ROTEIRO DE AULA PRÁTICA DE ENGENHARIA

ELÉTRICA
PRÁTICA LABORATORIAL - IX

1 Componente curricular
Projetos de Automação Industrial

2 Título de aula prática

Projeto de compensador PID em software industrial.

3 Tempo previsto
2 hora-aula

4 Objetivos
A nalidade da prática é a de demonstra como congura e sintonizar um controlador PID 1 no
software CODESYS.

5 Referencial Teórico
Para a correta conguração do PID, vamos aplicar os conhecimento do diagrama de Nyquist, Lugar
das raízes, Gráo de Bode e Gráco de Resposta ao Degrau apresentado na gura 1 a seguir.

6 Equipamentos necessários
Para a realização da prática, é necessário obter o(s) iten(s) apresentado(s) na tabela 1.
1
"Controlador Proporcional, Integral e Derivativo.

1
 Local das raízes de Evans

Magnitude (dB)
0
4

2
−50
Eixo imaginário

−2 −1 0 1 2
10 10 10 10 10
0
Frequência (Hz)

−2
0

Fase (grau)
−4
−2 −1 0 1 2 3
−200
Eixo real
direções assintóticas
pólos de malha aberta −2 −1 0 1 2
10 10 10 10 10
zeros de malha aberta
Frequência (Hz)

Diagrama de Nyquist
2 2
−0.131 −0.0892 H(s)
−0.186 −0.057
1
−0.0273 1.5

0.449 100 1e−14

0
1
0.0273

−1 0.186 0.057
0.131 0.0892 0.5

−2
−1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
0
0 2 4 6 8 10 12 14 16 18 20

Figura 1: Grácos para análise

Tabela 1: Relação de equipamentos utilizados na aula prática

item Quant. Descrição

1 1 Scilab - www.scilab.org
2 1 Computador

7 Procedimentos experimentais
Realize a montagem do controlador PID em linguagem Ladder, para a planta virtual desenvolvida
na prática anterior, demonstrando dodos os cálculos realizados e a resposta ao degrau em malha fechada
da planta já com o controlador.

2
Referências
[1] BOMFIM JUNIOR, Florisvaldo Cardozo. Modelagem de Funções de Transferência de Plantas
Industriais em Malha Aberta e Fechada utilizando Algoritmos Genéticos. 2017. 51 f. Disserta-
ção (Mestrado em Engenharia Elétrica)- Universidade Federal de Uberlândia, Uberlândia, 2017.
Programa de Pós-graduação em Engenharia Elétrica.

[2] Biradar, S., Hote, Y. V., and Saxena, S. (2016). Reduced-order modeling of linear time invariant
systems using big bang big crunch optimization and time moment matching method. Applied
Mathematical Modelling, 40(1516):7225  7244.

[3] Cabral, H. A. and de Melo, M. T. (2011). Using genetic algorithms for device modeling. IEEE
Transactions on Magnetics, 47(5).

[4] Deb, Kalyanmoy; Agrawal, R. B. (1995). Simulated binary crossover for continuous search space.
Complex Systems, 9:115148.

[5] Goldberg, D. (1989). Genetic Algorithms in Search, Optimization and Machine Learning.Addison-
Wesley Professional.

[6] He, T., Hong, L., Kaufman, A., and Pster, H. (1996). Generation of transfer functions with
stochastic search techniques. In Proceedings of the 7th Conference on Visualization'96, VIS '96,
pages 227., Los Alamitos, CA, USA. IEEE Computer Society Press.

[7] Loyka, S. L. (1999). Applying genetic algorithm to modeling nonlinear transfer functions.In Te-
lecommunications in Modern Satellite, Cable and Broadcasting Services, 1999.4th International
Conference on, volume 1, pages 247250 vol.1.

[8] Marlin, T. E. (2014). Process Control: designing processes and control systems for dynamicper-
formace. McGraw-Hill, Inc., 2 edition.

[9] McCall, J. (2005). Genetic algorithms for modelling and optimisation. Journal of Computational
and Applied Mathematics, 184:205222.

[10] Nedelea, L., Neag, M., Topa, M., Festila, L., and Topa, V. (2006). Analog lter transfer function
optimization based on a genetic algorithm. In Applied Electronics, Pielsen.

[11] Tavakolpour, A. R., Darus, I. Z. M., Tokhi, O., and Mailah, M. (2010). Genetic algorithmbased
identication of transfer function parameters for a rectangular exible plate system Engineering
Applications of Articial Intelligence.

[12] MAYA, Paulo Alvaro, and Fabrizio LEONARDI. "Controle essencial."Ed Pearson Prentice Hall
(2011). NBR 6023

[13] OGATA, Katsuhiko et al. Engenharia de Controle moderno; tradução Paulo Álvaro Maya; revisão
técnica Fabrizio Leonardi.[et al]. São Paulo: Prentice Hall, v. 12, p. 15-17, 2003.

[14] NISHIKAWA, Hiroaki. A rst-order system approach for diusion equation. I: Second-order
residual-distribution schemes. Journal of Computational Physics, v. 227, n. 1, p. 315-352, 2007.

[15] ARENALES, Selma; DAREZZO, Artur. Cálculo numérico: aprendizagem com apoio de software.
Cengage Learning, 2008.

[16] COLEY, David A. An introduction to genetic algorithms for scientists and engineers. World
Scientic Publishing Co Inc, 1999.

3
Elaboração do roteiro: Prof. Me. Florisvaldo C. Bomm Jr Data: 15/05/2020
Revisão: Data:
Organização: Prof. Me. Plauto Riccioppo Filho Data: