magnitude às suas entradas (ou seja, quantização
erros de configuração são insignificantes).
Machine Translated by Google
Externo Analógico
Entrada Saída
Computador ou Analógico
DAC
Microprocessador Subsistema
ADC
Figura 3.1
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
Passo Positivo
Passo Negativo
Figura 3.3
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.
1
eu ( 1){ }t =
é
- ST (3.2)
e
eu ( 1ÿ ){tT} =
é
-
ÿ1 e
oh
j-T
-
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
S (H)S=X( S
)2( )
(3.6)
= (H) 2s H s U1 (s ) ()
Machine Translated by Google
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
Figura 3.5
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
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
Machine Translated by Google
Figura 3.6
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
(3.11)
ÿ
= ÿ você
( kT) ( ht
- ) kT
k =0
iT ( ) = y ÿ ( 1 2) (3ÿ ) = u kT h iT, kT
i ...0 , , , , (3.12)
k =0
Y z( H
)=z U( z) () (3.13)
ou em notação de domínio s
*
S e (H)e=nós
* *
() () (3.14)
Machine Translated by Google
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
)( ) ( )
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+
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
-
- 2 kT - e - 4kT k =
e ( ) = h kT 0 1 2, , , , ...
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-
Machine Translated by Google
2z2
Hz( ) =
) ÿ (2
(Tzezé -
)-
- 4T
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.
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
= (gtgtT
)é ÿ ÿ ( é )
(3.18)
Gs( )
gt ( ) = eu
é
1 -
{ }
é
PARA
( ) = ( ÿé ( ) g )kT
- g ékT g kT T (3.19)
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.
Machine Translated by Google
*
) gtS ( )}
-
G NOVAMENTE
z 1
()=ÿ(
Com
1 COM
(3.20)
ÿ Gs( ) ÿ *
= ÿ 1( Com
- 1
) ZL { { - 1
ÿÿÿ é ÿ}
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
K K t
Gs( ) = =
t + s1 é 1+ t
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
-
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
Machine Translated by Google
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
- 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
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
- 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
Machine Translated by Google
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
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
Usando (3.21), a função de transferência desejada no domínio z é
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
- - 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:
Machine Translated by Google
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
]
que pode ser reescrito como
()
E sim K
Gs( )= =
(Nós
) ( + )(
sspsp +1 ) 2
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
Machine Translated by Google
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
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 *}
Gs
a
()
Gsé (=) (3.26)
é
Machine Translated by Google
] *}
- - - mTs
Gzz ( ) =
DE NOVO
eu
ÿ1( Com
1
) ZL { 1
[G se( )é (3.27)
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)
DE NOVO
(1)()= é (3h30)
Com 1
G z ÿ( ) =
DE NOVO
ÿ- ÿ COMEM ( ){ } gkT (3.31)
eu z ÿ
-
e
MPT
-
Morreu {e pontos
}= -
(3.33)
ela- PT
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
Machine Translated by Google
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
Figura 3.14
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
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.
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 *( )]
Machine Translated by Google
T
S*(s)
R(s) + E(s) Nós)
D(s) G(s)
S(s)
–
H(s)
X*(s) X(s)
Figura 3.15
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
( 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)( )
Machine Translated by Google
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.
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.
(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
ou em termos de z como
(GG
)( )Dd z
E z( ) = ( ) (3.39)
( ) 1 +G z C z
DE NOVO
Exemplo 3.9
Kp
Gs( ) = , Gsd 1 ( ) = , C z( )K= c
é + 1 é
Solução
Primeiro avaliamos
Op ÿ1 - 1 ÿ
Gs( Gs
) ( )Ds
(d) = = O
p
ss( + )1 ss
ÿÿ + 1ÿÿ
ÿ Com
-
Com
ÿ
( GG
)( ) =D
d z KA p
ÿ ÿ Com
- 1 ela- ÿ Tÿ ÿ
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
(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.
Machine Translated by Google
R (z )
Ez( ) =
(1)+( G
) zCzDE NOVO
(3,40)
R (z )
=
1 + (eu
) z
-
e
(ÿ) = ÿ (1 z E1 )z ( )
Com
=1
= (z
- )R
1z () (3.41)
(1+z( ))
z eu Com
=1
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
Machine Translated by Google
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
Com
R (z ) =
Com ÿ1
1
e (ÿ) = 1 (3,45)
+ Kp
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
Tz
R (z ) = 2
( -1)Com
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
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
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
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
K
Gs( ) = a >0
+
sobre
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
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.
Recursos 81
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)
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
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
Recursos
Franklin, GF, JD Powell e ML Workman, Controle Digital de Sistemas Dinâmicos,
Addison-Wesley, 1998.
Jacquot, RG, Sistemas Modernos de Controle Digital, Marcel Dekker, 1981.
Katz, P., Controle Digital Usando Microprocessadores, Prentice Hall International, 1981.
Kuo, BC, Sistemas de Controle Digital, Saunders, 1992.
Ogata, K., Sistemas de Controle de Tempo Discreto, Prentice Hall, 1987.
Machine Translated by Google
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
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
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.
Machine Translated by Google
Problemas 83
1 10
Hs1 ( ) = Hs2 ( ) =
é +6 é 1+
H(s)
(a)
H(s)
(b)
H(s)
(c)
Figura P3.8
3.9 Para o sistema de realimentação unitário mostrado na Figura P3.9, temos o analógico
subsistema
é +8
Gs( ) =
é +5
Machine Translated by Google
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.
Figura P3.9
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)
(a)
D(s)
D'us(s)
+
R(s) + S(s) S*(s)
C*(s) ZOH
+ ÿT T G(s) T
(b)
Figura P3.10
Exercícios de computador 85
.
05 ( + ) 0 2.
Com
(ii) G z ( ÿ( )) =
(ÿ) Com .
01 Com .
08
Exercícios de computador
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.
3.14 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.
Machine Translated by Google
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
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
(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
()<
ykbk , = ...0
, ,1 2,
e
(4.3)
0b< < ÿ
e
ÿ
- (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
do cancelamento do pólo zero, as condições para estabilidade BIBO e estabilidade assintótica são idênticas.
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.
-
ayk n 1) +
( + )++()( +yknaykn
+ ayk +ÿ11 ... 1 0 ()
= eu + ( ) + ( livro eu - 1 +- 1) + + 1( ),( ...
buk buk
+ =1)0+1 2 0 , , , ...
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.
Machine Translated by Google
Exemplo 4.1
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.
sim
()= ÿ ( ) ( ) hkiuik , = 0 ,1 2
, , ... (4.7)
= ÿ0
eu
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
Machine Translated by Google
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
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
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
Exemplo 4.2
0 ÿÿ<ÿ
Para km
hk( ) =
{0
,, em outro lugar
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
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.
Machine Translated by Google
D(z)
R(z) + E(z) você(z) S(z)
C(z) GZAS(z)
Figura 4.3
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
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
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
1. Necessidade (somente se)
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
2. Suficiência (se)
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:
2. O ganho de loop C(z)GZAS(z) não tem cancelamento de pólo zero dentro ou fora da unidade
círculo.
Prova
1. Necessidade (somente se)
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.
2. Suficiência (se)
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-
Machine Translated by Google
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)
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
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.
Machine Translated by Google
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)
O comando MATLAB
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)
Exemplo 4.5
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
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
Machine Translated by Google
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
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
2 + + 1>
aaa 0 0
Adicionando a primeira e a terceira condições dá
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
(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
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
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
5 c0 c1 c2 … … cn-2
. . . . … …
. . . . … …
. . . . … …
2n ÿ 5 s0 s1 s2 s3
2 n ÿ 4 s3 s2 s1 s0
2n - 3 r0 r1 r2
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).
Machine Translated by Google
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
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 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).
Linha 0z 1z 2z 3z 4z Com
5
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
K K ÿ1 1 ÿ
= -
ss( + ) 3 3 ss ÿÿ + ÿ3 ÿ
- 2
×
1 .9412 10 K
G DE
z NOVO ( ) =
Com
- 0 .9418
1 + GzNOVAMENTE ( ) = 0
+ 10.
com - 2 0. 9418 1 9412 × =Kÿ0
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
Machine Translated by Google
K
Gs( ) =
ss( +10)
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
K 10 1 1
= 0 .1 K ÿ ÿÿ
ÿ
ss2 ( + ) 10 ÿÿ é2 ss 10+ ÿÿ
-
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
0 << K 43 6199
.
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.
a1
- a1
z2
z1- a1 0
z1
×
a2 z1
Figura 4.5
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:
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
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
0,6 1+ L
eu
0,4
0,2
Imaginário
0
Eixo
–0,2
–0,4
–0,6
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
Machine Translated by Google
Figura 4.8
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.
Corolário: Um sistema estável em malha aberta é estável se e somente se não circunda o ponto
(ÿ1, 0) (ou seja, se N = 0).
Exemplo 4.9
Considere um modelo linearizado de um forno:
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
+ .
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.
Machine Translated by Google
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
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.
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
Machine Translated by Google
Definição 4.6: Margem de Fase. A margem de fase é a perturbação de fase negativa que torna o sistema
marginalmente estável. ÿ
+
R(s) C(z)
ÿG(z) G(z)
-
Figura 4.11
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
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
gráficos de resposta (que funcionam para sistemas de tempo contínuo e de tempo discreto)
são
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
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
Machine Translated by Google
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
Eu sou[G(jw)]
2
1,5
–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).
Machine Translated by Google
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
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.
–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.
Machine Translated by Google
>> 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
Machine Translated by Google
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
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
50
0
Magnitude
(dB)
–50
–100
–150
–90
–135
(graus)
–180
Fase
–225
–270
10–2 10–1 100 101 102 103
Frequência (rad/seg)
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
Franklin, GF, JD Powell e ML Workman, Controle Digital de Sistemas Dinâmicos,
Addison-Wesley, 1990.
Gupta, SC e L. Hasdorff, Fundamentos de Controle Automático, Wiley, 1970.
Júri, EI, Teoria e Aplicações do Método da Transformada z, Krieger, 1973.
Kuo, BC, Sistemas de Controle Digital, Saunders, 1992.
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+ +( ) = + ( ) + , , , ...
. . . , , , ...
. . . , , , ...
Machine Translated by Google
Problemas 119
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
10 0( 1+
Com ) .
(b) G z ((ÿ) )=
(ÿ) Com 0 .7 0 9 Com .
( -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 .
4.10 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.
Exercícios de computador
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
Machine Translated by Google
(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
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 )
4
A. Sebastian e SM Salapaka, Metodologias de design de nano-posicionamento robusto, IEEE Trans.
Tecnologia de Sistemas de Controle, 13(6), 2005.
Machine Translated by Google
Capítulo
5
Sistema de controle analógico
Projeto
Objetivos
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
0 + KLs ( ) = 1 (5.1)
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
180 °
Nova Zelândia
ÿ ÿ pp ÿ ÿ ÿn ( eu )+ÿÿ( pz nj ) (5.5)
eu
=1 j =1
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.
Machine Translated by Google
Exemplo 5.1
é + 5
3. Eus( ) =
( + é)( + 1) 3 é
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.
Machine Translated by Google
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
°
+ eu
( 180
)21
eua = ± , eu = 0 ,1 2, , ...
3
° °
= ± ± 60 ,180 , ...
Machine Translated by Google
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 =
(p+ )(1+ p) 3
K=-
p + 5
Diferenciando ofertas
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
Machine Translated by Google
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.
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
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.
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
Machine Translated by Google
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
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
Exemplo 5.2
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.
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.
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.
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
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.
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 )
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
= = 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
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
Machine Translated by Google
KKGs
bem ()
Gs
cl ( ) =
1 + KGsa Cs
()()
(5.12)
KKNs ()
= bem
D s( )KK
+ de
)(N ) s+ (
de Anúncios
R(s) + S(s)
Pré-amplificador Plantar
Amplificador
Kp O G(s)
-
Compensador PD
Kd (s + a)
Figura 5.5
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
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.
2 2
+ + K s Ka+ (
K sasp ) = + + ( s ps )+
2 2
=+s 2zw sn + Emn
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) %
Emn = = O pKv
Resolvendo para K e a dá
= 2 - = pK em
K pK pa Com em
-
2 Com pKp em
Machine Translated by Google
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)
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
Machine Translated by Google
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.
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.
Machine Translated by Google
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.
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.
Machine Translated by Google
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).
>> 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.
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.
A função MATLAB a seguir calcula o ganho e a localização zero para o controle PD.
Machine Translated by Google
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
Machine Translated by Google
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
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.
8
0,7
7
5
Imaginário
Eixo
0
–8 –7 –6 –5 –4 –3 –2 –1 0
Eixo Real
Figura 5.8
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
+
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
(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.
Machine Translated by Google
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
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
Procedimento 5.3
Emn
a = 2
(5.17)
Com
1+- Com
bronzeado
(Fi)
ou
ÿw n
a = (5.18)
10
j oh
scl
oh
d
eu
eu p=ÿscl
Com
=ÿ (scl + a)
× p
a
ao vivon
Figura 5.11
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
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
1
x=
2
Com
1+- Com
bronzeado (Fi)
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
Exemplo 5.6
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.
Machine Translated by Google
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
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
4
Imaginário
Eixo
3 0,7
4
0
–10 –8 –6 –4 –2 0
Eixo Real
Figura 5.13
4,5
Sistema: l
4 Ganho:
40,7 Pólo: –2,8 + 2,87i
3.5 Amortecimento:
0,698 Overshoot (%):
4,69 Frequência (rad/seg): 4,01
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
teta = 1,9285
uma = 1,7323
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
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
()
zw n = 7 .143 0×7 .
a = 0 5. ÿ
10 10
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.
Ke
dd
K=
p é é
(5.19)
2zw = Kk , Em2 = Kk
n n eu d
Machine Translated by Google
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
uma = 2,3256
1.4
1.2
0,8
Saída
0,6
0,4
0,2
0
0 1 2 3 4 5
Tempo
Figura 5.16
( 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 + + )
Machine Translated by Google
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
1
C (e )K= ÿ1 + + Ts ÿ
p d ÿ
ÿÿ Ts eu
ÿ (5.20)
=
TKKTKK , =
eu
pidp d
Método Tangente
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.
Machine Translated by Google
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
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
Machine Translated by Google
Tipo de controlador Kp De Td
P t - -
no
PI t -
0 9. 3 litros
no
PID t
12. 2 litros 0,5L
no
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
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
1,5
1
Processo
Saída
do
0,5
0
0 10 20 30 40 50 60 70 80 90 100
Tempo
Figura 5.21
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.
Machine Translated by Google
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
sobre 1
1+ K ÿ + ÿ = 0
ÿ é ÿ ( é+ )( 3
+) é 5
1 + KG sff ( ) = 0
(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.
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.
eu = t
Exercícios de computador
5.11 Considere o sistema de controle de temperatura do forno descrito no Exemplo 3.5 com
função de transferência
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.
Machine Translated by Google
(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.
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.
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.
Machine Translated by Google
Capítulo
Objetivos
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
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
Machine Translated by Google
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)
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
Amortecimento: 0,000141
0,2 Superação (%): 100
Frequência (rad/seg): 314
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
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
0,6
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
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
.
Eu sou {z}
. . . . .
. . .
. .. . . .
.
.
. ..
¥
¥
. Re{z}
¥ ¥¥ ¥¥ ¥
. . ... . .
¥ .
. . . . .
. .
. .
Figura 6.3
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)
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 .
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) .
Machine Translated by Google
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
Machine Translated by Google
oh
Em
é
2
Primário p
Faixa
ÿws
2
Figura 6.4
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.
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.
+ ) oh
djT 2 - T - 2zÿ nT
n j T oh
( zé
-
( - zÿ n
)( -
(ÿ zÿ
ÿ)d ze
)=- Com ) +zÿ
( 2cos ohd Téze
n
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)
0,5 p/T
1 0,6 p/T 0,4 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
ou equivalente,
2
eu = ohd TT=1ohn -
Com (6.8)
-
nT
ela =
zÿ
(6.9)
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.
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)
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.
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.
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
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:
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
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)*.
Machine Translated by Google
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.
Machine Translated by Google
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
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
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 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
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
Machine Translated by Google
1
.3
31.4
0,9
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
4,63 Frequência (rad/seg): 3,42
0,1
0
0 0,50.40.30.20.1 0.90.80.70.6 1
Eixo Real
Figura 6.9
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
1.4
Sistema: gdc
Amplitude de pico: 1,4
Superação (%): 39,6
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
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.
Figura 6.12
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.
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.
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
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
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
Machine Translated by Google
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.
ÿ 1
ÿ [ ykyk ÿ ( )] yk( )1ÿ ( ) (6.17)
T
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)
Machine Translated by Google
2
ohn
Csa ( ) =
s 2 2+ zÿ né + oh2n
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 +
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.
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
Machine Translated by Google
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
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
ÿ ÿ oh0 T ÿ ÿ
Há( j-Toh0
) = C ajc bronzeado
= (Cÿ ajÿ oh0 ) (6.24)
ÿ ÿÿ 2 ÿ
oh0
c = (6.25)
oh0 T
bronzeado
( )
2
Machine Translated by Google
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.
>> 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
1
Csuma( ) (6.26)
é +
= 0 1 1.
–1
–2
Magnitude
–3
(dB)
–4
–5
–6
100 101
Frequência (rad/seg)
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
Machine Translated by Google
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
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
) =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)
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
K
Csa(
Gs) ()=
ss( +10)
2 2
ss( +10) + = + 2 Ks zÿ ns + ohn
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
K = = ohn2 51 02.
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
Machine Translated by Google
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
0,6 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
Amortecimento: 0,699
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
1.4
Sistema: gcl
Amplitude de pico: 10,5
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
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.
Machine Translated by Google
Sistema: eu
0,2 Ganho: 2,16e + 0,03
Nenhum: 0,909 + 0,0854i
Amortecimento: 0,695
Superação (%): 4,8
0,1 Frequência (rad/seg): 6,51
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
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 .
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 .
1.4
Sistema: cl
Amplitude de pico: 1,05
1.2
Superação (%): 4,76
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
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
função de transferência
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.
Machine Translated by Google
j oh
5
ohn = 6
4
2
g = 0,7
–1
–5 –4 –3 –2 –1 0 p
Figura 6.20
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 )
Machine Translated by Google
j oh
6 6
5 oh = 6
n
2 g = 0,7
0
–6 –5 –4 –3 –2 –1 0 p
Figura 6.21
jÿ Sistema: 1
Ganho: 5,76
6 Nenhum: -4,69 + 4,78i
Amortecimento: 0,70
Superação (%): 4,57
3 ohn = 6
2
g = 0,7
0
–6 –5 –4 –3 –2 –1 0 p
Figura 6.22
( 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).
Machine Translated by Google
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
1
p/t
0,9 0,4p/T
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 (%):
4,57 Frequência (rad/seg): 43,2
0
0 0.50.40.30.20.1 0.90.80.70.6 1 Eixo Real
Figura 6.24
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
Machine Translated by Google
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.
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
Machine Translated by Google
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 .
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
Machine Translated by Google
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).
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
()
euacp= +
eu eu
(6.34)
= +euc euzcl
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)
Machine Translated by Google
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
analógica (tipo 1) tem a função de transferência
1
Gs( ) =
ss( + )(1+10)é
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
Projete um controlador digital para o sistema de controle de velocidade do motor DC descrito no Exemplo 3.6, onde a planta
analógica possui a função de transferência
Machine Translated by Google
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
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
Amortecimento: 0,701
Superação (%): 4,55
0,4 0,6
Frequência (rad/seg): 206
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
Amplitude de pico: 1,04
Superação (%): 4,36
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
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.
Machine Translated by Google
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.
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
2 ohT
== (6.37)
w jv j bronzeado
T 2
Machine Translated by Google
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)
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.
Procedimento 6.2
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).
ohn
Ts( ) = (6.38)
2
s 2+2 sim n é + ohn
Machine Translated by Google
ohn
Eu( ) = (6.39)
é 2 2+ simn é
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
gc 12
ÿ
4 142+- 2 ÿ ÿ
ÿ ÿÿ Com Com
ÿ ÿ
Exemplo 6.15
1
Gs( ) =
é + 1
Solução
Quando T = 0,1 temos
0 .09516
G DE
z NOVO( ) =
Com
- 0 .9048
–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
Frequência (rad/seg)
Figura 6.31
0 .00995
G DE
z NOVO( ) =
Com
- 0 .99
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
Machine Translated by Google
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
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)
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.
Machine Translated by Google
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
Frequência (rad/seg)
Figura 6.32
Sistema: Gcl
Amplitude de pico: 1,07
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
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.
Machine Translated by Google
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
Frequência (rad/seg)
Figura 6.34
Sistema: Gcl
Amplitude de pico: 1,08
1.2 Superação (%): 8,09
No tempo (seg): 0,4 Sistema: Gcl
Tempo de acomodação (seg): 0,718
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
C (z )G( z)
()=
DE NOVO
G z cl
1 + (C)z G z ( ) DE NOVO
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 -
Gcl(1 1 ) =
Machine Translated by Google
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).
3. Obtenha Gcl (z) convertendo a localização do pólo do plano s para o pólo do plano z
localização usando a transformação z = esT.
Ordem Poloneses
1 ÿ4,6200
2 ÿ4,0530 ± j 2,3400
Ordem Poloneses
1 ÿ1,0000
2 ÿ0,8660 ± j 0,5000
Exemplo 6.18
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 +
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
+ .
1 .422 ( ÿ )( ÿ 0
)( .8187
+ ) 0 9802 1 .
Com Com Com
C z( ) =
( ÿ )( + )( ÿ 0 96 1 0 9293zz . Com . )
Machine Translated by Google
1
Sistema: gcl
Tempo de acomodação (seg): 3,71
0,8
0,6
Amplitude
0,4
0,2
0
0 1 2 3 4 5 6
Tempo
Figura 6.36
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
- . )
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
A função de transferência de processo discretizada é
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
Machine Translated by Google
( -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
Exemplo 6.20
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.
Machine Translated by Google
0,8
0,6
Amplitude
0,4
0,2
0
02 4 6 8 10 12 14 16 18 20
Tempo
Figura 6.38
Solução
A função de transferência de processo discretizada é
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
C (z ) =
5
6z - 0 .5 0 5 -Com .
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
Machine Translated by Google
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( ) =
Machine Translated by Google
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
Rs* ( )
Es* ( ) = - ST
Gs( ) ) *
1 +1 - ( e Cs) * ( ) (
é (6,45)
Rs* ( )
=
1 + Cs
( )* (Gs
) * DE NOVO
Machine Translated by Google
¥ 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
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
Machine Translated by Google
- 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
. 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,
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.
Machine Translated by Google
1.4
1.2
0,8
Processo
Saída
do
0,6
0,4
0,2
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
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
A função de transferência de processo discretizada é
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
)
Machine Translated by Google
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
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
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
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
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)
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
Machine Translated by Google
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
)
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
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
Recursos
Jacquot, RG, Sistemas Modernos de Controle Digital, Marcel Dekker, 1981.
Kuo, BC, Sistemas de Controle Automático, Prentice Hall, 1991.
Kuo, BC, Sistemas de Controle Digital, Saunders, 1992.
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 .
Machine Translated by Google
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?
6.5 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 + +
1 - 5é
Gs( ) = + e
10 é1
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.
5 + .
4 .95 4 901
Com
G DE
z NOVO( ) = ÿ 10 2
Com
- 1 .97 0 + .
Com9704
Machine Translated by Google
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
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
6.14 Encontre uma solução para o Problema 6.13 que evite a ondulação entre amostras.
Exercícios de computador
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
Machine Translated by Google
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.
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).
Machine Translated by Google
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
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.
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.
Machine Translated by Google
Exemplo 7.1
Considere a equação de movimento de uma massa pontual m impulsionada por uma força f
meu =f
ÿÿ
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
Machine Translated by Google
–1
–2
–3
–1,5 –1 –0,5 0 0,5 1 1,5
Figura 7.1
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.
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
Machine Translated by Google
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
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
C ln = × matriz de saída
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
>> 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')
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
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):
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).
Machine Translated by Google
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
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
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
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
eu
2
eu Ligação 2
1
Ligação 1
Figura 7.2
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
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
( 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
Machine Translated by Google
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.
df
( ) = ( 0 ) + fxfx dx DxOx+ ( D) 2 (7.6)
x0
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.
Machine Translated by Google
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
d D xxx0 d (-) ÿ
Dxÿ = = = x (7.11)
dt dt
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
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
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.
Machine Translated by Google
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
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
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.
Lxÿ( ){ } t=sX
[ sx = ( ) ÿ(())ÿ ( )] = [ ] ( ) ÿ [ 0 s X sx
eu eu eu eu
] 0( )
(7.14)
ssXx 0
(7.15)
ÿ ÿÿ j
=1 ÿ ÿÿ j =1 ÿ j =1 ÿ
()
= XComo
xÿ (t A t B tx) = ( ) + ( ),ux( )0
Machine Translated by Google
X xss
() ÿ (0) = ( ) + (A)XU
eB (7.16)
[ ] sIn AÿXx
s ( ) = (0) + ( ) BsEM (7.17)
- 1
- 1 1ÿ 1 ÿ
[ ] sIn A- = EU-n A (7.19)
é ÿÿ é ÿÿ
+ ... } (7.20)
é ÿÿ é ÿÿ= é é é é
- )
eu- 1 { [ ] ÿnsI A
1
} = +Eu+ em
n
2!
+ +... + ... (7.21)
eu !
2
(no
) (no
)
eu
no
e = +1 em
+ + +... + ... (7.22)
2! eu !
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
Machine Translated by Google
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
()}+()
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
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
Solução
1. A matriz de transição de estado é a matriz exponencial dada pela transposição inversa de Laplace.
forma da matriz
Machine Translated by Google
- 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
ÿ ÿ
é + 11 1
= ÿ
0
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.
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
- - 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
Machine Translated by Google
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 ] .
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
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
( ) = 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
Machine Translated by Google
- 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
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 ÿ ÿ ÿ ÿ ÿ ÿ
-
ÿ
ÿ 0 ÿ ÿ
ÿ 1 ÿ
ÿ ÿ
ÿ 100 ÿ
ÿ ÿ
ÿ0 ÿ
ÿ ÿ
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 -
Machine Translated by Google
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
=
1
PPA= a eu a + =- tr { P
} Ac
k k1+ 1 kn + k -
como
3. Verifique:
[ ] 0 = + 0PA para0nI
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
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.
Machine Translated by Google
+ 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
eu
=1 eu
- 1
ÿn ÿ
COM = qP ijj (7.32)
eu
ÿ,
ÿÿ = 0 ÿÿ
j
(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
Machine Translated by Google
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
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
segundos
3
2 )( + ) 11 10 1 10 + + = + ssss ( é
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
Machine Translated by Google
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
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.
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
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.
Machine Translated by Google
A matriz resolvente é
1 1 1 1
[e n ] - - eu = diagnóstico , , ... , (7,37)
{ -é eu1 é - eu2 é ÿ }eun
(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
Machine Translated by Google
1, eu= j
T
em vi j
= {0 (7.40)
, euÿ j
( 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)
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
Machine Translated by Google
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
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
n n
E
e =
ÿÿ Z para
eu
eueu = vw eu isto
e eueu
(7,44)
eu
=1 eu
=1
Machine Translated by Google
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.
ZZ ij =
0,
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
Machine Translated by Google
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
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
Z= 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
-
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
e + 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
Machine Translated by Google
X (s ) = ÿsI[ nAB s ]
ÿ1
Em ( ) (7,45)
ÿ1
Y(s )C=sIÿ [AB
] ns D s ( ) EM Em ( ) +
()
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
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 )
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
>> 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
sÿ 2 - 2s - 3
#2: ------------------
sÿ 3 + sÿ 2 + 2s + 3
sÿ 3 + 2sÿ 2 + 2s + 3
#2: --------------------
sÿ 3 + sÿ 2 + 2s + 3
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
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
Machine Translated by Google
) 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
onde
A e =d
NO
(7,52)
T
B de Bd A eu eu
= ÿ0 (7,53)
No = No
] = por
- No[ IA
ÿ e dt A e eu ÿ [
ÿ1 ÿ1
n ]n
(7,54)
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
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
Exemplo 7.15
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 ÿ ÿ ÿ ÿ ÿ ÿ ÿ
- -
ÿ
ÿx
ÿ
3 ÿ ÿ
ÿ 0 10 11
ÿ
ÿ ÿx
ÿ ÿ
3 ÿ ÿ
ÿ 10 ÿ
ÿ ÿ
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
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
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
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
Machine Translated by Google
4 .821 10× ÿ
ÿ ÿ
- 2
ÿ 9 .468 10×
ÿ
ÿ
ÿ
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
x (k+ 1) = ( A
) +k dB k ( ) d
Em k = 0, 1, temos
x ( k) =
A x( ) + d AB d
eu ( ) você d (7,63)
0ÿ1
eu
=0
Machine Translated by Google
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).
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
X x ( ) ÿ (0) = ( ) + ( ) A z BXz d
zzz EM (7,65)
d
ÿ1
Portanto, precisamos avaliar a transformada z inversa da matriz [zIn - Ad] Com.
- 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
+ ...
Z zI{[A z IAAA
n ] ÿ de
d
ÿ1
}={ n
, d
, 2d, ... , , ... } (7,68)
[ zI An z] ÿ ÿ dÿÿ {1 COM
De
k
Anúncios
k = 0
(7,69)
Machine Translated by Google
k 0
para d
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
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
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
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
Esta expressão é útil em alguns casos especiais onde a soma de i pode ser obtida de forma fechada.
x ( A)k=d 0 kk- k
ÿx 0( ) + ABpara 1
eu você
ÿÿ
d
d () (7,80)
= 0
EU
Exemplo 7.16
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)( + )
Machine Translated by Google
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
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
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
Machine Translated by Google
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
= 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-
Machine Translated by Google
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
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
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
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.
Machine Translated by Google
-
() }
ÿ1
Y(z C { [] (z)n D
) =zI AB + z ddU EM (7,82)
- 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)
eu ia - eu eu
=1
Com
=1
eu eu ÿ
ÿ D, k =0
Exemplo 7.17
Obtenha a função de transferência z para o sistema de controle de posição descrito no Exemplo 7.16.
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
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-
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
Machine Translated by Google
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
onde T é o período de amostragem. Os pólos e zeros de uma função de transferência são obtidos com o
comando
>> zpk(gd)
(z-0,9048) (z-0,8187)
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).
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
Machine Translated by Google
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)
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)
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
Solução
Do primeiro princípio, conforme mostrado no Exemplo 7.1, temos que a equação do movimento é
meu =f
ÿÿ
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
1( ) = ( )1
ztxt
2( )
ztxtx = ( )1 + ( ) 2
Aquilo é,
10
1 = ÿ ÿ
Tr-
11 ÿÿ ÿÿ
Machine Translated by Google
-
- 11 - 0
= ÿ ÿ = ÿ ÿ
1 1
A = TAT RDR B TBd
R
- 11 1
ÿÿ ÿÿ= ÿÿ ÿÿ
C=[]10 D = 0
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
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
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
Machine Translated by Google
forma. O primeiro requer a matriz modal dos autovetores V e o sistema a ser transformado
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.
Sistemas semelhantes podem ser vistos como representações diferentes dos mesmos sistemas.
Isto é justificado pelo seguinte teorema.
= [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.
Machine Translated by Google
Exemplo 7.20
- 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
Recursos
D'Azzo, JJ e CH Houpis, Análise e Projeto de Sistema de Controle Linear, McGraw-Hill,
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.
Gupta, SC e L. Hasdorff, Fundamentos de Controle Automático, Wiley, 1970.
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
Machine Translated by Google
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 ÿ ÿ ÿ ÿ ÿ ÿ ÿ
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
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.
}
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.
Machine Translated by Google
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
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.
Machine Translated by Google
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
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.
- 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.
Machine Translated by Google
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
Figura P7.14
O INFANTE AUV. (Fonte: Extraído de Silvestrea e Pascoa, 2004; usado com permissão.)
Exercícios de computador
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.
Machine Translated by Google
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.
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.
Objetivos
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
( ) k[ +x =
1 fx ] ( ) k (8.1)
( k )+= [ x 1 fx k]()
(8.2)
=
= [ ] fxxe e
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.
Machine Translated by Google
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
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
xxde [ ] ÿ1 5 0. =
carro = 0 e carro = 1 5.
2. A condição de equilíbrio é
2xx =
e e
T
O sistema tem um estado de equilíbrio único em xe = [x1e, x2e] = [0, 0]T .
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.
Machine Translated by Google
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.
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.
Machine Translated by Google
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 )
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
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
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.
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
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.
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
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=
Machine Translated by Google
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
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
k (( )) ÿ ( ) ÿ y ib G kb G
em ÿ em ÿ
k =0 k =0
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
Machine Translated by Google
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
1 1 yk ( .) + +2+ ( 2 1)
( ) + +0sim =() 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
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
1 - 1
ÿk ( ) .= = ( ) < ÿ- 0 3 0 .7
k =0 103.
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.
Machine Translated by Google
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
Exemplo 8.4
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.
Machine Translated by Google
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.
x2
Controlável
Incontrolável Subespaço
Subespaço
em
x1
Figura 8.1
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.
Machine Translated by Google
Prova.
= 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
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
Machine Translated by Google
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
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
tem classificação n.
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
Machine Translated by Google
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
Exemplo 8.5
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.
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 ( )
Machine Translated by Google
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
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
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
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
Machine Translated by Google
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
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
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
Machine Translated by Google
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 .
Os comandos MATLAB para calcular a matriz de controlabilidade e determinar sua classificação são
>> c = ctrb(A, C)
>> classificação (c)
A = diag{ eu1( AA
) (,) eu2 ,..., n eu ( A
)}
eu1(NO
) eu2 (NO
) eun (NO
)
Dedo ==
d do pé
NO
{ diag. e ,e ,..., e }
(8.18)
= diagnóstico
{ eu1eu
,2,..., eun }
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.
( 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
Machine Translated by Google
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
n- 1 n- 2
eu
= [ { diag. euj }B d { diag. euj } Bd .... { }eu jdBB
diagnóstico e]
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
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.
Machine Translated by Google
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
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
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
1 ÿ P1 ÿ ÿB c ÿ
B = - cd
TB =
ÿB=d ÿ ÿ 0
2 uc
ÿÿ
Perguntas frequentes
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
W Vuc uc =
= [ ] wv
Eu j
EUnn- c
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
Perguntas frequentes
ÿ ÿÿ
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
Machine Translated by Google
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.
Exemplo 8.10
- 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
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
- 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
Machine Translated by Google
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
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.
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
x2
Observável
Inobservável Subespaço
Subespaço
e
x1
Figura 8.2
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
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
= [ 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
Machine Translated by Google
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
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.
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
Exemplo 8.11
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
ÿ111 ÿ
V= ÿ
013 ÿ
ÿ ÿ
ÿ0 1 9
ÿ
ÿ ÿ
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).
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.
8.3.3 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
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
explorando o seguinte teorema.
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
ÿ AA ÿ
em amigos
uma =
ÿ
0ÿ A
c
ÿ=[ÿ 0
lnn × - 0
C
o ]
nnn ×-
00 o
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.
Exemplo 8.13
xk
2( ) +1
ÿ
=- ÿ
1 .1 2 5- 1 15
. - . ÿ ÿ
xk
2( )
ÿ
+ ÿ
11 ÿ
você
()
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
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
Machine Translated by Google
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
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.
zeros:
Podemos obter esses zeros e outros, bem como os pólos do sistema, a partir do
matriz de função 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
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
Machine Translated by Google
2
( ( ÿ 0 2.z ) Com
5 )0- . ( ) -1
Com
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
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.
Machine Translated by Google
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
}
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.
Machine Translated by Google
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
- - 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
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
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
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.
Machine Translated by Google
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
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- ... +
Machine Translated by Google
T
+ ykyk
()=1 1( ) [ = ( 2
[ ( ) x kxkxk )() ... xkxk
n ÿ1 ( ) ( )] n
T
(8.32)
... +-
( ) ou ( sim + n ) ÿ1 ]
xk2 ( ) + 1 ÿ ÿ
00 ... 0 0 ÿ ÿ
xk2 ( ) ÿ ÿ
0 ÿ
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
xkn -
ÿ ÿ ÿ
ÿ ÿ ÿ ÿ ÿ 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
Machine Translated by Google
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
Exemplo 8.18
+ ( 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
Machine Translated by Google
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
função de transferência
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.
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]()
Machine Translated by Google
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)
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)
ÿanÿ1
ÿanÿ2
ÿa0
Figura 8.4
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
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 . .
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 ÿ ÿ ÿ ÿ ÿ ÿ
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).
Machine Translated by Google
MATLAB fornece uma forma canônica que é quase idêntica à forma controlável desta seção com o comando
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 ÿ ÿ ÿ ÿ ÿ ÿ ÿ
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
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
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
Machine Translated by Google
1 X1(z)
K1
zp + 1
S(z)
você(z)
+
…
…
1 Xn(z)
Kn
zp + n
Figura 8.5
X1(z)
+ zÿ1 K1
ÿp1
S(z)
você(z)
…
+
…
ÿ1z
Xn(z)
+ Kn
ÿpn
Figura 8.6
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
k ()+()
yk(K) =xk você eu (8.47)
= ÿ1
eu
Machine Translated by Google
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
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
5 - 13
G z( 2
)=+
de + 2 de + 3
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 ( )
Machine Translated by Google
1 X1(z)
5
com +2
S(z)
você(z)
+
1 X2(z)
ÿ13
com +3
Figura 8.7
X1(z)
zÿ1
+ 5
ÿ2 S(z)
você(z)
+
X2(z)
+ zÿ1 ÿ13
ÿ3
Figura 8.8
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.
(8.49)
Dÿ
zp+
n n-
za + n- 1
1 + + ...
+ não 1 0
eu
=1 eu
Machine Translated by Google
= 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
Machine Translated by Google
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
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.
- 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 ()
Machine Translated by Google
Reino Unido)
c0 c1 cn-2 cn-1 d
Figura 8.9
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:
Machine Translated by Google
( 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.
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
Machine Translated by Google
Recursos 327
Exemplo 8.23
( 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 .
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
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
Recursos
Antsaklis, PJ e AN Michel, Sistemas Lineares, McGraw-Hill, 1997.
Belanger, PR, Engenharia de Controle: Uma Abordagem Moderna, Saunders, 1995.
Chen, CT, Teoria e Projeto de Sistemas Lineares, HRW, 1984.
Machine Translated by Google
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
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
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
Machine Translated by Google
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.
8.6 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
Machine Translated by Google
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.
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.
Machine Translated by Google
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).
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
8.19 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.
Machine Translated by Google
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
- é -
12 8. e - 18 9. e 3é
ÿ ÿ
+s . ÿ ÿ ÿ ÿ 14 4 1. s + ÿ
Exercícios de computador
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.
Machine Translated by Google
Capítulo
9
Controle de feedback de estado
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
A
–K
Figura 9.1
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
=-
AAcl BK (9.4)
A
–K
Figura 9.2
em (hahahaha
) = ÿ ( )e+sim
()
(9.6)
=- KC xv( ) + ( )
e kk
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.
Machine Translated by Google
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
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
o{ euIA
n BK
ÿÿ( )} (9.11)
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
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
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).
Machine Translated by Google
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
ta2n= - n ÿ1
- 1
j
= ÿÿ 1 ÿe nem j = 2 ,..., n - 1
, ,
t
jn+1, - - sentimento
eu
=0
Procedimento 9.2
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
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
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
eu3 - 0 .9 0 . eu -
eu24 +0 032 . . .,seja, um d = -
ou
2 0 .9 , um 1d = 0 .4, d
uma = - 0 0 .032
=- - - - 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]
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
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 ,
Exemplo 9.3
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
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 ]
d n
ÿc (eu
) = eu (9.19)
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:
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
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
-
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
( ) = -eu3
ÿcd eu 0 .9 0 . eu -
eu24+0 032 .
Aquilo 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
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.
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
Resposta de estado de entrada zero e variável de controle para o caso 2 do Exemplo 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
Resposta de estado de entrada zero e variável de controle para o caso 3 do Exemplo 9.4.
Machine Translated by Google
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
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
Machine Translated by Google
(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.
lugar: dígitos = 16
K = 3,1300 3,4000
>> poli(A)
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.
Machine Translated by Google
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.
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-
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
–K
Figura 9.7
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
-
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.
Machine Translated by Google
1.4
Sistema: syscl
Amplitude de pico: 1,04
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
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
ÿx ( k) + 1 ÿ
e ( C) = [ k 0 ]
ÿÿ
x ( k ) +1 ÿÿ
Machine Translated by Google
ÿK
ÿ1
Figura 9.9
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
Exemplo 9.6
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
Machine Translated by Google
1.4
Sistema: syscl
Amplitude de pico: 1,04
1.2 Superação (%): 4,21
Sistema: syscl
No tempo (seg): 0,66
Tempo de acomodação (seg): 0,867
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
em 0,2 é escolhido por seu efeito insignificante na dinâmica geral. Isso produz o vetor de ganho de feedback
1 - 0 .1706 0 6303
.
ÿ ÿ
Acl =
ÿ
1 0 0 ÿ
ÿ ÿ
- - .
0 .0119 0 0111 1
ÿ
ÿ
ÿ ÿ
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
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
Machine Translated by Google
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
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
Machine Translated by Google
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
ˆ ˆ ˆ
x A (kx)B+ k[ (L )kÿC( )kemk
+1 = ( ) + e x ( )] (9h30)
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
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
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
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
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,
eu =
1.0e + 002*
0,009910699530206
0,140383004697920
4.886483453094875
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
No entanto, um observador de ordem completa pode ser preferível na presença de ruído de medição significativo. Além disso, o projeto do
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 -
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
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)
onde
AA =LA
-
o 4 2
= + o-LA
AALLA 3 1 (9.44)
e
=-
BBLB
o 21
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,
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
,2
Teorema 9.3: O par ( ) AA é 4observável se e somente se o sistema (A, C) for
observável.
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
ÿ ÿ
ÿ ÿ
- .0 8954
0 .0 0 0947 . ÿ 9 .468 10×
- 2
ÿ
ÿ
ÿ ÿ ÿ
ÿ ÿ
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
ÿ 0 .9995 0 0095 . ÿ
Ao = eu 0 .1 0 ]
- 0 .0947 0 8954.
ÿÿ ÿÿÿ[
. T
eu = [14.949.550.191 ].
- 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×
Machine Translated by Google
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
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
xˆ(k+1) xˆ(k)
B + T - C +
eu
- K
Figura 9.14
ˆ
em =- xv( ) + ( )
( ) hahahaha (9.47)
Adicionando e subtraindo
ˆ o termo BKx(k), reescrevemos (9.48) em termos da estimativa
ÿ
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
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
x (Q
) =k k Com ( )
Com
(9,54)
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)
-
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
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
() 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( )
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.
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
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
Machine Translated by Google
ÿ 0 .02595 ÿ
eu = 10 2 ÿ
0 .21663 ÿ
ÿ ÿ
ÿ 5 .35718
ÿ
ÿ 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
Figura 9.15
Exemplo 9.12
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
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)
- 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
Machine Translated by Google
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
Figura 9.16
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
Machine Translated by Google
- 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 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
Amplitude de pico: 1,06
1.2 Superação (%): 6,45
No tempo (seg): 0,08 Sistema: syscl
Tempo de acomodação (seg): 0,112
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
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)
S(z)
D(z)
Figura 9.18
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
+
ÿcl ( ) zz =
nm + d 1nm + ÿ nm
+ÿ1
+++...
+ de 1 d d0
z
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
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.
Machine Translated by Google
de
N zkz ( ) =affÿ ( ) (9,68)
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)
Exemplo 9.14
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
Aquilo é,
- 6 - 6 - 6
p2
= 1 .622 10 × , p 1 = 45 14
. 10× , p 0
= 48 23
. 10×
Machine Translated by Google
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.
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
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
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
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.
Machine Translated by Google
1.4
Sistema: syscl
Amplitude de pico: 1,06
1.2 Superação (%): 6,45
Sistema: syscl
No tempo (seg): 0,08
Tempo de acomodação (seg): 0,112
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
D'Azzo, JJ e CH Houpis, Análise e Projeto de Sistema de Controle Linear, McGraw-Hill,
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.
Chen, CT, Teoria e Projeto de Sistemas Lineares, HRW, 1984.
Delchamps, DF, Sistemas Lineares de Estado-Espaço e Entrada-Saída, Springer-Verlag, 1988.
Kailath, T., Sistemas Lineares, Prentice Hall, 1980.
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 .
Machine Translated by Google
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
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
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
Machine Translated by Google
ÿ 0 2. 0 3 0 2. . ÿ
ÿ ÿ
ÿ 0 3. 0 0 3
ÿ . ÿ ÿ
ÿ 0 2. 0 3 0 2. . 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. )
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
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 ÿ ÿ ÿ ÿ ÿ ÿ ÿ
ÿ
ÿx 3ÿ
ÿ ÿ
ÿ 0 11 11 1
ÿ
ÿÿ
. ÿ ÿx ÿ
ÿ ÿ ÿ
ÿ 10 ÿ
ÿ ÿ
3
Machine Translated by Google
Problemas 377
ÿx 1ÿ
e =[100 ] x2ÿ ÿ
ÿ ÿ
ÿx 3 ÿ
ÿ ÿ
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.
9.14 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.
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.
Exercícios de computador
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.
Machine Translated by Google
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
Machine Translated by Google
40
30
–f (x)
20
10
–10 f (x)
–20
–30
–40
–6 –4 –2 0 2 4 6 8 x
Figura 10.1
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.
J( ) x (10.1)
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
Machine Translated by Google
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
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.
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
2
ÿ ÿ J. ÿ ÿ
0 (10.7)
ÿÿ ÿ x x2 * ÿÿ ÿÿ>
Exemplo 10.1
v euR =
zkik
()=R (vkk
) + (,...,1
), = N
Solução
Começamos empilhando as medidas para obter a equação matricial
ziv = + R
T
z = [z ( ) 1 ÿ zN( )]
Machine Translated by Google
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
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)
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
()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
a b
x 1=
a + b
= 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
ÿ -
= - a xx a1 2 1 b + =eu 0
euxÿ 1
Machine Translated by Google
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
b
xx2= 1
a
Substituir na terceira condição necessária (ou seja, na restrição) dá a solução
ab
x1=
a +b
bb
x2 =
a +b
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.
T
( ) ( )( ), =
H kkk L kkk ( )( ) + xu kk , xu( ) , , eu +k( ) [ x1 ( ) k A k B em + ( )] , (10.13)
= 0.,..,kf ÿ1
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.
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 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
Machine Translated by Google
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 *
* 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.
Machine Translated by Google
Doença Equação
kf -
* * *
Equação de estado x (k+ ) 1 =A
( )xk+B( kkk
)= em 0, . . . , 1
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
(x)(
ÿ 2 Jkk )aff , > 0 (10.28)
ÿ 2( kx f
) *
Machine Translated by Google
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
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
1 2
H xu ( ) ( )(, ) = ( ) +, + ( ) [ x ( )Reino eu k1
u + ( )] akbkk , = 0 ,..., k 1 ÿf
Unido 2
* *
Unido ( ) = ÿ (eu
Reino bk + )1
A equação de costate é
* = +eu( ) 1
eu ( ) irmã
* kk 0 1,..., = ÿf
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 +
Machine Translated by Google
a 2kk
f 1
bx)
ÿÿ
0 - 1
*( ) = ÿ ( )
( Reino Unido
- 1
k = 0 ,..., k
kf f
... a 2 1+
2
+ uma
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
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
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.
* (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)
* 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
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
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
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( ) = ( )
Machine Translated by Google
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:
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
Machine Translated by Google
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
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
Figura 10.3
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
x2(t)
0
–0,2
–0,4
–0,6
–0,8
–1
–1,2
Figura 10.5
Trajetória do plano de fase para o sistema de controle inercial descrito no Exemplo 10.4(1).
Machine Translated by Google
K
9
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 t
Figura 10.6
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
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
Machine Translated by Google
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
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
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.
Machine Translated by Google
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
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
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
J. = ÿ1 ( T
( ) ( ) + ( ) k Q kT ( ))
k R k xxuu (10.43)
2 kkkkk
= 0
= 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
Machine Translated by Google
= 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
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.
T T
J. = (e ( k) Q k e( ) +você você
k R k( ) ( )) (10.49)
2ÿ1kkkkk
=
0
= 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).
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
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 .
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 = 9,4671 5,2817
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).
Machine Translated by Google
Exemplo 10.6
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
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
Figura 10.14
onde
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
ÿ A
ÿ 0 ÿ
A =
- LÁ
ÿÿ eu
ÿÿ
(10.55)
ÿB ÿ
ÿ ÿ ÿ
B = CCKKK ]0 =[ ]
0 ÿÿ=[
ÿÿ
[
KRB SB B SA T= +
]ÿ1
T
(10.56)
Machine Translated by Google
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
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
ÿ 10 0 0 ÿ
Q=
ÿ
010 ÿ
R = 0 1.
ÿ ÿ
ÿ 001
ÿ
ÿÿ
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.
Machine Translated by Google
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
ÿÿÿ
- 1 * -1
A - 1BRB T
ÿ A ÿ (10.58)
H = - 1 T
+
- 1 * - 1 T ÿ
* 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
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
- 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
Machine Translated by Google
Exemplo 10.8
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)
% 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);
Machine Translated by Google
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.
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.
Jacquot, RG, Sistemas Modernos de Controle Digital, Marcel Dekker, 1981.
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.
Machine Translated by Google
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 +
Bx c =
xu =
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 ( )
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
Machine Translated by Google
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.
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
(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.
Machine Translated by Google
=- 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
ÿ QN ÿ
Não.
T ÿ
ÿÿ ÿ
Exercícios de computador
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
.]
ÿ 10 0 ÿ
(b) Q = ÿ
ÿ 0 10 ÿÿ
ÿ 100 0 ÿ
(c) Q = ÿ
ÿ 0 100 ÿÿ
Machine Translated by Google
Capítulo
Objetivos
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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)
Machine Translated by Google
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
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.
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
Para obter dinâmica linear equivalente para o sistema, redefinimos o vetor de entrada como
ÿÿ
uq ( )t = (11.6)
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
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
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
ÿ ( () )mm+
1q = gl 2
g ( eu
1 pecado) +1 m 2gl2 ( pecado eu1 ) +eu2 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
zfzz
1=( 1 1 ,2 )
ÿ
(11.12)
2 = ( zfzz
2 1 ,2 ) +G
( conv.
1 ,2 ) (t )
xz2 1= (11.13)
ÿÿ
para
()= 1
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
Exemplo 11.2
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
xx1 = 2
ÿ
tomada
2 =()
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
zfz( =) ( ) + Gt zv ()
(11.16)
=()
muitas felicidades
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
Machine Translated by Google
ÿy
eu
x =x (11.18)
ÿ( )xÿ
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
= 11 1 +
ÿ1 zazazzbd 12 1 2 + 1
= 21 2
ÿ2 zazazzbd + 22 1 2 + 2
Machine Translated by Google
= 31 1 32 3+
zazaz
ÿ3
zaz = 2
41
ÿ4
yz = 2
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 = () + ()
1
não=sei
[recusa ()ÿ() 21 2 ( ) + ( )22( 1)] 2
b2
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
Machine Translated by Google
ÿ hx( ) 1
= [ ( B1 x ] ) - (11.23)
ÿx
( )t( =)( )
ÿ1
xhw t (11.24)
+ ÿ (=)t
Uau A t (B)t 2 ( ) (11h25)
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
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
Machine Translated by Google
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
ÿÿ 1 2 2ÿÿ=[
-
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
1 ÿÿ 1ÿ e
4T - 1 ÿ 1ÿ
{{ + 1 } )Teuk
ÿ}
- T
()
5 ÿÿ
4 ÿÿ
4 1( ÿ ÿ ÿÿ
=- 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.
Machine Translated by Google
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
5 4
[ [(ykykykuk
)+2][(])+ 1 ]()=()
com zero condições iniciais e a entrada
ÿ10 k
semana
()=
Solução
Tomando o logaritmo natural da equação, obtemos
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)+
Machine Translated by Google
xmm . 4() -
ÿ ( () )+=0ÿ7+0 8333. 1 0 1333
k
. - k
, kÿ 0
[ xfx
e = e ] + B [ xu] e ( k) (11h30)
[ xfx
e = e ] (11.31)
Exemplo 11.6
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
Machine Translated by Google
ou equivalente,
132 xkxkxk ( )1 = ( ) = ( )
Assim, o sistema possui os três pontos de equilíbrio: (0, 0), (1, 1) e (ÿ1, ÿ1).
Definição 11.1: Contração. Uma função f(x) é conhecida como contração se satisfaz
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<
uma classe de função que depende da dinâmica do sistema. Chamamos essas funções de funções de
Lyapunov.
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
Machine Translated by Google
Definição 11.4: Uma função escalar V(x) é uma função de Lyapunov se satisfizer as seguintes
condições:
ÿ É positivo definido.
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.
Fornecemos algumas condições suficientes para a estabilidade de sistemas não lineares de tempo
discreto; então especializamos nossos resultados em sistemas lineares invariantes no tempo.
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.
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
( xk ÿ 0() 3xkxkk.
2 ) + =1 1 2( ) =, 0 ,1 2, ,...
Machine Translated by Google
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.
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
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.
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
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 ( )( )
Machine Translated by Google
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.
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)
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
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
)
Um controle de qualidade
k =-
P
ÿ ÿk = 0 ÿ ÿ ÿ ( k =0 j =1 k =0
Machine Translated by Google
Para mostrar que para qualquer definido positivo Q, P é definido positivo, considere a forma quadrática
xxx P
T
=ÿ TT k
( )
Um controle de qualidade
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
AAk = ( Tk
)ÿ n-Z máx.
eumáx.
k
= tudo k
máximo ,
kÿ0
P () ÿ=
Tk
Um controle de qualidade
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
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.
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
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)
eupq = -
p = (st) P (11h45)
= ÿ ÿ Tÿ
LAII T
d PA dT
Um PQ ÿ=ÿ (11.46)
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.
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 . .
Solução
Usando MATLAB, obtemos a solução da seguinte forma
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
anos = 3
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
[ ÿ ( ] )k
ÿ efeitos (11.48)
A =
( )xk x (k)= 0
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.
Exemplo 11.11
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
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.
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
( 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
Machine Translated by Google
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.
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)
e a diferença
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)
Machine Translated by Google
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
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
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 , , ,...
- .
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
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.
Machine Translated by Google
x2(k)
3
–1
–2
–3
–2 –1,5 –1 –0,5 0 0,5 1 1,5 2 x1(k)
Figura 11.1
( xfxxufx
= ( ) +(B) = k( ), k ) ÿ [k T +, (
t kT 1) ) (11.56)
Machine Translated by Google
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)
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.
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,...
k- 1
Exemplo 11.14
Considere o sistema
2
xtxtxtut
ÿ()=()+()()
xtÿ ( ) = ÿa xt3 ( )
a ( ) +1 ( )},
ÿ ( ) = ( ) ( ) { ÿ [ ] xtxtxtxkxk ÿ [ ( ) 1, t kT+k T )
dxt ( ) dxt ( ) ÿ 1 1ÿ
= - dt t, kT kÿ T[ , ( + 1) )
xtxt x - x
( ) ( ( ) ) -b b ÿÿ b ÿÿ=
b = [a x ] ( ) kxk +1 ( )
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
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.
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 .
Machine Translated by Google
()+2
anos + ( por
1 mês
1 + ) + 0 ( ) = ayk 0 , k = 0 ,1,... (11.61)
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.
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
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
y(k+1)
10
–2
–4
–6
–8
–10
–5 –4 –3 –2 –1 0 12345 e que)
Figura 11.3
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
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
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
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
y(k+1)
15
10
–5
–10
–15
–20 –15 –10 –5 0 5 10 15 20 e que)
Figura 11.8
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
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.
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
+ ( )( )ÿ
xbxcxf + com
( ) =b(0) = 0, c(0)
ÿ
Solução
As equações de estado do sistema são
xx1 2=
ÿ
2 = ÿ ( ) ÿ (2 ) + =
xbxcxfu 1
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
Machine Translated by Google
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
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
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
Machine Translated by Google
x1(k)
1.4
1.2
0,8
0,6
0,4
0,2
Figura 11.12
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.
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.
Machine Translated by Google
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.
x ( ) k=+1
()+ A kx B kk ( xu
)( ) ( ) (11.63)
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)
T
Um PA PQ
ÿ=ÿ
(11.65)
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 ( ),
Machine Translated by Google
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
), 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
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.
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
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.
Machine Translated by Google
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
M cg
eu
eu
,
obs:
Figura P11.1
3
MW Spong e M. Vidyasagar, Dinâmica e Controle do Robô, pp.
Machine Translated by Google
( xk
ÿ ÿ ÿ ÿ2
=ÿÿÿ ) +1
ÿÿ+
( ) xk
+ 29ÿ 0 4 . xk ( ) ÿ 1 ()
xk1 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
machado
1 k()
xk 1 ( ) +1= 2
um+ bx
( ) k2
bx 2k( )
xk2 ( ) +1= 2
>> ,
0ab 0
b machado
+ ( ), 1 k
Machine Translated by Google
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
0 .36 xk1 () ÿ
1( ) + =41xkxk
0 . 1( 2( ) +
) + 220 .5 xkxkuk ()()
xk2 (1 0)1+xk
= (0)2+. 1 . x 2 = 0 1+2[ 2 ( ) + ( )] ( ), 1( ) kxkxkukk , , ,...
Exercícios de computador
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.
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 .
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
Depois de concluir este capítulo, o leitor será capaz de fazer o seguinte:
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.
Felizmente, existem ferramentas de software disponíveis para tornar essa análise possível.
Exemplo 12.1
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).
Machine Translated by Google
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)
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).
Machine Translated by Google
Tarefa 2
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.
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
Machine Translated by Google
Canal 0
ADC
Controlador
Canal n
ADC
(a)
Canal 0
(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.
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
Externo Analógico
Entrada Computador ou Analógico
Saída
DAC
Microprocessador Sistema
Antialiasing
ADC
Filtro
Figura 12.3
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
(a) (b)
x(t) x(t)
1 1
0,5 0,5
0 0
–0,5 –0,5
–1 –1
(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.
Machine Translated by Google
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.
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
e e
x x
q q
(a) (b)
Figura 12.5
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
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
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.
Machine Translated by Google
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
)-+(
K 2 , K << 1
ÿÿ 2t
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.
j oh
Machine Translated by Google
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
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
Machine Translated by Google
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.
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)
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
ÿ ÿqj ÿ
ÿ ÿ
ÿq
Machine Translated by Google
ÿa ÿq ÿD ÿ (12.8)
ÿÿ *
qq=
ÿ Com ÿ ÿ
=
*
zpi
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
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=
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
Machine Translated by Google
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
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)
()
Você z - 2 3
C z( ) = = +
()
E zz - 0 02 1. . Com
-
xk( ) = 0 2 xk. - ( ) + ( ) - 0 EU
4 1 eu . -() 1
. unido
( ) = 0 1 reino
Reino Unido
-( )+1 xk- () 1
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
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.
KK0 1de
+ +K de 2 - 92 .39 20
38 .72 77 com + . Com
2
C z( ) = 2 =
-
(z ) -1( ) -c (1zz) - ( ) 0. 79
Referência Processo
Entrada em em
Saída y
Controlador Processo
Figura 12.6
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
Exemplo 12.7
1 .2 z - 1 .185
C z( ) =
Com
- 1
Machine Translated by Google
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.
Machine Translated by Google
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
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.
Machine Translated by Google
C (z )K-
D z( ) =
() Cz
Figura 12.10
C(z)
D(z) M
M
e(k) + A Reino Unido)
A K
+
Figura 12.11
KK z) -KKK z2 KK
+--1 c )+- c
D z( ()= 2 0
(12.15)
((z ) -1( ) -c
()
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)
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
Machine Translated by Google
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.
Machine Translated by Google
- 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.
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
( ) 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
2
( )z
D Você K de
2 K+
de+ 0K 1
C z( ) = = (12.21)
Ez( ) 2z
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
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 )
Machine Translated by Google
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
em
e
~
e
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
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
Exemplo 12.10
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
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
1 .215 1 2- Com .
C z( ) =
Com
- 1
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
Machine Translated by Google
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.
Machine Translated by Google
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);
=- - 2 =-
ek ( ) -1 0 0003 21. 9 0 0257 21. 9 3+
0 6784. 21 9 5 4458. 0 31 44. ÿ+ . . .
ÿ ÿ
( ) unido
reino = - ( 1) 1+215
( )eu
- -1 (2.)eu 1 .
= 3139
. 12 + . × -( ) - . . . 0 08219= 1 215
× -( ) 08178
3144 . 0
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
+ 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.
Machine Translated by Google
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
( ) = -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
Machine Translated by Google
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
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
- você k(1)5+991. 10
ÿ
( Reino Unido ) - 2
- 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 :
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
Machine Translated by Google
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
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
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.
(z) Gˆ
DE NOVO
1-a
Figura 12.24
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
- 4 - 4
yk (=) 1 799 yk -. ( ) - 1 0 8025
y k( ) - +86
2 10
1 × . . 1 - você k ( ) + 1. 729 10
( × Reino Unido ) - 2
. 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.
Machine Translated by Google
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.
Machine Translated by Google
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
1
Gs( ) =
ss( ) +10
é + 0 5.
Cs( ) = 50
é
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
Machine Translated by Google
e o controlador PI
200 1é +
Cs( ) = 13
200 é
1 -
Gs ( ) = e 8 1 2é
é +
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
12.11. Determine o controlador PID digital (com T = 0,1) de forma incremental para o controlador
PID analógico
1
Cs( ) = + + s 3 1 ( 2 )
8é
Exercícios de computador
1 - 2é
Gs ( ) = e 8 1
é +
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
ÿ
1
Gs ( )=
( é ) + ( 1 é ) +5( 0
) +1 1. é
Apêndice
Tabela de Laplace e
Transformadas z EU
Contínuo Laplace
Não. Tempo Transformar Tempo discreto* Transformada Z
1 d(t) 1 d(k) 1
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
s +a para -
a+)
(ss + )( b (registro
ÿ )( ÿ )
9 você 1 irmã o
2 2
(s + a ) (para - )
*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 .
Machine Translated by Google
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
)+
- 2 - 2 1cosh
2s b 2z (b) + Com
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
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
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
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
Matriz retangular m ÿ n
Matriz quadrada m=n
Vetor de linha m=1
Vetor de coluna n=1
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
1
Os comandos relevantes do MATLAB® são fornecidos conforme necessário e são precedidos por “>>”.
Machine Translated by Google
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 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
>> C = A + B
>> C = UMA - B
>> C = A + b
A.3.2 Transposição
, eu
j = 1, 2 , ,n
ÿ
Machine Translated by Google
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.
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
ÿ
ÿ ÿ
ÿx n ÿ
ÿ ÿ
>> x = [1; 2; 3]
x=1
>> y = [1, 2, 3]
y=123
Machine Translated by Google
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.
n
ÿ ÿ = 1, 2, ... , eu
CAB=c ÿij []= abkjeu , eu
ÿÿ =
k ÿ1 ÿÿ
j = 1, 2, ... , eu
Claramente, qualquer matriz simétrica (hermitiana) também é normal. Mas algumas matrizes
normais não são simétricas (hermitianas).
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>
Machine Translated by Google
(m ×1 1 )ÿ( × ) = ×× (matriz
) lml C ml =
= AA ...
E éAA ( vezes repetidas
é )
AAAA
é R sr+= = R é
( produto comutativo )
ÿ 1 .1 2 ÿ
ÿ1 2 3 ÿ
UMA = B = ÿ
45 ÿ
ÿÿ 456 ÿÿ
ÿ ÿ
ÿ 12
ÿ
ÿ
ÿ
× 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
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
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.
Machine Translated by Google
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
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
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
Machine Translated by Google
ÿ100 ÿ
A = diag{ , , }1 = ÿ
050 ÿ
ÿ ÿ
ÿ0 0 7
ÿ
ÿ ÿ
Matriz de identidade ou unidade: Uma matriz diagonal com todas as entradas diagonais iguais à unidade:
ÿ10 0ÿ
ÿ
01 ÿ
0 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.
ÿ100 ÿ
= diag{ , 1 1 ,1} = ÿ
010 ÿ
I3
ÿ ÿ
ÿ0 0 1
ÿ
ÿ
ÿ
>> olho(3)
[c ij = 1,2 , ... , eu
C0=ÿ
× mn ] = [ ]0 , eu
= 1,2 , ... , n
j
A0 0nl × = nl ×
0 lm× UMA = 0
×
Em
A ± = 0mn × A
000
= ÿ ÿ
02 ×3
000
ÿÿ ÿÿ
-
det(A A )aaaa
== 11 22 12 21
Para matrizes de ordem superior, as seguintes definições são necessárias para definir o determinante.
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.
o ( é) =um
( NO )
n
o (a A ) = a o (A )
o (AB ) = () aquiloAB
que ( )
Machine Translated by Google
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)
AA AA =Entrada =
- 1 - 1
- 1 = adj.
(A)
A
o (A)
- -
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
>> A/B
Combinações de Operações
T TTT ( ) =
ABC ABC
ÿ1 ÿÿÿ
1 1 1
(ABC CBA
)=
- 1 T
- -
( A T ) = ( AA 1 ) = T
AA T- =1
Aquilo é,
AAT AA=eu T =
n
T 2
isto ( EU
n ( ) AA
) = aquilo que ) = (o) = A 1
T 2
isto ( EU
)n ( AA
= que aquilo
) (( ) = isso (A) =1
A matriz de rotação de coordenadas para um ângulo de guinada (rotação em torno do eixo z) ÿ é a matriz ortogonal
(a) = ( )
R pecado ÿ
ÿ
a porque (a) 0 ÿ
ÿ
ÿ 0 0 1ÿ ÿ
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
tr AT tr( )A= ( )
( tr(AB) tr= BA )
( tr(A+B) tr= A tr B ) + ( )
Machine Translated by Google
tr R( ) = cos ( a ) + porque
( ) +a= + 1 1 2cos( ) a
ÿ1
a 1xx
1 +a 22 ++ÿ
a nnx 0 eu 0 1 2 = ÿ = = eu a , , , ... , n
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
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:
Machine Translated by Google
ÿ3 4 ÿ
10
ÿÿÿÿ
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
Raio espectral de uma matriz: Valor absoluto máximo sobre todos os autovalores da matriz.
eu
=1
0 um22
ÿ
a 2n ÿ
A = ÿ ÿ
ÿ
ÿ ÿÿÿ ÿ
ÿ 00 a nn ÿ
ÿ ÿ
ÿ
ah
21 22
ÿ
0 ÿ
A = ÿ ÿ
ÿ
ÿ ÿÿÿ ÿ
ÿ ÿ
ÿ aann1 2 ÿ
ÿ
um nn
{ ,eu }= {
= 1 2 eu , , ... , alguns , = 1,2 , ... , n }
eu eu
Machine Translated by Google
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.
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
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
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.
ÿ 16 1 0 ÿ
V=410 ÿ - ÿ
ÿ ÿ
ÿ 111
ÿ
ÿ ÿ
Machine Translated by Google
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
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
tr ( UMA 3 +) 0
) = + ÿ( ++0=3=01 4 = +eu
+1 eu2 eu3
T =
AAAAAAA
T
( * = *)
ÿ AA
11 12
ÿ
ÿ
ÿ ÿ
AA
21 22
ÿ
ÿ ÿ
ÿ
ÿ ÿÿ ÿ
ÿ ÿ
Machine Translated by Google
T T
ÿ AA
11 21
ÿ
ÿ
ÿ
T
AA T ÿ
ÿ
ÿ
12 22 ÿ
ÿ
ÿ ÿÿ ÿ
eu
= 1, 2 , ... , é
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
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
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
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
Machine Translated by Google
>> a4 = 9;
>> A + B
ÿ2 4 10
6 5 13
3 8 11
>> A * B
ÿ17 4 29
ÿ21 10 55
ÿ33 22 109
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
Machine Translated by Google
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.
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
Norma Frobenius
eu n
T
A F = ÿÿ2 um ij ={ tr AA }
==11j
eu
eu n
A F = ÿÿ ==11j
um ij
eu
Um x
A eu
= máx. = máximo Um x
x x x =1
Propriedade Submultiplicativa
AAxx ÿ
AB AB ÿ
Todas as normas induzidas são submultiplicativas, mas apenas algumas normas não induzidas o são.
eu
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)
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= .
EM (xxx
)=
T
P = ÿÿ pxeu, eu, eu
eu
==11j
Machine Translated by Google
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 =
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.
ÿ 0,)(xxxx
V PT = 0 >
Machine Translated by Google
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
A derivada (integral) de uma matriz é uma matriz cujas entradas são as derivadas (integrais) das
entradas da matriz.
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
Machine Translated by Google
=
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
ÿ efeitos
() ÿ ÿ
= ÿfx( )
eu
ÿx ÿ ÿx j
ÿÿ
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
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 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
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
Machine Translated by Google
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.
Machine Translated by Google
Errata para
Engenharia de Controle Digital
13 Exemplo 2.3
ÿ
{ } Reino Unido
k =0
= { 13204000
,, , , , , , ,... }
49 Exemplo 2.25 ohé = 60 ohb = 600 linhas/s.
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++
191 Exemplo 6.10 Período de amostragem =0,05 s (ohs>25 ohd) (poderia refazer o exemplo com T=0,025)
199 Exemplo 6.13 Na solução, mude para “Exemplo 6.9” abaixo da última equação e na última frase.
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)
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
= - - 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)