Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução
A área de controle de processos industriais teve um grande desenvolvimento nos últimos 100
anos e hoje em dia os sistemas automáticos de controle estão presentes em quase todas as máquinas
e equipamentos utilizados pelo homem, inclusive na vida doméstica. Este desenvolvimento somente
foi possível graças à utilização de ferramentas matemáticas de modelagem, análise e projeto de
sistemas de controle. Dentro desta área, a teoria de sistemas lineares teve e ainda tem um papel
fundamental, pois uma grande quantidade de problemas reais podem ser analisados e resolvidos
com a sua utilização.
É claro que neste sistema de controle o termo manual significa que a operação de controle é
realizada no cérebro do operador, que possui o conhecimento da dinâmica do sistema, compara os
valores medidos com os necessários e atua seguindo a diferença.
Uma forma mais interessante de realizar esta operação é mediante um mecanismo ou sistema
automático capaz de substituir o operador. Este sistema é chamado de controlador automático,
ou simplesmente controlador. Este controlador possui uma lei de atuação interna que lhe permite
1
2 CAPÍTULO 1. INTRODUÇÃO
Termometro
SILO
Operador Aquecedor
Termometro
SILO
sistema de
controle
automatico
Aquecedor
De forma geral, os resultados deste exemplo podem extender-se a todos os sistemas de controle,
que compõem-se de três elementos básicos: MEDIÇÃO, CONTROLE e ATUAÇÃO, como pode ser
visto no esquema da figura 1.3.
CONTROLE
Para poder projetar adequadamente o controle, devemos conhecer as características dos sistemas
1.1. DEFINIÇÕES BÁSICAS 3
envolvidos: atuadores, processo e medidores. Para poder analisar o seu comportamento sem neces-
sidade de operar o próprio sistema, devemos gerar modelos que representem adequadamente este
comportamento. Estes modelos matemáticos permitirão, através da teoria de sistemas, definir leis
de controle específicas para cada aplicação.
Pode-se dizer que em geral a análise de um sistema divide-se em três etapas básicas:
Assim, nesta disciplina estudaremos os elementos básicos da teoria de sistemas de controle, que
dizem respeito à análise dos sistemas e seus sinais. Todos os resultados que estudaremos serão a
base para as disciplinas seguintes.
Definição 2 Sistema é uma parte do meio que cria sinais próprios e que permite que ele se relacione
com o restante do meio ambiente.
Exemplos de sistemas são os circuitos elétricos (associados a sinais elétricos), hidráulicos, mecâni-
cos, etc...
É claro que em geral não existe uma relação única entre entrada e saída. Quando a relação
é única, isto é, para cada entrada a saída é determinada de forma única, diz-se que o sistema é
Sistema Entrada-Saída Mapeado (sesm, pois existe um mapeamento entre a entrada e a saída e o
mapa é chamado mapa do sistema.
4 CAPÍTULO 1. INTRODUÇÃO
Entrada Saida
Sistema
Esta não é a única maneira de representar sistemas, porém é a mais utilizada na maioria das
aplicações. Uma outra forma de representar um sistema é através de sua descrição de estados. Esta
forma será analisada no capítulo 5.
Na maioria dos sistemas que são estudados em sistemas de controle e automação industrial, o
tempo é uma variável importante, e os sinais relacionados com este são funções do tempo. Estas
funções do tempo podem ser discretas ou contínuas, isto é, podem estar definidas para um número
contável de pontos no eixo dos tempos ou para intervalos com infinitos pontos.
Exemplo: O índice da bolsa do RJ (média dos índices de cotação das diferentes ações da bolsa)
é um sinal discreto. Para cada dia tem-se um índice.
Estudo de Sinais
Ao considerar que o sinal pode ser representado por uma função é possível utilizar os conceitos de
domínio e imagem. Para sinais reais o domínio do sinal será um subconjunto T do eixo real que
será chamado de eixo do sinal (T ). Já o conjunto de valores que o sinal pode assumir será chamado
de imagem do sinal (A). A figura 2.1 mostra este tipo de representação.
Imagem (A)
Sinal X
X: T--> A
Eixo (T)
5
6 CAPÍTULO 2. ESTUDO DE SINAIS
2.1.1 Exemplos
Exemplo 1
Sinal elétrico: A tensão num capacitor C de um dado circuito RC definido a partir de um dado
tempo t0 . Assim T = [t0 , ∞) e A = <, pois a tensão pode assumir valores reais quaisquer.
Exemplo 2
Sinal econômico: Indicador do índice médio da bolsa de valores. Para este sinal T = Z+ =
{0, 1, 2, . . .} e A = <.
Exemplo 3
Quando os sinais que interessam para nosso estudo são aqueles que se representam como funções
do tempo, o domínio do sinal será chamado de eixo dos tempos do sinal (T ). Neste caso, os sinais
podem ser classificados em dois grandes grupos dependendo se o eixo dos tempos é denso ou não.
Para classificar os sinais no tempo como contínuos ou discretos utiliza-se a seguinte definição:
Definição 5
• O eixo dos tempos T ε < é contínuo se consiste num intervalo de < (finito ou infinito). Um
sinal que tem eixo contínuo é chamado sinal contínuo no tempo.
• O eixo dos tempos T ε < é discreto se consiste num conjunto finito ou contável de instantes
de tempo. Um sinal que tem eixo discreto é chamado sinal discreto no tempo.
Os sinais também poderiam ser classificados de acordo com a sua imagem. Em geral, a ima-
gem dos sinais utilizados em sistemas de controle e automação será um subconjunto dos reais ou
complexos e os sinais serão chamados de reais ou complexos respectivamente.
2.2. SINAIS NO DOMÍNIO DO TEMPO 7
Exemplos:
(a) Sinal real discreto. Temperatura dos dias 1 ao 10 do mês de julho às 18:00 horas na cidade de
Fpolis.
T(Celsius)
T: Z --> R
15
13
tempo(dias)
1 2 3 10
Seqüências no tempo
Quando estudam-se os sinais no tempo, o ordenamento dos valores das imagens utilizando tempos
crescentes é muito importante para a interpretação dos resultados. No caso de sinais discretos este
ordenamento gera o que se denomina de uma seqüência no tempo.
Assim um sinal discreto pode ser visto como uma seqüência de valores dentro do conjunto
imagem A do sinal. Também é possível relacionar o eixo dos tempos T com os números inteiros
positivos e escrever a seqüência como:
Esta forma de representar os sinais discretos simplifica a análise e, a partir de agora, nesta
apostila, sempre usaremos o conjunto Z+ como eixo de tempos dos sinais discretos a menos que se
explicite o contrário.
8 CAPÍTULO 2. ESTUDO DE SINAIS
Dentro do conjunto de sinais discretos podemos encontrar dois subconjuntos: o formado pelos
sinais eminentemente discretos (aqueles que fisicamente existem somente nos valores discretos de T )
e aqueles gerados por amostragem a partir de sinais que existem para um eixo de tempos contínuo.
Sinais Amostrados
Muitas vezes na prática, sobretudo nos sistemas de controle, trabalha-se com combinação de sinais
e/ou sistemas contínuos e discretos. Então, para poder analisar matematicamente estas combi-
nações, faz-se necessário amostrar os sinais contínuos de forma tal a construir seqüências que os
representem. Este processo é realizado colhendo amostras do sinal contínuo em determinados in-
stantes.
O sinal obtido é dito sinal amostrado. Em geral, este processo é feito usando um intervalo
constante T entre amostras. Este valor é chamado de período de amostragem e sua inversa T1 ,
freqüência de amostragem. O procedimento de amostragem se mostra na figura 2.3.
X(t)
Amostragem do sinal X(t)
x(n)
x(4) x(5)
t0 t1 t2 t3 t4 t5
tempo
Quando o processo de amostragem é feito para obter uma representação discreta de um sinal
contínuo, deve-se considerar a quantidade de informação do sinal que é “perdida” nesse processo.
De forma intuitiva, pode-se afirmar que quanto mais próximas no tempo sejam as amostras, uma
quantidade menor de informação será perdida. Porém na prática, devido ao ruído e à velocidade
de processamento disponível, o valor de T não pode ser muito pequeno. Estes problemas serão
discutidos ao longo desta apostila com maiores detalhes.
u(t)
Referencia
A figura 2.5 mostra um exemplo prático da aplicação desta estrutura ao controle de nível de um
tanque.
f1
Medidor de
nivel
H Sinal eletrico
continuo
f2
h(t)
Atuador
Eletromecanico
Filtro Computador
Amostragem
Digital
Referencia de nivel
Sinais particulares
Nesta seção estudaremos alguns sinais particulares que são úteis na teoria de sinais e sistemas.
onde n ε T e T pode ser qualquer eixo de tempos discreto. O sinal ∆, mostrado na figura 2.6, é a
unidade de representação de todos os sinais discretos já que quaisquer sinal pode ser representado
como uma soma de pulsos de diferentes amplitudes em diferentes instantes de tempo.
pulso unitario
0
n
-1 0 1 2
(
1− | t | ∀ | t |< 1 t ε <
trian(t) =
0 ∀ | t |≥ 1
rectangulo traingulo
1 1
0 0
-1/2 1/2 -1 0 1
tempo tempo
(c) Degrau unitário e Rampa unitária: Estes sinais, mostrados na figura 2.8, existem para tempo
contínuo ou discreto. Assim como os sinais pulso da figura 2.7, estes sinais representam bem alguns
fenômenos práticos como as operações liga-desliga de equipamentos e as variações lentas de algumas
grandezas físicas como por exemplo a temperatura.
(
0 ∀t<0
1(t) =
1 ∀t≥0
(
0 t<0
ramp(t) =
t t≥0
degrau rampa
1 1
0 0
0 tempo 0 1
tempo
Sinais Periódicos
Em muitas aplicações reais os sistemas trabalham com excitações do tipo periódica. Um exem-
plo de sinais periódicos são os sinais senoidais utilizados para transmissão de energia elétrica. A
periodicidade pode ser definida de forma geral como segue.
Definição 6
b) O período do sinal periódico é o real P se ele é o menor número positivo tal que:
Observação: a parte (b) da definição 6 permite definir o período de forma única, dado que x(t+qP ) =
x(t) sempre que q ε Z + .
x(t)
P t
Sinais Harmônicos
Os sinais harmônicos são outro conjunto de sinais importantes nas aplicações de engenharia pois
permitem descrever matematicamente uma serie de fenômenos físicos bastante comuns.
Este tipo de sinal pode ser contínuo ou discreto e é definido por uma função complexa ηf :
ηf = aej2πf t
12 CAPÍTULO 2. ESTUDO DE SINAIS
Onde c(t) é chamado de sinal harmônico real com freqüência f , amplitude α e fase Φ e o
complexo a = αejΦ é chamado fasor do sinal harmônico real c(t).
Como se observa da definição do sinal harmônico, ele pode ser considerado tanto um sinal no
domínio do tempo como no domínio da freqüência. A periodicidade destes sinais é analisada a
seguir.
, que vale para todo P múltiplo de 1/f . Desta forma ηf definido no eixo de tempos real R com
6 0 é periódico de período P = f1 independente do valor de f . No caso particular de f = 0, o
f =
sinal ηf é igual a 1 e portanto também obtém-se um sinal periódico.
Para o caso discreto, esta propriedade nem sempre é válida. Se repetirmos o procedimento
anterior com n inteiro:
Para que esta igualdade seja válida, P f deve ser inteiro. Como P também deve ser inteiro, a
condição de periodicidade não é válida para todas as freqüências, mas apenas para as freqüências
inteiras.
No caso de sinais amostrados, estas propriedades dependem da escolha de T , já que para obter
um sinal periódico, é necessário uma relação de multiplicidade entre a freqüência do sinal harmônico
contínuo e o período de amostragem.
Para ej2πf P = 1 ⇒ |f P | = p ε Z
Mas como o sinal é discreto no eixo Z(T ), o período deve ser múltiplo inteiro de T ⇒ P = qT
p 1
Logo, |f qT | = p ⇒ |f | = qT
Os sinais harmônicos podem ser analisados como funções da freqüência f . Nesta situação, as
propriedades com relação à periodicidade do sinal harmônico contínuo e discreto são diferentes das
analisadas para o domínio do tempo.
Para que a relação anterior seja verdadeira, P t deveria ser inteiro. Assim, para P real e t real
esta relação não será necessariamente válida.
Por outro lado, se o tempo for discreto a propriedade será válida e o período será a inversa do
período de amostragem.
Dois sinais harmônicos no eixo Z(T ) ηf e ηf + k são idênticos para todo k ε Z, já que:
T
k 2πk
ηf + k (t) = ej2π(f + T )t = ej2πf t ej T
t
= ej2πf t
T
kt
pois T é inteiro ∀ t ε Z(T ) e ej2πn = 1 ∀ n ε Z
Logo para estudar estes tipos de sinais basta considerar a freqüência no intervalo [0, 1/T ) ou
[−1/2T, 1/2T ).
Esta propriedade mostra que, se as amostras forem adequadamente escolhidas, dois sinais har-
mônicos contínuos de freqüência diferentes podem ser transformados num mesmo sinal discreto pelo
processo de amostragem. Um exemplo deste procedimento está mostrado na figura 2.10.
14 CAPÍTULO 2. ESTUDO DE SINAIS
1.5
frequência 1/4
1
0.5
−0.5
−1
frequência 5/4
−1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Neste ítem estudaremos operações que modificam sinais. As operações unitárias envolvem trans-
formações de um único sinal. As binárias envolvem dois sinais. Estudaremos as operações unitárias:
transformação de domínio e imagem, amostragem e interpolação; e as binárias: adição, subtração,
multiplicação e divisão.
x0 (t) = ρ (x(t)) t ε T
x0 = ρ ◦ x
Exemplo: Imaginemos um sinal de atuação numa válvula eletromecânica. A saída da válvula está
restrita ao intervalo [0, 1] o que implica que a imagem do sinal somente será positiva. Considerando
por exemplo o sinal x(t) = sin ωt, a saída é um sinal retificado como o mostrado na figura 2.11.
2.3. OPERAÇÕES ELEMENTARES COM E ENTRE SINAIS 15
0.8
0.6
0.4
0.2
saída
0
−0.2
−0.4
−0.6
entrada
−0.8
−1
0 0.5 1 1.5 2 2.5
onde:
0
∀x < 0
x
ρ(x) = H.inteiro H para 0 ≤ x < (N − 1)H
(N − 1)H
∀ x ≥ (N − 1)H
onde a função inteiro(x) calcula o inteiro menor ou igual mais próximo de x, N ε N e H > 0 é o
intervalo de quantização.
x0 (t) = x σ −1 (t) ∀ t ε T0
x0 = x ◦ σ −1
T x
−1
σ σ A
T’ x’
Figura 2.12: Transformação de domínio.
Considera-se a operação:
σ2 (t) = t + θ t ε T
σ2−1 (t) = t − θ t ε T 0
onde θ ε R é uma constante. Se aplicamos esta transformação ao sinal x(t), obtemos o sinal atrasado
x0 (t) dado por:
x0 (t) = x(t − θ) t ε T 0
Definição 10 Seja A a imagem de um sinal, Tcont o eixo contínuo desse sinal e Tdisc ⊂ Tcon um
eixo discreto. Assim amostragem do sinal contínuo x : Tcont → A no eixo discreto Tdisc , resulta no
sinal amostrado x∗ : Tdisc → A definido por:
O sistema que faz esta operação é chamado de amostrador e a sua representação mostra-se na
figura 2.13.
x x*
Já mencionamos a utilidade do amostrador quando deseja-se utilizar um sistema digital (por ex.
computador), conectado a um sistema contínuo (por ex. forno), para realizar uma dada tarefa.
Também foi colocado que neste procedimento é necessário transformar, de maneira inversa,
o sinal discreto x∗ resultante do computador, num sinal contínuo x a aplicar no processo. Esta
operação pode ser realizada com a interpolação dos valores do sinal x∗ .
Existem outras metodologias para se fazer isto, porém uma das mais utilizadas na prática é a
interpolação por degraus, também conhecida como “sustentador de ordem zero”. Neste caso o valor
do sinal contínuo é mantido constante e igual ao valor discreto x∗ (T ) durante o intervalo (T, T + 1).
Desta forma sempre x∗ = x ∀ T ε Z(T ) como mostra-se na figura 2.14.
sinal
tempo
T 2T 3T
Definição 11 Interpolação
Supõe-se a imagem do sinal A, Tdisc o eixo discreto e Tcont ⊃ Tdisc o eixo contínuo do tempo.
Seja x∗ : Tdisc → A um sinal discreto. Então todo sinal contínuo x : Tcont → A é chamado uma
interpolação de x∗ em Tcont se:
Outro tipo de interpolação bastante usado é o chamado de interpolador linear, onde x é obtido
unindo os valores de x∗ para cada tempo de Tdisc , como mostra-se na figura 2.15.
18 CAPÍTULO 2. ESTUDO DE SINAIS
sinal
tempo
T 2T 3T
De forma geral, o sinal x(t) pode ser calculado utilizando funções de interpolação. Nesse caso,
a expressão geral para o sinal interpolado é:
t − nT
x∗ (nT )i
X
x(t) = tεR
nεZ
T
(
1 0≤t<1
iDEG =
0 para outro t
t t−T t − 2T
x(t) = x∗ (0) i +x∗ (T ) i +x∗ (2T ) i +···
T T T
| {z } | {z } | {z }
1 0 0
x(t) = x∗ (0)
para T ≤ t < 2T
t t−T t − 2T
∗ ∗ ∗
x(t) = x (0) i +x (T ) i +x (2T ) i +···
T T T
| {z } | {z } | {z }
0 1 0
E assim sucessivamente:
Importante: Apesar da amostragem e interpolação serem operações que visam objetivos opostos,
elas não são transformações inversas.
Amostrador Interpolador
Interpolador Amostrador
Para finalizar o estudo de operações com sinais estudaremos aqui as operações binárias básicas entre
dois sinais.
Sejam x e y são sinais complexos com eixo dos tempos T . Sua soma x + y e diferença x − y são
ainda sinais complexos no eixo T dadas por:
(xy)(t) = x(t)y(t) t ε T
(x/y)(t) = x(t)/y(t) t ε T
Estas operações são ponto a ponto pois dependem unicamente do valor dos sinais no instante t
da operação.
Em muitas aplicações é necessário ter uma medida do tamanho de um sinal. A norma permite
realizar esta medida. A norma k x k de um elemento x de um espaço linear X, é um número real
não negativo e que vale zero SSE o vetor é o vetor nulo do espaço X. Além disto a norma verifica:
(a) k ax k = | a | k x k ∀ a escalar
(b) k x + y k ≤ k x k + k y k ∀ x, y ε X
Para um vetor a norma define-se como segue. Seja p um número real e 1 ≤ p ≤ ∞, xεX
x = (x1 , x2 , . . . , xN ). A norma p do vetor x é definida como:
1/p
PN p
k x kp = i=1 | xi | para 1 ≤ p < ∞
1≤i≤N | xi | para p = ∞
max
( P 1/p
∞
n=−∞ | x(n) |p se 1 ≤ p < ∞
k x kp =
supn ∈ Z | x(n) | se p = ∞
1/p
R∞ p
k x kp = −∞ | x(t) | dt se 1 ≤ p < ∞
t ∈ < | x(t) | se p = ∞
sup
2.5. SINAIS GENERALIZADOS 21
, onde sup(·) indica superior e é o menor número real α tq | x |≤ α se existe. (se não é infinito)
Em geral:
k x k1 dá a ação do sinal.
Os sinais normalmente encontrados na prática são funções reais ou complexas de uma variável real.
Estes são sinais regulares. Existem outro tipo de sinais que não são funções (estritamente falando),
porém são de grande utilidade na teoria de sinais e sistemas. Estes são chamados de sinais singulares.
O conjunto de todos os sinais passa a chamar-se então sinais generalizados. O sinal singular que
estudaremos (pela grande utilidade) é o sinal “Delta de Dirac”, normalmente definido por δ(t)
vc
i
V C
A resistência do circuito é suposta nula e supõe-se que i = 0 antes de fechar a chave. Como
R = 0 a carga do capacitor é instantânea quando a chave se fecha. Após o fechamento, a tensão no
capacitor igualou à da bateria e a corrente volta a ser nula (i = 0). Realmente como R 6= 0 acontece
uma curva de carga como a figura 2.18.
(
∞ t=0
i(t) =
6 0
0 t=
22 CAPÍTULO 2. ESTUDO DE SINAIS
mas isto não é verdade, pois ao carregar-se, o capacitor com carga Q = CV vale:
Z ∞
i(t)dt = Q = CV 6= 0
−∞
Assim para incluir este fenômeno na formalização de nossa teoria, definimos a função δ(t) como:
(
δ(t)
R∞
=0 ∀ t 6= 0
−∞ δ(t) = 1
vc
Exemplo: Um exemplo mecânico da aplicação de δ(t) é o de uma raquete batendo uma bola de
tênis. O impacto é de curtíssima duração e muito grande, porém de potência finita:
Z ∞
P = F (t)dt
−∞
onde F (t) é a força aplicada. A função F (t) pode ser aproximada por:
Z t
V = Ri + vc = Ri + 1/C i(τ )dτ
0
dq 1
V =R + q(t) q(t) : carga
dt C
Como
dq 1 V
i(t) = → i(t) = − V C(−e−t/RC ) = e−t/RC
dt RC R
Logo:
(
0 ∀t<0
i(t) = V −t/RC
Re t≥0
Observa-se, ver figura 2.20 que quando R → 0 o valor de i(0) tende a ∞ e o tempo de queda de
i(t) tende a zero.
(
0 ∀ t 6= 0
lim i(t)
R→0 ∞ para t = 0
∞
R
porém sempre −∞ i(t)dt = CV que é a carga do capacitor em regime permanente. Desta forma
a função exponencial estudada pode servir como uma aproximação de δ(t).
24 CAPÍTULO 2. ESTUDO DE SINAIS
i(t)
V/R
t
Figura 2.20: Resposta do circuito RC real.
Definição 13 Função Delta A função δ(t) é uma função singular tal que:
Z ∞
φ(t)δ(t) = φ(0) t ε <
−∞
Dentre as propriedades das funções singulares, existem duas que são muito importantes na teoria
de sistemas:
• Diferenciação
Para uma função regular temos:
Z ∞ df
Z ∞
dφ
Z ∞ dφ
φdt = f φ |∞
−∞ − f dt = − f dt
−∞ dt | {z } −∞ dt −∞ dt
0
para todo φ(t) contínua e diferenciável em t = 0. O resultado é válido para as outras derivadas.
Uma forma de estudar a função delta é considerá-la como a derivada da função degrau unitário da
figura 2.21. É claro que no sentido normal a função degrau não tem derivada em t = 0. (nota-se
que a derivada é nula para todo t 6= 0 e é ∞ em t = 0.)
1(t)
t
0
Z ∞ dφ(t)
φ(∞) − dt = φ(∞) − φ(∞) + φ(0) = φ(0)
0 dt
R∞
mas φ(0) = −∞ δ(t)φ(t)dt
d1(t)
Desta forma pode-se colocar que δ(t) = dt
Com esta generalização das derivadas de funções não diferenciáveis na forma regular, pode-se
trabalhar mais facilmente em muitas aplicações de engenharia.
Exemplo: Qual será a força que deve-se aplicar a uma massa m para que ela descreva um movimento
tal que seu deslocamento x(t) seja:
(
0 t<0
x(t) =
t t≥0
(
dx(t) 0 t<0
v(t) = =
dt 1 t≥0
dv(t)
Logo v(t) = 1(t) e a(t) = dt = δ(t).
Quando deseja-se implementar algum sistema real para alguma aplicação da teoria de sinais e
sistemas, pode ser necessário utilizar a função δ(t). Como ela não é uma função regular deve-se
aproximá-la por alguma. Existem várias aproximações feitas com seqüências ou sinais contínuos:
rectangulo
t
-1/2n 1/2n
Figura 2.22: Aproximação retangular de delta.
2.5. SINAIS GENERALIZADOS 27
triangulo
t
-1/n 1/n
Figura 2.23: Aproximação triangular de delta.
28 CAPÍTULO 2. ESTUDO DE SINAIS
Capítulo 3
Estudo de Sistemas
Pode-se dizer que em geral a análise de um sistema divide-se em três etapas básicas:
A pergunta que se coloca de imediato é: Por que o estudo de sistemas lineares? Os sistemas
reais são lineares?
A maioria dos sistemas reais são não lineares e seu comportamento não pode ser descrito por
um sistema linear de forma global. Porém, a teoria de sistemas lineares é muito importante dado
que:
a) Praticamente todos os sistemas físicos podem ser modelados (pelo menos localmente e sob de-
terminadas condições), por sistemas lineares.
b) Existe uma teoria que permite analisar e resolver problemas de sistemas lineares de forma
universal. O mesmo não acontece com sistemas não lineares, que devem ser estudados caso a
caso.
Assim, como na maioria das aplicações os sistemas trabalham nas vizinhanças de um equilíbrio,
o comportamento do sistema se aproxima por um sistema linear.
29
30 CAPÍTULO 3. ESTUDO DE SISTEMAS
Neste curso, estudaremos as três etapas básicas da análise de um sistema linear mantendo sempre
uma característica multidisciplinar nas aplicações. Isto é, trabalharemos com sistemas químicos,
hidráulicos, térmicos, econômicos, etc... Desta forma mostraremos a universalidade da aplicação da
teoria de sinais e sistemas lineares.
a) Uma certa pessoa decidiu comprar uma bicicleta que custa $150,00. Porém não tem dinheiro
suficiente para pagamento a vista. Decide então colocar todos os meses $10,00 na poupança.
Se os juros da poupança são de 10% ao mês, quantos meses serão necessários para que possa
comprar a bicicleta? E se comprar um carro que custa $5320,00?
b) Suponhamos o seguinte sistema de enchimento de garrafas de água mineral em uma certa in-
dústria.
h(nivel)
Deseja-se conhecer o modelo deste sistema, para estudar como manter o correto enchimento
das garrafas, para diferentes velocidades da fita transportadora.
c) A população de Santa Catarina é medida todo final de ano e chama-se Nt ao número de habitantes
do ano t (t = 0, 1, 2, · · ·). Sabe-se que a população se incrementa com uma taxa relativa de
2% ao ano. Interessa conhecer o modelo que permite calcular qual será a população no ano
2005.
Como deve ser montado o modelo matemático destes sistemas? Como se calcula a solução do
problema? Estas perguntas poderão ser respondidas a partir do desenvolvimento da teoria de sinais
e sistemas lineares. Ao longo do curso, estes e outros problemas-exemplos servirão para ilustrar a
utilidade da teoria.
3.3. REPRESENTAÇÃO DE SISTEMAS 31
Para trabalhar e estudar um sistema qualquer, é necessário obter uma representação matemática do
mesmo. Assim, após construído um modelo que representa a dinâmica do sistema, este modelo deve
ser traduzido para um conjunto de equações matemáticas. Estas equações poderão ser de diferentes
tipos, dependendo do tipo de sistema com o qual se está trabalhando.
Em geral, para qualquer sistema, as equações que o descrevem relacionam as entradas e saídas
do sistema, sendo estas funções do tempo (contínuo ou discreto). Para a montagem destas equações
é necessário conhecer as características do sistema em questão, assim como seus parâmetros.
Para um sistema contínuo, isto é, entrada e saída são variáveis contínuas no tempo, é possível
obter uma representação matemática dada por um conjunto de equações diferenciais. Exemplo disto
são os modelos matemáticos conhecidos de circuitos elétricos, mecânicos, etc...
Exemplo: Amortecedor.
K
b
F X
A força exercida pelo amortecedor quando aplicado um deslocamento no seu extremo móvel é:
dx
F =b
dt
32 CAPÍTULO 3. ESTUDO DE SISTEMAS
dx
, sendo que dt representa a velocidade de deslocamento e b é um parâmetro do sistema.
Exemplo: Automóvel.
dx d2 x
F =k +m 2
dt dt
Já para um sistema discreto, a representação matemática do sistema será dada por um conjunto
de equações a diferença, onde as variáveis de entrada e saída se relacionam através dos parâmetros
do sistema.
F [y(k), y(k + 1), ..., y(k + n), u(k), u(k + 1), ..., u(k + m), k] = 0
y(k) saída
u(k) entrada
onde: k tempo discreto
n, m inteiros
F uma função qualquer
F : C N +M +2 x T → C
Na prática existem sistemas dos mais variados tipos, isto é, contínuos e discretos, lineares e não
lineares, invariantes no tempo ou não invariantes, etc... Neste item analisaremos a classificação
de sistemas segundo estas características e definiremos cada uma delas formalmente. Em todos os
pontos, o estudo de sistemas contínuos e discretos será levado paralelamente.
Quando um sistema é dito linear? Imaginemos um dado sistema que tem como variável de
entrada u e de saída y e tal que existe uma dada relação F entre ambas (é um sistema ESM).
y = Fu
Definição 14 Sistema linear. Diz-se que o sistema é linear se: Dadas duas entradas u1 e u2 que
geram as saídas correspondentes y1 e y2 (y1 = F u1 , y2 = F u2 ), então se aplicamos ao sistema uma
nova entrada u3 , gerada como combinação linear das anteriores, u3 = αu1 + βu2 , a saída y3 = F u3
poderá ser calculada como:
y3 = αy1 + βy2
Exemplo: Suponhamos que o modelo matemático do sistema S é dado por y = au + b onde a,b,u,y ∈
<. S é um sistema linear?
Vejamos:
u 1 → y1 y1 = au1 + b
u 2 → y2 y2 = au2 + b
pois em geral α + β 6= 1.
V
i L
di
V = Ri + L (3.1)
dt
Logo i3 = i1 + i2 .
Atraso
u(k) y(k)
+
1/2
1
y(k) = u(k) + u(k − 1) u(k) = 0∀k < 0
2
3.4. CLASSIFICAÇÃO DE SISTEMAS 35
u1 → y1 y1 (k) = 12 u1 (k) + u1 (k − 1)
u2 → y2 y2 (k) = 21 u2 (k) + u2 (k − 1)
u1 + u2 → y3 y3 (k) = 21 (u1 (k) + u2 (k)) + (u1 (k − 1) + u2 (k − 1)) = y1 + y2
Definição 15 Um sistema é dito linear quando pode ser representado por um conjunto de equações
diferenciais ou a diferenças lineares.
Esta definição diz respeito à representação matemática do sistema. Prova-se que esta definição
é equivalente à definição 1.
Observação: dependendo da definição de T (todo o eixo dos tempos, somente tempos positivos, etc)
θ poderá tomar valores quaisquer ou somente dentro de um dado intervalo.
Nesta operação, se θ > 0 o operador adianta o sinal num valor θ, e se θ < 0 então o sinal é
atrasado.
Através deste conceito é possível formalizar a invariância no tempo. Dado um par (u, y) entrada-
saída (ES), se aplicamos o operador deslocamento, o par deve continuar sendo um par (ES).
Para sistemas mapeados (ESM), basta conhecer o mapa φ do sistema e colocar: φ(σ θ u) = σ θ φ(u)
o que equivale a comutação dos operadores σ θ e φ.
36 CAPÍTULO 3. ESTUDO DE SISTEMAS
Todo o sistema que não verifique esta propriedade é dito variante no tempo.
To
PE
Figura 3.6: Sistema de aquecimento de líquidos.
Assim:
dT T (t) − T0 (t)
C = q(t) − t∈< (3.6)
dt}
| {z |{z} | R
{z }
calor acumulado calor que entra calor que sai
dy 1 1
= u(t) − y(t) t ∈ < (3.7)
dt C RC
Supondo R e C constantes temos um sistema linear e invariante no tempo. Para provar usamos:
u0 = σ θ u y 0 = σ θ y (3.8)
dy 0 d(σ θ y) dy(t + θ) dy 4 1 1
= = = (t + θ) = u(t + θ) − y(t + θ)
dt dt dt dt C RC
3.4. CLASSIFICAÇÃO DE SISTEMAS 37
logo:
dy 0 1 1 0
(t) = u0 (t) − y (t)
dt C RC
Quando um sistema é tal que a sua saída y(t) depende somente do valor da entrada no instante
t(u(t)) e não dos valores anteriores da entrada, diz-se que é um sistema sem memória. Quando a
saída depende de toda a entrada aplicada no tempo então ele tem memória.
Por exemplo, o sistema que consiste em uma resistência elétrica R com entrada V e saída I é
sem memória. Já o nível num tanque de água, e a temperatura de um ambiente, são variáveis de
sistemas com memória.
Na prática existem vários sistemas sem memória, porém a maioria dos sistemas possuem memória,
isto é, a saída y(t) depende não somente da entrada u(t) mas também das entradas anteriores.
Uma característica muito importante dos sistemas físicos é que eles são não antecipativos, isto é, a
saída não depende de valores da entrada em tempos posteriores.
Exemplos:
Assim se θ > 0 a saída atrasa θ da entrada e se θ < 0 a saída adianta θ da entrada, pelo que
neste ultimo caso o sistema é antecipativo.
O sistema é não antecipativo sse T2 = 0 pois quando T2 > 0 a saída depende da entrada
futura.
Ao longo do curso nos ocuparemos do estudo dos sistemas com estas propriedades. Analisaremos
suas características e a importância da aplicação ao estudo de sistemas de controle.
A pergunta que surge ao optar pelo estudo destes sistemas é: Qual a relação entre estes sistemas
e os sistemas reais?
• Todo os sistemas reais são causais, a maioria invariantes no tempo, e podem ser com ou sem
memória.
Interessa então estudar como aplicar os resultados desta teoria à sistemas não lineares (sempre
que seja possível).
Para aplicar a teoria de sistemas lineares aos sistemas não lineares devemos linearizar estes
últimos nas proximidades de um ponto de funcionamento (ou ponto de equilíbrio do sistema).
dg 1 d2 g
g(x) = g(x0 ) + ∆x + (∆x)2 + · · · ; ∆x = x − x0
dx x0 2! dx2 x
0
dg
g(x) ∼
= g(x0 ) + ∆x
dx x0
Esta propriedade é válida também para funções de várias variáveis como por exemplo para
g(x, y, z) no ponto (x0 , y0 , z0 ):
δg δg δg
g(x, y, z) ∼
= g(x0 , y0 , z0 ) + ∆x + ∆y + ∆z
δx x0 , y0 , z0 δy x0 , y0 , z0 δz x0 , y0 , z0
Esta propriedade pode ser usada então para a linearização de uma equação diferencial de um
dado sistema dinâmico. É claro que o modelo equivalente obtido terá validade somente se:
- a aproximação será válida se o comportamento não linear do sistema nas vizinhanças do ponto
de equilíbrio é suave. É claro que sempre existe uma variação suficientemente pequena
∆x, ∆y, . . . , como para validar a aproximação, mas em alguns casos a aproximação pode
perder o sentido físico.
(
v(t) = velocidade
M dv(t)
dt = Cu(t) − Bv 2 (t) t ≥ t0
u(t) = posição do acelerador
onde:
M = massa do carro;
B = atrito do ar.
É simples notar que o sistema é descrito por uma equação diferencial não linear a coeficientes
constantes (B, M e C).
40 CAPÍTULO 3. ESTUDO DE SISTEMAS
dv B 2
=0 =⇒ Cu0 = Bv02 =⇒ u0 = v
dt C 0
d(v0 + ∆v)
M = C(u0 + ∆u) − B(v0 + ∆v)2
dt
∆v
Md = Cu0 + C∆u − Bv02 − 2Bv0 ∆v − B∆v 2
dt
∆v
Md = C∆u − 2Bv0 ∆v t ≥ t0
dt
Neste exemplo, pode-se observar ainda que a função não linear Bv 2 foi substituída pela sua
aproximação linear de 1a¯ ordem:
δ(Bv 2 )
Bv 2 ∼
= Bv02 + ∆v ≡ Bv02 + (2Bv0 )∆v
δv v0
Como já foi comentado, os modelos lineares e invariantes no tempo podem representar muito bem
a dinâmica de muitos sistemas físicos ESM. Assim é bastante importante encontrar uma forma de
representação do mapa que relacione os sinais de entrada e saída.
Para obter a forma deste mapa consideraremos primeiro o caso discreto. Um sinal de entrada
qualquer u(n) pode ser escrito como uma combinação linear de pulsos deslocados:
∞
X
u(n) = u(m)∆(n − m) nεZ
m=−∞
3.6. MAPAS DOS SISTEMAS ENTRADA SAÍDA MAPEADOS (ESM) 41
onde os valores u(m) representam a seqüência de entrada. E como o sistema é linear, y(n) poderá
ser escrito como:
∞
X
y(n) = k(n, m)u(m) nεZ
m=−∞
O somatório anterior representa o mapa ES do sistema e k(n, m) uma função de duas variáveis
chamada Núcleo do Sistema.
Para o caso contínuo, a interpretação é similar. Usando as propriedades de δ(t) uma entrada
qualquer pode ser escrita como:
Z ∞
u(t) = u(τ )δ(t − τ )dτ
−∞
o que pode ser interpretado dizendo que u(t) é composta por uma combinação infinita de δ(·)
ponderados pelos valores u(τ ).
Logo chamando k(t, τ ) à resposta a uma entrada δ(t − τ ), t ε < e usando linearidade, a resposta
será: Z ∞
y(t) = k(t, τ )u(τ )dτ t ε <
−∞
Exemplo: Ache a função núcleo de uma fila (sistema atraso puro) que é representado por:
(
1 se n = θ + m
k(n, m) = ∆(n − θ − m) =
0 outro ponto
∞
X
y(n) = ∆(n − θ − m)sen(m) = sen(n − θ)
m=−∞
Observação: Os sistemas reais são não antecipativos, por tanto não podem ter uma resposta anterior
à aplicação da entrada. Assim a função núcleo deve ser nula para todo tempo anterior à aplicação
da entrada:
42 CAPÍTULO 3. ESTUDO DE SISTEMAS
k(n, m) = 0 ∀n<m
k(t, τ ) = 0 ∀t<τ
∞
X
y(n) = k(n, m)u(m) nεZ (3.10)
−∞
Suponhamos que o sistema é invariante no tempo. Então para todo d ε Z a resposta em n + d para
uma entrada em m + d é igual à resposta em n para a mesma entrada em m:
k(n + d, m + d) = k(n, m) ∀ n, m, d ε Z
Isto implica que a função k(n, m) não é função de duas variáveis se não apenas da diferença de
ambas. Assim existe uma função h(·) tal que:
Isto implica que a resposta a um pulso em tempo m é função apenas do tempo transcorrido entre
a aplicação da entrada, m, e o tempo considerado, n. Desta forma, a equação do sistema é:
∞
X
y(n) = h(n − m)u(m) nεZ (3.12)
−∞
Portanto, a saída do sistema é obtida a partir de uma operação de Convolução entre h(·) e u(·)
y =h∗u (3.13)
Para o caso de sistemas contínuos invariantes no tempo, k(t, τ ) transforma-se em h(t − τ ) t, τ ε <.
Com isso, a resposta é:
3.7. SISTEMAS CONVOLUTIVOS 43
Z ∞
y(t) = h(t − τ )u(τ )dτ tε< (3.14)
−∞
y =h∗u (3.15)
Da mesma forma que provamos que todo sistema ESM invariante no tempo é um sistema convo-
lutivo, pode-se mostrar o contrário: um sistema ESM (contínuo ou discreto) com eixo dos tempos
em Z ou <, é invariante no tempo SSE é um sistema convolutivo.
As funções h(·) (tanto no caso discreto como contínuo) são chamadas de resposta impulsiva do
sistema, pois o valor h(t) da função h(·) corresponde à saída do sistema no tempo t quando aplicada
uma entrada pulso unitário (caso discreto), ou função delta (caso contínuo), no tempo 0. Nota-se
que conhecer a resposta impulsiva é uma condição suficiente para calcular a resposta para qualquer
entrada no sistema.
Exemplos:
n
X
y(n) = (1 − a) an−m u(m)
m=−∞
∞
X n
X ∞
X
y(n) = h(n − m)u(m) = h(n − m)u(m) + h(n − m)u(m)
m=−∞ m=−∞ m=n+1
, e que o segundo termo é nulo pois h(n − m) = 0 se n < m (dado que o sistema é não
antecipativo).
Logo, se o somatório tem limite finito (converge) podemos definir que:
(
0 n<0 não antecipativo
h(n) =
(1 − a)an n ≥ 0
P∞
ou usando a função degrau 1(n), h(n) = (1 − a)an 1(n). Assim, y(n) = −∞ h(n − m)u(m)
Plotando a resposta impulsiva para a = 0.9:
h(n)
0.12
0.1
0.08
0.06
0.04
0.02
0
0 2 4 6 8 10 12 14
tempo
V
i C
dy 1 1
(t) + y(t) = u(t) t ε <
dt RC RC
−(t−t0 ) 1
Z t −(t−τ )
y(t) = e RC y(t0 ) + e RC u(τ )dτ
RC t0
e considerando y(t0 ) = 0 e t0 → −∞
1
Z t −(t−τ )
y(t) = e RC u(τ )dτ
RC −∞
3.7. SISTEMAS CONVOLUTIVOS 45
1 −t
h(t) = e RC 1(t)
RC
Z ∞
y(t) = h(t − τ )u(τ )dτ
−∞
h(t)
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
tempo
É claro que estes dois sistemas físicos são não antecipativos (causais), e portanto, h(t) =
0, ∀ t < 0. Assim, de forma geral:
Resposta ao Degrau
Um sinal muito importante para a teoria de sinais e sistemas lineares é o degrau unitário,
representado por 1(t) ou 1(n). Sua importância se baseia em:
a) ele é muito utilizado na prática pois simula situações reais de operação em regime permanente;
b) a resposta ao degrau está intimamente relacionada com a resposta impulsiva que descreve o
sistema.
Assim:
∞
X ∞
X
s(n) = (h ∗ 1)(n) = h(n − m)1(m) = h(n − m) nε Z
m=−∞ m=0
46 CAPÍTULO 3. ESTUDO DE SISTEMAS
usando n − m = k temos:
n
X
s(n) = h(k)
k=−∞
o que mostra que a resposta ao degrau é obtida como soma de respostas impulsivas fazendo “correr”
o tempo de aplicação dos impulsos. Observe ainda que:
Z ∞
s(t) = h(t) ∗ 1(t) = h(t − τ )1(τ )dτ tε<
−∞
Z ∞
s(t) = h(t − τ )dτ tε<
0
t R
usando x = t − τ temos: s(t) = −∞ h(x)dx ou seja, que a resposta ao degrau é obtida integrando
de −∞ a t a resposta impulsiva aplicada, correndo o tempo. De forma inversa, a resposta impulsiva
é obtida como a derivada da resposta ao degrau:
ds(t)
h(t) =
dt
Exemplos:
n
X n
X n
X
s(n) = h(m) = (1 − a)am 1(n) = (1 − a) am
−∞ −∞ 0
(
0 ∀ n<0
s(n) =
1 − an+1 ∀ n ≥ 0
3.8. CONVOLUÇÃO 47
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30
tempo
b) Circuito RC
1
Z t −τ 1
Z t −τ
s(t) = e RC 1(τ )dτ = e RC dτ
RC −∞ RC 0
−τ t −τ
s(t) = −e RC = 1 − e RC t ε < t ≥ 0
0
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
tempo
Após ter interpretado fisicamente a convolução, e tê-la relacionado com o sistema e sua resposta,
estudaremos mais em detalhes alguns pontos.
3.8 Convolução
A convolução é uma operação binária entre dois sinais contínuos ou discretos que geram um outro
sinal. Está definida pelas equações:
48 CAPÍTULO 3. ESTUDO DE SISTEMAS
∞
X
z(n) = (x ∗ y)(n) = x(n − m)y(m) nεZ
m=−∞
Z ∞
z(t) = (x ∗ y)(t) = x(t − τ )y(τ )dτ tε<
−∞
Observa-se que a convolução não é uma operação puntual, ou seja, o resultado da operação
depende da total evolução do sinal no tempo e não apenas do instante considerado. Observando a
equação da convolução contínua, podemos distinguir os seguintes passos:
b) multiplica-se ponto a ponto o x resultante com y e integra-se o resultado para obter z(t)
Exemplo:
3.8. CONVOLUÇÃO 49
h(n)
n
u(n)
n
h(k-n)
n
y(n)
n
Figura 3.12: Convolução gráfica.
50 CAPÍTULO 3. ESTUDO DE SISTEMAS
b) Caso contínuo (circuito RC já estudado) Suponhamos uma entrada pulso unitário de largura α
(
1 ∀0≤t<α
u(t) =
0 em outro caso
h(t)
1/RC
Resposta Impulsiva
0 t
u(t)
1
Pulso: Diferencade degraus deslocadosα
0 α t
y(t)
-t/RC
Carga: ate V= 1-e
-t/RC
Carga Descarga Descarga: ate 0, exponencial e
0 α t
f ) Propriedade da diferenciação (válida para o caso contínuo) Operador diferenciador D(·) (Dz(t) =
dz
dt ) Se x ∗ y existe e é diferenciável então:
a) Se x ou y tem suporte limitado, então x ∗ y existe. Se ambas têm suporte limitado, então x ∗ y
também tem suporte limitado.
b) Se x e y têm suporte limitado à esquerda ou à direita (ambas iguais), então x ∗ y existe e tem
suporte limitado à esquerda ou à direita, respectivamente.
c) Se ||x||2 e ||y||2 são finitas, então x ∗ y existe e ||x ∗ y||∞ é finita (porém ||x ∗ y||2 não é neces-
sariamente finita).
d) Se ||x||1 e ||y||∞ existem, então x ∗ y existe e ||x ∗ y||∞ é finita.
a)
Z ∞
z =x∗y = x(t − τ )y(τ )dτ
−∞
e como x e y são contínuas e localmente integráveis em [a, b], então z(t) existe.
Se x e y são de suporte limitado ao intervalo [a, b] então
y(τ ) = 0 ∀ τ 6∈ [a, b]
(
t−τ <a t<a+τ
x(t − τ ) = 0 ∀ t − τ 6∈ [a, b] ⇒
t−τ >b t>b+τ
52 CAPÍTULO 3. ESTUDO DE SISTEMAS
Graficamente:
y(t)
-b -a a b
x(t-b)
-b -a a b
z(t)
t<2a, Z(t)=0
2a<t<2b, Z(t)=0
t>2b, Z(t)=0
-b -a a 2a b 2b
a t
-a t t
Logo z(t) será nula até que t = 2a ⇒ z(t) existe e é definida para t > 2a, ou seja, tem o
suporte limitado na mesma direção.
Z ∞ 1/2 Z ∞ 1/2
2 2
k x k2 = (x(τ )) dτ = (x(t − τ )) dτ
−∞ −∞
3.8. CONVOLUÇÃO 53
k x k2 k y k2 ≥ < x, y >
Z ∞ 1/2 Z ∞ 1/2 Z ∞
2 2
(y(t − τ )) dτ (y(τ )) dτ ≥ x(t − τ )y(τ )dτ = z(t)
−∞ −∞ −∞
não tem porque ser acotada pois a integral de uma função quadrática entre −∞ e ∞ pode ser
não acotada mesmo quando a função que a gerou é acotada.
Z ∞ Z ∞
| x(t − τ )ymax | dτ ≤ ymax | x(t − τ ) | dτ =k y k∞ k x k1 finito
−∞ −∞
∞ R
Logo z(t) existe e k z(t) k∞ = −∞ | x(t − τ )y(τ ) | dτ é finito. As condições obtidas nestas
demonstrações podem ser formalizadas de forma mais geral.
Os sinais pulso unitário e função δ são as unidades da operação convolução discreta e contínua,
respectivamente.
x ∗ ∆ = x tempo discreto
x ∗ δ = x tempo contínuo
54 CAPÍTULO 3. ESTUDO DE SISTEMAS
se k u k∞ < ∞ ⇒k y k∞ < ∞
A estabilidade ELSL pode ser estudada a partir da resposta impulsiva h, pois ela determina a
relação entre y e u.
Proposição:
a) Um sistema convolutivo com resposta impulsiva h é ELSL estável SSE k h k1 < ∞, isto é, h tem
ação finita.
k y k∞ ≤ k h k1 k u k∞
Nota: Esta propriedade também vale para sistemas amostrados convolutivos, lembrando que:
X
k h k1 = T | h(τ ) |
τ εZ(T )
Exemplo: Seja o sistema convolutivo discreto de primeira ordem (que pode representar, por exemplo,
uma caderneta de poupança ou um filtro digital):
Calculando
3.10. RESPOSTA DE SISTEMAS CONVOLUTIVOS A SINAIS HARMÔNICOS 55
∞
(
X
k | b | /1− | a | para | a |< 1
k h k1 = |b||a| =
∞ para | a |> 1 b 6= 0
k=0
Assim, o sistema é ELSL estável SSE | a |< 1. Por exemplo, se consideramos uma caderneta de
poupança com taxa de 1% teremos a = 1.01, que implica na instabilidade do sistema. Já para o
projeto de um filtro discreto, devemos garantir a estabilidade usando | a |< 1.
Exemplo: Consideremos um sistema integrador, que pode representar, por exemplo, a relação entre
a velocidade e posição de um veículo.
Z t
y(t) = u(τ )dτ
−∞
Z ∞
k h k1 = 1(t)dt = ∞ a ação é infinita
−∞
É um sistema ELSL-instável. Observe que a resposta ao degrau é uma rampa que não é um sinal
limitado em amplitude.
(i) são sinais comumente usados em sistemas reais (ex: sistemas elétricos e mecânicos)
(ii) é possível decompor outros sinais como combinação de sinais harmônicos e achar a resposta de
cada um deles de forma simples. Após conhecida a resposta a cada sinal, usando linearidade
dos sistemas convolutivos, encontra-se a resposta global.
Z ∞ Z ∞
y(t) = h(t − τ )u(τ )dτ = h(t − τ )ej2πf τ dτ
−∞ −∞
Z ∞ Z ∞
j2πf (t−θ) −j2πf θ
y(t) = h(θ)e dθ = h(θ)e dθ ej2πf t
−∞ −∞
Logo:
onde:
Z ∞
ĥ(f ) = h(θ)e−j2πf θ dθ f ε< (3.16)
−∞
, se a integral existe. Logo, se a resposta ao sinal harmônico ηf (t) existe, então será outro sinal
harmônico da forma:
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε<
n=−∞
, se a soma existe.
A função resposta em freqüência ĥ(f ) de um sistema convolutivo (contínuo ou discreto), com res-
posta impulsiva h, existe e é limitada se a resposta impulsiva tem ação finita, isto é, se k h k1 < ∞.
3.10. RESPOSTA DE SISTEMAS CONVOLUTIVOS A SINAIS HARMÔNICOS 57
∞ ∞
h(n)e−j2πf n ≤ |h(n)| e−j2πf n =
X X
ĥ(f ) =
−∞ n=−∞ | {z }
1
∞
X
= |h(n)| =k h(n) k1 < ∞
−∞
Logo ĥ(f ) é limitada o que implica que ĥ(f ) existe e é limitada ∀f . Para o caso contínuo a
demonstração é similar.
No caso discreto:
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε <,
−∞
Assim, a resposta a uma entrada harmônica de freqüência f é igual a de uma com freqüência
f +m, com m ε Z. Os sinais são indistinguíveis e basta conhecer eles num período, pois a informação
se repete.
Exemplos:
a) Suavizador exponencial
A resposta impulsiva deste sistema é: h(n) = (1 − a)an 1(n) n ε Z
Usando |a| < 1 a resposta tem ação finita, logo existe ĥ(f ):
∞ ∞
h(n)e−j2πf n = (1 − a)an 1(n)e−j2πf n =
X X
ĥ(f ) =
−∞ −∞
∞
1−a
(ae−j2πf )n =
X
= (1 − a) f ε<
0
1 − ae−j2πf
Em geral, para representar ĥ(f ) utiliza-se gráficos de módulo e fase contra freqüência.
1−a 1−a
ĥ(f ) = −j2πf
=
1 − ae (1 − a cos 2πf ) + ja sin 2πf
58 CAPÍTULO 3. ESTUDO DE SISTEMAS
pois e−j2πf = cos(2πf ) − j sin(2πf )
1−a
ĥ(f ) = [(1 − a cos 2πf ) − ja sin 2πf ]
(1 − a cos 2πf )2 + (a sin 2πf )2
1−a
| ĥ(f ) |= p
(1 − a cos 2πf )2 + (a sin 2πf )2
a sin 2πf
φĥ(f ) = − arctan
1 − a cos 2πf
A resposta em freqüência deste sistema pode ser vista na figura 3.16 onde aprecia-se a peri-
odicidade.
módulo módulo
1 1.5
0.9
1
0.8
0.7
0.5
0.6
0.5 0
0.4
−0.5
0.3
0.2
−1
0.1
0 −1.5
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
frequencia frequencia
ˆ ).
Figura 3.16: Modulo e fase de h(f
b) Circuito RC
1 −t/RC
A resposta impulsiva deste sistema é h(t) = RC e 1(t), t ε < que tem ação finita para
todo RC > 0.
Z ∞ 1 −t/RC 1
Z ∞ 1
ĥ(f ) = e 1(t)e−j2πf t dt = e−(2πf j+ RC )t dt
−∞ RC RC 0
1/RC 1 ∞ 1
= e−(2πf j+ RC )t =
1/RC + 2πf j 0 1 + j2πRCf
1
Então ĥ(f ) =
1 + j2πRCf
1
ĥ(f ) = p
1 + (2πRCf )2
φĥ(f ) = − arctan(2πRCf )
3.10. RESPOSTA DE SISTEMAS CONVOLUTIVOS A SINAIS HARMÔNICOS 59
módulo fase
1 0
0.9
−10
0.8
−20
0.7
−30
0.6
−40
0.5
−50
0.4
−60
0.3
−70
0.2
0.1 −80
0 −90
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
frequencia frequencia
Na prática os sistemas representam-se por sistemas convolutivos reais. Assim a resposta impulsiva
é uma função real. Apesar disto, a função resposta em freqüência ĥ(f ), é em geral uma função
complexa. Mas ela possui um certo número de propriedades de simetria:
ϕĥ(−f ) = −ϕĥ(f )
Prova: Z ∞ Z ∞
−j2πf t
ĥ(f ) = h(t)e dt = h(t)(cos(2πf t) − jsen(2πf t))dt = IR − jII
−∞ −∞
Z ∞ Z ∞
j2πf t
ĥ(−f ) = h(t)e dt = h(t)(cos(2πf t) + jsen(2πf t))dt = IR + jII
−∞ −∞
Logo ĥ(−f ) = ĥ(f ) o que implica nas condições de módulo e fase colocadas.
60 CAPÍTULO 3. ESTUDO DE SISTEMAS
Este resultado mostra que para os sistemas reais basta estudar a função resposta em freqüência
para f ≥ 0 no caso contínuo e no intervalo [0, 1/2] no caso discreto.
Seja um sistema real convolutivo com função resposta em freqüência ĥ. Seja a entrada real:
αy =| ĥ(f ) | αu φy = φu + φĥ(f )
Para provar este resultado decompõem-se o sinal de entrada em harmônicos complexos e logo
aplica-se superposição.
h i
y = 1/2 ĥ(f )au ηf + ĥ(−f )au η−f
h i
y = 1/2 ĥ(f )au ηf + ĥ(f )au ηf = Re(ĥ(f )au ηf )
Assim a saída também é um sinal harmônico real com amplitude ay = ĥ(f )au
O módulo da saída é:
Esta demonstração coloca a importância de se conhecer o módulo e fase de ĥ(f ) pois assim
pode-se conhecer a amplificação-atenuação da amplitude dos sinais e a defasagem resultante entre
u e y. Do ponto de vista físico, esta interpretação é o resultado mais importante.
Vejamos a aplicação deste conceito em um circuito RC. Já calculamos num exemplo anterior:
1
| ĥ(f ) |= p ϕĥ(f ) = − arctan(2πRCf )
1 + (RC2πf )2
1
Imaginemos uma entrada u(t) = cos(2πf0 t) com f0 = 2RCπ . Então
1
| ĥ(f ) |= √ ϕĥ(f ) = − arctan(1) = −π/4
2
√ √
Logo: y(t) = 1/ 2 cos(2πf0 t − π/4). Assim a amplitude é atenuada em 1/ 2 e a fase atrasada em
π/4.
O estudo do comportamento dos sistemas frente a sinais do tipo senoidal é bastante importante
na engenharia. A maioria dos sistemas reais modifica a amplitude e a fase do sinal de entrada.
Alguns sistemas permitem melhor a passagem dos sinais de baixa freqüência, como por exemplo as
válvulas de controle e os sistemas térmicos. Já outros, como por exemplo a atmosfera, são sistemas
que atenuam os sinais de baixas freqüências e deixam passar melhor os de alta freqüência. Nota-se
que a maioria dos sistemas físicos estudados na teoria de controle (processos químicos, elétricos,
mecânicos, etc) são do tipo passa baixa.
Estas propriedades fazem com que ss sistemas convolutivos sejam tratados muitas vezes como
filtros. Os filtros modificam os sinais harmônicos em algumas freqüências. Assim, se um filtro
atenua as baixas freqüências deixando passar as altas, diz-se “filtro passa altas”. No caso oposto
é dito “passa baixas”. No caso que atenua as freqüências fora de uma certa banda, diz-se “passa
banda” e no caso oposto “atenua banda”. Na figura 3.18 mostram se os diagramas típicos ideais
deste tipo de filtros.
62 CAPÍTULO 3. ESTUDO DE SISTEMAS
Modulo Modulo
freq freq
Modulo Modulo
Passa Banda
Rejeita Banda
freq freq
Na prática são muitas vezes utilizados os diagramas logarítmicos para representar as funções de
resposta em freqüência pois podem ser mais facilmente desenhados a mão. Também é comum usar
a variável ω = 2πf e não f .
Capítulo 4
4.1 Introdução
A maioria dos sistemas entrada-saída estudados na teoria de controle, são sistemas diferenciais e à
diferenças. Isto significa que a relação entrada-saída pode ser colocada na forma de uma equação
diferencial ou à diferenças respectivamente.
Esta relação pode ser estabelecida a partir do estudo das leis físicas que regem o comportamento
do sistema no tempo. A complexidade do sistema é refletido na ordem da equação diferencial ou à
diferenças obtida. Vários dos exemplos já estudados nos capítulos anteriores, foram representados
por equações diferenciais ou à diferenças.
" #
dy(t) dN y(t) du(t) dM u(t)
F2 y(t), ,..., , u(t), . . . , =0 (4.2)
dt dtN dt dtM
F1 : C N +M +2 x T ε C, F2 : C N +M +2 x T ε C
63
64 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
Estas equações são ditas de ordem N . Em geral para uma dada entrada existem várias soluções,
porém pode-se provar que fixando as condições iniciais é possível obter uma única solução. No que
segue, consideraremos a solução para todo n ε T ou t ε T será y(n + N ) no caso discreto e y N (t)
no caso contínuo.
Sistemas amostrados à diferença são sistemas amostrados definidos em T = (t0 , t0+T , . . .) com
t0 ε Z(T ), no eixo infinito T = Z(T ). São descritos por equações da forma:
Consideraremos que ele tem solução única y(t + N T ) e N é a ordem da equação à diferenças.
Exemplos:
a) Caderneta de poupança.
dv(t)
M + Bv 2 (t) − Cu(t) = 0 t ε [t0 , ∞ )
dt
onde M : massa, B: coef. atrito, C: coef. força aceleradora, v(t): velocidade, u(t): posição
do acelerador
dx
Equação de primeira ordem em v(t). Usando x: deslocamento do carro, v = dt
2
d2 x(t) dx(t)
M 2
+B − Cu(t) = 0
dt dt
N
1 X
y(n) − u(n + m) = 0
N + M + 1 m=−M
n ε Z, M ≥ 0, N ≥ 0
Com M > 0 esta equação não fica na forma padrão pois aparecem termos u(n − K) com
K > 0. Para padronizá-la usamos n = n0 + M .
4.2. CONCEITOS BÁSICOS DE EQUAÇÕES DIFERENCIAIS E À DIFERENÇAS 65
N
1
y(n0 + M ) = u(n0 + M + m) = 0 n0 ε Z
X
N + M + 1 m=−M
ou
1
y(n0 + M ) − u(n0 ) + u(n0 + 1) + · · · + u(n0 + N + M ) = 0
N +M +1
d) Circuito RLC.
vR vC
R C
vL
u L
i
1
Z t di
V = vR + vC + vL = Ri + idt + L
C 0 dt
Usando V = u, i = y temos:
1
Z t dy
u = Ry + ydt + L
C 0 dt
du dy 1 d2 y
= R + y(t) + L 2
dt dt C dt
d2 y dy 1 du
L 2
+ R + y(t) − =0
dt dt C dt
Como foi colocado no item anterior, a equação à diferenças ou diferencial, representa um sistema
ES de forma tal que a relação entre u e y é dada pela própria equação. Assim para calcular a saída
do sistema, aplica-se a lei dada pela equação diferencial ou à diferenças.
66 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
Mais ainda, é sabido que para cada conjunto de condições iniciais e uma entrada u(t), a saída é
univocamente determinada.
No caso dos sistemas discretos, as condições são similares e dadas as características algébricas
da equação, é possível obter a solução por operações sucessivas. Seja a equação:
y(n + N ) = G [y(n), y(n + 1), . . . , y(n + N − 1), u(n), u(n + 1), . . . , u(n + M ), n]
y(n0 + N ) = G [y(n0 ), y(n0 + 1), . . . , y(n0 + N − 1), u(n0 ), u(n0 + 1), . . . , u(n0 + M ), n0 ]
ou seja, que y(n0 +N ) será determinada a partir da entrada e do conhecimento de y(n0 ),y(n0 +1)
até y(n0 + N − 1), ou seja, a saída nos N − 1 instantes anteriores. Conhecida y(n0 + N ) será possível
calcular y(n0 + N + 1) a partir do valor de y(n0 + N ) e assim sucessivamente.
Desta forma, para o caso de conhecer a condição inicial, a saída é única para uma dada entrada
e o sistema é dito ESM.
Causalidade: Dado um sistema ESM representado por uma equação diferencial do tipo:
" #
dN y(t) dy du dM u
= G y, , . . . , u(t), , . . . , ,t
dtN dt dt dtM
4.2. CONCEITOS BÁSICOS DE EQUAÇÕES DIFERENCIAIS E À DIFERENÇAS 67
ele é sempre causal, pois a solução y(t) depende somente das condições iniciais e a entrada no
tempo t.
Já para o caso da equação à diferenças, existe uma condição a colocar para garantir a causalidade.
Assim a equação:
y(n + N ) = G [y(n), y(n + 1), . . . , y(n + N − 1), u(n), u(n + 1), . . . , u(n + M ), n]
Invariância no tempo
" #
dy(t1 ) dN y(t1 ) du(t1 ) dM u(t1 )
F y(t1 ), ,..., , u(t 1 ), . . . , , t1 =
dt dtN dt dtM
" #
dy(t2 ) dN y(t2 ) du(t2 ) dM u(t2 )
F y(t2 ), ,..., , u(t 2 ), . . . , , t2
dt dtN dt dtM
com:
(
y i (t1 ) = y i (t2 ) ∀ i = 0, 1, . . . , N
ui (t1 ) = ui (t2 ) ∀ i = 0, 1, . . . , M
F (y0 , y1 , . . . , yN , u0 , u1 , . . . , uM , n1 ) = F (y0 , y1 , . . . , yN , u0 , u1 , . . . , uM , n2 )
Exemplo:
68 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
(1) Sistema variante no tempo representado por equações à diferenças: Caderneta de poupança
com taxa variável.
Sistema invariante: mesma caderneta com taxa constante.
R
u C vC
i
V = R(t)i(t) + vC (t)
1 Rt
e vC (t) = C 0 idt. Assim:
dvC (t)
V = R(t)C + vC (t)
dt
se vC = y e V = u, temos
dy(t) 1 1
= u(t) − y(t) t ε <
dt R(t)C R(t)C
Linearidade
Conclui-se que a representação destes sistemas é dada por equações diferenciais ou à diferenças
lineares.
Resumindo: No nosso curso trabalharemos basicamente com sistemas lineares, causais e invari-
antes no tempo e estes terão por representação, equações diferenciais ou à diferenças lineares e a
coeficientes constantes, além de N ≥ M .
dy dN y du dM u
q0 y(t), q1 + · · · + qN N = p0 u(t), p1 + · · · + pN M
dt dt dt dt
Se definimos os polinômios:
Q(λ) = q0 + q1 λ + q2 λ2 + · · · + qN λN
P (λ) = p0 + p1 λ + p2 λ2 + · · · + pM λM
isto é:
(
σy(n) = y(n + 1) n ε T
Dy(t) = dy
dt tεT
Neste caso, como a condição inicial é nula, a relação entrada-saída será única, isto é, existe uma
única solução da equação diferencial ou à diferenças para cada entrada u.
Com isto o sistema é um sistema ESM e é chamado de sistema inicialmente em repouso. Ana-
lisaremos isto com detalhes no caso dos sistemas discretos (caso contínuo é conhecido de equações
diferenciais).
Seja a equação:
0 = G [0, 0, . . . , 0, n] ∀nεZ
para n0 ε Z e uma entrada u(n) = 0 para todo n ≥ n0 , por simples substituição na equação à
diferenças resulta y(n) = 0 ∀ n ≥ n0 .
Mais ainda, se algum u(n) 6= 0 para n ≥ n0 , então a saída será única e calculada pela relação
da equação.
y(n0 − 1) = 0 u(n0 − 1) = 0
Assim:
y(n0 ) = (1 − a)u(n0 )
y(n0 + 1) = a(1 − a)u(n0 ) + (1 − a)u(n0 + 1)
nX
0 +N
y(n0 + N ) = (1 − a) an0 +N −m u(m)
m=n0
Proposição: Todo sistema inicialmente em repouso descrito por uma equação diferencial ou à dife-
renças linear com coeficientes constantes, é um sistema convolutivo.
(a) linear pelo fato de admitir representação por equação diferencial/à diferenças linear;
Sistemas Amostrados
Estes sistemas representados por equações à diferenças podem ser analisados de igual forma que
os sistemas discretos usando como eixo dos tempos T = Z(T ).
e usando os polinômios:
Q(λ) = q0 + q1 λ + · · · + qN λN
P (λ) = p0 + p1 λ + · · · + pM λM
temos:
Um sistema amostrado inicialmente em repouso define-se igual que no caso discreto e resulta
num sistema amostrado convolutivo.
Considera-se o eixo dos tempos infinito ou semi-infinito direito, tanto para sistemas contínuos
como discretos.
Observa-se que para um dado sinal u aplicado a um sistema diferencial ou à diferenças, podemos
ter várias saídas y dependendo das condições iniciais. Isto implica que estes sistemas são ES mas
não ESM. Para conseguir esta condição deve ser fixado uma única condição inicial. Estudaremos
isto mais em detalhe.
Q(σ)y = 0 ou Q(D)y = 0
e sua solução pode ser totalmente determinada a partir do cálculo das raízes características da
equação. Para o caso contínuo a solução é bem conhecida e ela é valida para eixo dos tempos finito
ou semi-infinito. Já no caso discreto é um pouco diferente.
Proposição:
(a) No eixo dos tempos semi-infinito direito, a equação homogênea Q(σ)y = 0 ou Q(D) = 0 tem
N soluções linearmente independentes y1 , . . . , yN chamadas de base de soluções. No caso
contínuo isto também vale para o eixo infinito.
Porém no eixo dos tempos infinito (T = Z), a equação homogênea Q(σ)y = 0 tem N0 soluções
linearmente independentes y1 , . . . , yN0 onde N0 é o números de raízes não nulas de Q(σ).
(b) Toda solução de Q(σ)y = 0 ou Q(D)y = 0 é uma combinação linear da base.
∆(n − n0 − i) i = 0, 1, . . . N − N0 − 1
Observar:
(a) Estas bases não são únicas. Podem ser escolhidas de outra forma.
(b) no caso discreto aparecem soluções pulso unitário deslocados, se o eixo é semi-infinito. No caso
do eixo infinito elas se deslocam para o −∞ e não aparecem na solução.
Exemplos:
Se a = 0 ⇒ única raiz λ = 0 e m = 1
Base é: y = ∆(n − 0) = ∆(n)
Solução geral yhom = α∆(n)
Comprovando: y(n + 1) = α∆(n + 1) ∀ n ≥ 0
Q(σ) = σ 2 − σ + a = 0
74 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
caso a = 0: σ 2 − σ = 0 ⇒ raízes λ = 0 e λ = 1
Base: λ = 1 → y1 = n0 λn = 1n = 1
λ = 0 → y2 = ∆(n)
Solução geral: yhom = α + β∆(n)
Comprovando:
α + β∆(n + 2) − α − β∆(n + 1) = 0
(ii) Pode ter raízes reais e iguais λ1 = λ2 = λ = 0.5 e nesse caso a = 0.25.
Comprovando:
(i)
αλn+2
1 + βλn+2
2 − αλn+1
1 − βλn+1
2 + aαλn1 + aβλn2 = 0
(ii)
αλn+2
1 + β(n + 2)λn+2
1 − αλn+1
1 − β(n + 1)λn+1
1 + aαλn1 + aβnλn1 = 0
αλn1 λ21 − λ1 + a + βnλn1 λ21 − λ1 + a + βλn1 2λ21 − λ1 = 0
| {z } | {z }
0 =0
Para trabalhar com uma base de soluções reais quando Q(D) ou Q(σ) tem raízes complexas
conjugadas pode-se usar a seguinte proposição:
Se o polinômio Q(D) ou Q(σ) tem um par de raízes complexas conjugadas λ e λ com multipli-
cidade m, a equação homogênea terá 2m soluções reais dadas por:
4.3. RESPOSTA NO TEMPO DE SISTEMAS A DIFERENÇA E DIFERENCIAIS INVARIANTES NO TEMP
Caso discreto
ni ρn cos(ψn) e ni ρn sin(ψn)
para i = 0, 1, . . . , m − 1 e ρ =| λ | e ψ = arg(λ)
Caso contínuo
Exemplo: Suponha um circuito RLC que tem uma equação diferencial de segunda ordem ⇒ Q(D) =
0 tem duas raízes que podem ser
γ1 γ2
e λ1t e λ2t
t t
γ1 γ2
t e λ1t
e λ1t
t t
γ1 γ2
e τt cos(ωt) e τt sen(ωt)
t t
Solução Particular
y = ypart se dado u
(
Q(D)ypart = P (D)u
Q(σ)ypart = P (σ)u
As soluções particulares são achadas por cálculo direto e em geral para os casos mais comuns é
simples achá-las.
dy
+ y = 2u u = 2 ∀ t
dt
4.3. RESPOSTA NO TEMPO DE SISTEMAS A DIFERENÇA E DIFERENCIAIS INVARIANTES NO TEMP
dy0
Propomos saída constante y = y0 , então dt = 0; assim y0 = 2u0
Solução Geral A solução geral da equação é y = yhom + ypart . De forma geral, lembrando como
calcular yhom tem-se que a solução geral para uma entrada u é:
( )
X
Yu = y/y = ypart + αi yi αi ε C ∀i
i
u = 1 n = 0, 1, 2, . . .
Dada a equação:
y0 − ay0 = 1 − a ⇒ y0 = 1
y = yhom + 1 = αan + 1 n = 0, 1, . . .
y(0) = αa0 + 1 = 0 ⇒ α = −1
T = T+ = {t0 , t0 + T, . . .}
e de N0 soluções se o eixo T = T∞ = Z(T ). (com N0 número de raízes não nulas de Q σ T = 0)
(t/T )i λt/T t ε T i = 0, 1, . . . , m − 1
1
∆(t − t0 − iT ) t ε T+ i = 0, 1, . . . , N − N0 − 1
T
A solução geral é: y = yhom + ypart e a ypart é calculada como nos outros casos.
Como já vimos, neste caso os sistemas são convolutivos e vale que y = h ∗ u onde h é a resposta
impulsiva.
Vejamos como relacionar h com o conjunto de soluções da equação. Pela definição, h é a saída para
entrada ∆ ou δ. Se a entrada é não nula somente em t = 0, então como o sistema está inicialmente
em repouso, y(t) = 0 ∀ t < 0.
Além disso, como para n > 0, ∆(n) = 0 (t > 0, δ(t) = 0) a saída y(t) será somente a solução
homogênea. Assim pode-se provar que:
N
X −N
MX
h(n) = αi yi (n − 1)1(n − 1) + βi ∆(n + i)
i=1 i=0
XN −N
MX
h(t) = αi yi (t)1(t) + βi δ (i) (t)
i=1 i=0
Observa-se que no caso de N ≤ M as saídas solução dependerão das derivadas da entrada δ(t)
ou dos deslocamentos dos ∆(n). No caso N > M estas respostas desaparecem.
Nas aplicações reais os sistemas físicos sempre têm N > M e portanto não há componentes impul-
sivas na resposta ao impulso h.
1
X
h(n) = αi yi (n − 1)1(n − 1) = α1 y1 (n − 1)1(n − 1)
i=1
onde y1 (n) = (−1/2)n . Assim h(n) = α1 (−1/2)n−1 . Logo, usando uma entrada pulso no sistema
teremos como saída a própria h(n), que verifica:
h(0) = 0 e h(1) = 3.
1 5
y(1n) − y(n + 1) + y(n + 2) = u(n + 3)
6 6
1
onde Q(λ) = 6 − 56 λ + λ2 e P (λ) = λ3 ou seja, N = 2 e M = 3
Inicialmente calcularemos a base da homogênea para obter a forma de h(n) e logo usando u = ∆
encontraremos para diferentes valores de n as relações necessárias para achar seus parâmetros.
A solução da homogênea é:
Assim:
h(n) = α1 (1/2)n−1 1(n − 1) + α2 (1/3)n−1 1(n − 1) + β0 ∆(n) + β1 ∆(n + 1)
5 1
h(n + 2) − h(n + 1) + h(n) = ∆(n + 3)
6 6
e a resolvemos para os valores n = −3, −2, −1, 0, encontrando um sistema de equações nas variáveis
desejadas. Assim: β1 = 1 e β0 = 5/6
h i
h(n) = (3/4)(1/2)n−1 − (2/9)(1/3)n−1 1(n − 1) + 5/6∆(n) + ∆(n + 1)
Exemplo: Caso contínuo. Circuito RLC com entrada, V , e saída, a tensão da bobina:
y
R
u i
C
d2 y R dy 1 d2 u
+ + y =
dt2 L dt LC dt2
h(t) é a resposta ao impulso δ(t) com o sistema em repouso. Logo h(t) = 0 ∀ t < 0. Além disso:
d2 y R dy 1
2
+ + y = δ 2 (t)
dt L dt LC
Calculando
dh dh0 (t)
= 1(t) + h0 (t)δ(t) +βδ (1) (t)
dt dt | {z }
h0 (0)δ(t)
d2 h d 2 h0 dh0
2
= 2
1(t) + (t)δ(t) +h0 (0)δ (1) (t) + βδ (2) (t)
dt dt | dt {z }
dh0
dt
(0)δ(t)
d 2 h0 dh0
2
1+ (0)δ(t) + h0 (0)δ (1) (t) + βδ 2 (t)+
dt dt
R dh0 1
1 + h0 (0)δ(t) + βδ (1) + [h0 1(t) + βδ(t)] = δ (2) (t)
L dt LC
Igualando em δ, δ 1 , δ 2 e 1 temos:
dh0 (0) R 1
Em δ: dt + L h0 (0) + LC β =0
Em δ (1) : h0 (0) + β R
L =0
Em δ (2) : β = 1
d2 h0 R dh0 1
Em 1(t): dt2
+ L dt + LC h0 = 0 que é a própria equação homogênea.
Assim, obtemos:
β
=1
h0 (0) = −RL
dh0 (0) 1 R2 C
= − LC 1−
dt L
Com isto obtivemos as condições iniciais para o cálculo final de h0 (t) como combinação de
soluções da base. Vamos supor por exemplo que L = 1, R = 2, C = 1.
dh0 (0)
Assim, β = 1; h0 = −2; dt =3
82 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
Proposição
ypart = h ∗ u se existe
ypart = h ∗ u+ se existe
onde
(
u t ≥ t0 , n ≥ n 0 n ε Z
u+ =
0 t < t 0 , n < n0 t ε <
!
X
ypart = h+ αi yi ∗ u (ou u+ )
i
Prova: Provaremos o caso (c) com tempo discreto e semi-infinito. Os outros casos são similares.
Provaremos que ypart definida como em (c) é solução da equação:
! !
X X
Q(σ)ypart = Q(σ) h + αi yi ∗ u+ = Q(σ)h + Q(σ) αi yi ∗ u+
i i
Q(σ)ypart = (Q(σ)h) ∗ u+
y = ypart + yhom
u(n) = 1 ∀ n ε Z
∞
X
ypart (n) = h(n) ∗ u+ = h(n − m)u+ (m)
m=−∞
∞
X
= (1 − a)an−m 1(n − m)u+ (m)
m=−∞
∞
X
ypart = (1 − a) an−m 1(n − m)
m=n0
se n ≥ n0
n
X
ypart = (1 − a) an−m = 1 − an−n0 +1
m=n0
e se n < n0
n − m < 0 ∀ m ⇒ 1(n − m) = 0
b) Se T = Z e | a |< 1
∞
X
ypart (n) = (1 − a)an−m 1(n − m) = lim 1 − an−n0 +1 = 1
n0 → −∞
m=−∞
pois u(n) = 1 ∀ n ε Z. Para que este somatório exista, temos que eliminar o termo an .
Escolhendo β = a − 1 temos:
n
X ∞
X ∞
X
ypart = (1 − a)an−m − (1 − a)an−m = (a − 1)an−m
m=−∞ m=−∞ m=n+1
fazendo k = n − m
−1
ak = lim 1 − a−n = 1
X
ypart = (a − 1)
n→∞
k=−∞
Para completar este item colocaremos a relação entre solução particular e resposta impulsiva
para sistemas amostrados no eixo Z(T ), inicialmente em repouso e com equação:
Q σT y = P σT u
vale que:
N −N
MX
t + iT
X
h(t) = αi yi (t − T )1(t − T ) + βi ∆
i=1 i=0
T
Neste ítem estudaremos a estabilidade dos sistemas representados por equações diferenciais ou à
diferenças relacionando esta propriedade com as características das equações.
86 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
Nota-se: H = P/Q = P 0 /Q0 é uma função racional que representa ao sistema (veremos no
capítulo 6 como função de transferência).
d2 ω dω
+ − 2ω = 3u
dt2 dt
Q(λ) = λ2 + λ − 2 P (λ) = 3
Pólos: λ = 1, λ = −2
Estabilidade ELSL
Como já estudamos nos ítens anteriores, a solução de um sistema linear invariante no tempo é
calculada como:
Vejamos como cada uma destas partes se relacionam com os pólos e zeros do sistema.
CONT:
DISC:
N
X −N
MX
h(n) = αi yi (n − 1)1(n − 1) + βi ∆(n + i)
i=1 i=0
onde yi (n) = λni e λi é raiz de Q(λ). Logo se os | λi |< 1 → a resposta impulsiva terá ação finita
e o sistema é ELSL-estável. Pode-se provar ainda que os λi que aparecem em h(n) são apenas os
pólos e não todas as raízes de Q(λ).
No caso contínuo, a condição é colocada na parte real do polo, pois é esta que determina se a
exponencial é crescente ou decrescente. Já a condição na ordem dos polinômios P e Q, deve-se a
aparição de derivadas de funções delta na h(t) dada por:
N
X −N
MX
h(t) = αi yi (t)1(t) + βi δ (i) (t)
i=1 i=0
Caso contínuo:
y (2) (t) + y (1) (t) − 2y(t) = u(2) (t) + 2u(1) (t) − 3u(t)
Q(D) = λ2 + λ − 2 → λ1 = 1 λ2 = −2
P (D) = λ2 + 2λ − 3 → λ1 = 1 λ2 = −3
Como M = N e os pólos tem parte real negativa, o sistema é ELSL-estável. Observa-se que
λ1 = 1 raiz da equação característica Q(D) não aparece como pólo e a pesar de ter parte real
positiva, a estabilidade não é comprometida. De fato e+t não aparece na resposta impulsiva do
sistema que vale:
2
X 0
X
h(t) = αi yi (t)1(t) + βi δ (i) (t) = α1 y1 (t)1(t) + α2 y2 (t)1(t) + β0 δ(t)
i=1 i=0
dh dh0
= 1(t) + h0 δ(t) +β0 δ (1) (t)
dt dt | {z }
h0 (0)δ(t)
d2 h d2 h 0 dh0
= 1(t) + δ(t) +h0 (0)δ (1) (t) + β0 δ (2) (t)
dt2 dt2 dt
| {z }
dh0 (0)
dt
δ(t)
d2 h0 dh0
+ − 2h0 = 0 em 1(t)
dt2 dt
dh0
2 (0) + h0 (0) − 2β0 = −3 em δ(t)
dt
4.5. ESTABILIDADE DE SISTEMAS DIFERENCIAIS/À DIFERENÇAS 89
β0 = 1 em δ (2) (t)
dh0
h0 (0) = 1 (0) = −2
dt
h0 (t) = α1 et + α2 e−2t
h0 (0) = α1 + α2 = 1 α1 = 1 − α2
dh0
(0) = α1 e0 − 2α2 e0 = α1 − 2α2 = −2
dt
1. Todas as raízes da equação característica devem ter módulo < 1 (parte real negativa)
2. Toda raiz com módulo 1 (parte real nula) deve ter multiplicidade 1
• As condições necessárias e suficientes para que toda solução do sistema homogêneo Q(σ)y = 0
(Q(D)y = 0) convirja para zero quando o tempo vai para infinito limt→∞ y = 0 é que todas
as raízes tenham módulo menor do que 1 (parte real negativa)
90 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
N
X
yhom = αi yi
i=1
y(t) = α1 et + α2 e−2t
com isso como Re(1) > 0 ⇒ limt→∞ y(t) = ∞ e a saída não é convergente.
A partir destes dois resultados podemos analisar a estabilidade ELSL de um sistema ES. Veremos
que para estes sistemas a definição da estabilidade ELSL difere do caso de sistemas convolutivos.
Um sistema ES (monovariável) definido para t ε T é estável ELSL se para todo par entrada-saída
(u,y):
onde
(
y(t) ∀ t ≥ θ
yθ (t) =
0 em outro caso
Nota-se: A solução homogênea diferencia o sistema convolutivo do ES e por tanto dela depende
esta definição. Observe que eλt → ∞ se t → −∞ para Re(λ) < 0.
Lembrando que h(n) = (1 − a)an 1(n) podemos colocar para | a |< 1 que:
Porém se n → −∞ ⇒ αan → ∞.
A partir destes resultados podemos então estabelecer as condições necessárias e suficientes para
estabilidade ELSL de sistemas ES diferenciais ou à diferenças com coeficientes constantes.
• Não existe cancelamento de raízes com módulo > 1 (parte real positiva) de Q e P
• Toda raiz cancelada com módulo 1 (parte real nula) deve ter multiplicidade 1
que era ELSL-estável quando inicialmente em repouso (pois h(t) = δ(t) + e−2t 1(t) tem ação finita)
não é ELSL-estável considerando a solução completa:
y(t) = h ∗ u + α1 et + α2 e−2t
Aplicando a proposição, vemos que existe uma raiz (λ = 1) cancelada com parte real positiva.
Como já comentamos, existem diversas definições diferentes de estabilidade. Uma definição mais
restrita é a de estabilidade ECSC que exige que quando a entrada u(t)t→∞ → 0 a saída y(t)t→∞ → 0
k (y1 − y2 )θ k∞ < ∞ ∀ θ ε T
e
| u1 (t) − u2 (t) |t→∞ → 0 ⇒ | y1 (t) − y2 (t) |t→∞ → 0
Sinal
u1
u2
Sinal y1
y2
t
Figura 4.5: Estabilidade ECSC.
4.5. ESTABILIDADE DE SISTEMAS DIFERENCIAIS/À DIFERENÇAS 93
Observa-se que um sistema ELSL estável não precisa ter saída y(t)t→∞ → 0 quando u(t)t→∞ → 0
pois basta que || y(t) ||∞ < ∞. De forma inversa, todo sistema ECSC estável será ELSL estável
pois basta usar u2 = 0 na definição. Porém no caso de sistemas convolutivos isto é verdade, pois a
relação única entre entrada e saída garante que | y1 − y2 |t→∞ → 0 se | u1 − u2 |t→∞ → 0.
Para sistemas diferenciais ou à diferenças com coeficientes constantes e com resposta impulsiva
de ação limitada h temos:
• entradas u1 e u2 geram y1 e y2
• y1 − y2 = h ∗ (u1 − u2 ) +
P
i αi yi
Para (u1 − u2 )t→∞ → 0 , h ∗ (u1 − u2 )t→∞ → 0, e para que (y1 − y2 )t→∞ → 0, é necessário que
X
αi yi → 0 para t → ∞
i
Para isso, todas as raízes da equação característica do sistema devem ter parte real negativa
(cont) ou módulo menor que 1 (disc). Formalizaremos o resultado:
Observações:
94 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
• as condições da proposição são as mesmas que as obtidas para que a resposta de sistemas a
entrada zero seja convergente. Isto pois, a solução particular converge a zero quando a entrada
o faz.
DISCRETO CONTINUO
ECSC
estavel
ELSL
estavel
Imaginario
Circulo unitario
Real
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε<
n=−∞
Z ∞
ĥ(f ) = h(t)e−j2πf t dt f ε <
−∞
Veremos agora como para sistemas diferenciais ou à diferenças inicialmente em repouso, a função
ĥ(f ) pode ser calculada diretamente das equações Qy = P u.
caso discreto
P ej2πf
ĥ(f ) = f ε<
Q (ej2πf )
caso contínuo
P (j2πf )
ĥ(f ) = f ε<
Q (j2πf )
96 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
a) Existência:
Lembrando que
N
X −M
NX
h(t) = αi yi 1(t) + βi δ (i)
i=1 i=0
u = ej2πf t → y = y0 ej2πf t
e isto implica
P (j2πf )
y0 = ĥ(f ) =
Q(j2πf )
Exemplos:
b) Suavizador exponencial
(1 − a)ej2πf 1−a
ĥ(f ) = =
e j2πf −a 1 − ae−j2πf
É claro que quando os pólos tem módulo maior ou igual a 1 (parte real positiva ou nula),
a função ĥ(f ) não existe no sentido generalizado. Para conseguir calcular esta função é preciso
aplicar o método generalizado de ĥ(f ). Veremos isto nos próximos capítulos.
a) harmônica complexa
b) harmônica real
u(t) = u0 cos(2πf t + φ) t ε T
b) yreg. perm. (t) =| ĥ(f ) | u0 cos (2πf t + φ + ψ(f )) no caso real. ψ(f ) é a fase de ĥ(f )
A solução y(t) estará composta pela solução da homogênea mais uma particular. Como o sistema
é estável ECSC, sabe-se que yhom → 0 quando t → ∞. A solução particular pode ser calculada
usando uma função de mesma freqüência da entrada. Usando então:
tem-se
Logo
P (D)ej2πf t P (j2πf )
ĥ(f ) = =
Q(D)ej2πf t Q(j2πf )
Comentários:
A saída do sistema a uma entrada senoidal real, por exemplo, será então, no regime permanente,
a mesma senóide defasada e amplificada. Para atingir este regime permanente, a resposta passa por
um transitório de senóides deformadas e que tendem assintóticamente à senóide final.
Exemplo: Circuito RC
vR
R
v~ C vC
i
Se Vc = y e V = u temos:
dy 1 1
+ y= u
dt RC RC
Lembrando
4.6. RESPOSTA EM FREQÜÊNCIA DE SISTEMAS DIFERENCIAIS/À DIFERENÇAS 99
1
ĥ(f ) = f ε<
1 + j2πRCf
1
ĥ(f0 ) = q
4π 2 f02 R2 C 2 + 1
ψ0 = − arctan(2πf0 RC)
−t/RC
y(t) = ĥ(f0 ) u0 cos (2πf0 t + ψ0 ) + αe
| {z }
| {z } transitorio
permanente
-1
A resposta em freqüência do sistema dado por Q(σ T )y = P (σ T )u para t ε Z(T ), existe SSE
todos os pólos do sistema tem módulo menor que 1. Esta função ĥ(f ) é dada por:
P ej2πf t
ĥ(f ) = f ε<
Q (ej2πf t )
Como se deseja aplicar uma lei de controle através de um computador, os sinais de entrada P
e de saída Te são amostrados com período T . Desta forma é necessário conhecer as equações à
100 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
P Te
dTe
+ αTe = βP
dt
Q(λ) = λ + α P (λ) = β
Q σ T y(t) = P σ T u(t)
Observação: o sistema tem acoplado o sustentador de ordem 0. Veremos isto nos capítulos finais.
Logo:
P ej2πf T βej2πf T
ĥ(f ) = =
Q (ej2πf T ) ej2πf T − e−αT
5.1 Introdução
Nos capítulos anteriores, estudamos sistemas através de sua representação entrada-saída, isto é,
conhecíamos apenas uma relação entre variáveis u e y do diagrama de blocos:
u y
SISTEMA
Este tipo de representação pode ser obtido a partir do conhecimento da dinâmica do sistema
(equações diferenciais ou a diferenças), mas também a partir de ensaios práticos no domínio do
tempo ou da frequência.
Quando interessa representar o sistema através de equações que mostrem a sua "dinâmica
interna"deve-se utilizar uma outra representação chamada de representação de estados. Assim
um sistema contínuo será representado pelas suas equações diferenciais de estados e um sistema
discreto pelas suas equações a diferenças de estado.
Noção de estado: A representação entrada-saída de um sistema está dada por uma lei que
relaciona estes dois sinais. Sabemos, a partir do estudo nos capítulos 3 e 4, que para conhecer a
saída y(t) para todo tempo t ≥ t0 , precisávamos conhecer a entrada u(t) ∀ t. Isto pois a entrada
101
102 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
u(t), ∀ t < t0 permitirá determinar as condições iniciais do sistema. Assim se não conhecemos a
condição inicial e a entrada, não podemos encontrar y(t) para t > t0 . O conhecimento do sistema
num dado instante é chamado de estado do sistema. Assim, conhecendo o "estado"em que o sistema
se encontra em t = t0 e a entrada aplicada para t ≥ t0 , é possível determinar y(t) ∀ t > t0 .
Na prática este conceito surge do próprio estado físico de um sistema. Vejamos , por exemplo,
o caso de um automóvel.
Equação dinâmica:
dv
M + Bv = CF
dt
Então se o objetivo é conhecer a velocidade do automóvel para todo t ≥ t0 sendo que se aplica
uma forca F (t) ∀ t ≥ t0 . É dado que devemos conhecer o valor de v(t0 ). Este valor de v(t0 ) é o
estado inicial.
Observa-se então que nosso sistema tem duas equações dinâmicas que podem ser colocadas como:
(
de
dt = v
dv B
dt = −M v + CF/M
com t ≥ t0 ou vetorialmente:
Esta equação é chamada de equação diferencial de estado do sistema. Isto pois, ela é uma
equação diferencial vetorial no estado do sistema:
" #
e
ESTADO = =X
v
" #
e(t0 )
v(t0 )
5.2. REPRESENTAÇÃO DE ESTADOS 103
" #
e(t)
v(t)
para todo t ≥ t0 . Se apenas interessa conhecer como saída do sistema a variável e(t) (por exemplo),
então acrescentamos ao nosso sistema a equação de saída:
" #
h i e
y(t) = 1 0 = e(t)
v
De forma geral, todo sistema linear contínuo pode ser expresso como um sistema diferencial de
estados dado por:
(
Ẋ = AX + Bu
y = CX + Du
onde X(t) é o vetor de estados, y(t) é a saída e u(t) a entrada. No caso discreto a análise é igual.
Vejamos um exemplo.
O "estado da conta"a cada mês é o próprio estado do sistema. É claro que se eu conheço o
estado no mês n0 e as aplicações ∀ n ≥ n0 posso ter y(n) para todo n ≥ n0 . Tendo um único
estado, a equação é escalar e neste caso a saída coincide com o estado.
(
X(n + 1) = (1 + α)X(n) + u(n + 1)
y(n) = X(n)
A = 1 + α, B = 1, C = 1 e D = 0
Estes exemplos são todos de sistemas lineares ou linearizados, porém a noção de estado e a definição
das equações podem ser aplicadas a sistemas não lineares. Neste caso a equação de estados resulta:
104 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
(
Ẋ(t) = f (X(t), u(t), t)
caso cont
y(t) = g (X(t), u(t), t)
(
X(n + 1) = f (X(n), u(n), n)
caso disc
y(n) = g (X(n), u(n), n)
(
M dv
dt = −Bv 2 + CF
de
dt = v
" #
e
Assim usando estado e saída y = e temos:
v
(
dX
dt = sX + X 0 RX + V u = f (X, u, t)
y = CX = g (X, u, t)
Uma pergunta que surge ao analisar a forma das equações de estado é a seguinte: É sempre
possível representar um sistema físico através de uma equação diferencial ou a diferenças vetorial e
de primeira ordem ?
A resposta é afirmativa e veremos como pode ser provado este resultado. Usaremos o caso
contínuo:
onde qi são funções do tempo e f uma função não linear em y: saídas, u: entrada e o tempo t. Esta
equação pode ser reescrita através da definição de um conjunto de n variáveis auxiliares X1 , . . . , Xn .
Assim define-se:
5.2. REPRESENTAÇÃO DE ESTADOS 105
y = X1
(1)
y = X2
y (2)
= X3
(n−1)
y = Xn
dX1 dy
= = X2
dt dt
dX2 d2 y
= = X3
dt dt2
dXn−1 dy n−2 d(n−1) y
= = = Xn
dt dtn−2 dtn−1
dXn dn y qn−1 (n−1) q0
= n
=− y − · · · − y + f (y, u, t)
dt dt qn q
n
qn−1 q0
= − Xn + · · · + X1 + f (X1 , u, t)
qn qn
Logo ordenando:
dX1
dt = X2
dX2
= X3
dt
dXn−1
dt = Xn
qn−1
dXn
− qqn0 X1 − · · · −
= qn X n + f (X1 , u, t)
dt
ou matricialmente: X = (X1 X2 . . . Xn )t
X˙ 1
0 1 0 ... 0 0
X2
0 0 1 ... 0
0
X3
= Ẋ = .. .. .. .. ..
X + 0
f (X1 , u, t)
. . . . .
..
..
. 0 0 0 ... 1 .
−q0 −q1 −q2 −qn−1
Xn qn qn qn ... qn 1
Logo y = [1 0 0 . . . 0]X
qi (t)
= ai = cte e f (u, X1 , t) = f (u) = βu
qm (t)
0 1 0 ... 0 0
0 0 1 ... 0 0
.. .. .. .. ..
0
Ẋ
= . . . . .
X + u
..
0 0 0 ... 1 .
−a0 −a1 −a2 . . . −an β
y = [1 0 0 . . . 0]X
F e
Figura 5.2: Sistema mola amortecedor.
(
Ẋ1 = X2
b k F (t)
Ẋ2 = ë = − m ė − me + m
Assim:
(
Ẋ1 = X2
k b 1
Ẋ2 = − m X1 − m X2 + m F (t)
˙ #
" " #" # " #
X 1 0 1 X1 0
= + F (t)
X 2 −k/m −b/m X2 1/m
" #
h i X
1
y = 1 0
X2
5.2. REPRESENTAÇÃO DE ESTADOS 107
Caso Discreto: No caso discreto procede-se de igual forma que no caso contínuo. As variáveis
de estado são definidas como
Exemplo: O modelo matemático do crescimento de uma população de coelhos pode ser colocado
como:
onde y(n) é o número de coelhos existentes e u(n) é o número de coelhos nascidos. Para obter as
equações de estado definimos:
(
X1 (n) = y(n)
X2 (n) = y(n + 1)
Assim:
X1 (n + 1) = y(n + 1) = X2 (n)
X2 (n + 1) = y(n + 2) = y(n + 1) + y(n) + u(n) = X2 (n) + X1 (n) + u(n)
Assim:
" #
h i X1 (n)
y(n) = 1 0
X2 (n)
Caso Geral: No caso mais geral onde o sistema linear ou linearizado invariante no tempo tem
equação do tipo
108 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
e grau de P ≥ 1 as equações de estado devem ser obtidas de forma diferente. Isto pois no segundo
membro da equação de estados não podem aparecer derivadas (diferenças) da entrada. Rearanjando
a equação do sistema para ter coeficiente unitário em y (N ) , temos para o caso contínuo:
(Como em sistemas físicos grau P ≤ grau Q, temos que qualquer dos pi i = 0, . . . , N podem ser
nulos.)
X1 = y(t) − pN u
X2 = dX
dt − α1 u
1
dXN −1
XN = dt − αN −1 u
onde:
α1 = pN −1 − qN −1 pN
α2 = (pN −2 − qN −2 pN ) − qN −1 α1
α3 = (pN −3 − qN −3 pN ) − qN −2 α1 − qN −1 α2
..
.
αN = (p0 − q0 pN ) − q1 α1 − q2 α2 − · · · − qN −1 αN −1
Ẋ1 = X2 + α1 u
Ẋ2 = X3 + α2 u
.. .
ẊN −1 = XN + αN −1 u
ẊN = −q0 X1 − q1 X2 − . . . − qN −1 XN + αN u
y(t) = X1 + pN u
0 1 0 0 ... 0 α1
0 0 1 0 ... 0 α2
.. .. .. .. .. ..
α3
Ẋ = . . . . . .
X + u
..
0 0 0 0 ... 1 .
−q0 −q1 −q2 −q3 . . . −qn−1 αN
y = [1 0 0 . . . 0]X + pN u
vR vC
R C
u vL
i L
d2 y dy d2 u
+ 2 + y =
dt2 dt dt2
Obtemos:
(
p 2 = 1 p1 = 0 p 0 = 0
q2 = 1 q1 = 2 q0 = 1
e N = 2. Assim:
(
Ẋ1 = X2 + α1 u
Ẋ2 = −X1 − 2X2 + α2 u
com
(
X1 = y − u
X2 = dX
dt − α1 u
1
α1 = p1 − q1 p2 = 0 − 2.1 = −2
α2 = (p0 − q0 p2 ) − q1 α1 = (0 − 1) − 2(−2) = 3
Ẋ1
= X2 − 2u
Ẋ2 = −X1 − 2X2 + 3u
y = X1 + u
" # " #
Ẋ 0 1 −2
= X+ u
−1 −2 3
y = [1 0]X + u
Exemplo: Discreto
(
p 2 = 0 p1 = 1 p 0 = 0
q2 = 1 q1 = 1 q0 = 2
e N = 2. Escolhendo:
(
X1 (n) = y(n) − p2 u = y(n)
X2 (n) = X1 (n + 1) − α1 u
onde
(
α1 = 1 − 1.0 = 1
α2 = −1.1 = −1
X1 (n + 1) = X2 (n) + u(n)
X2 (n + 1) = −2X1 (n) − X2 (n) − u(n)
y(n) = X1 (n)
resultando:
Exemplos de sistemas e de definição dos estados: (1) No exemplo do circuito RLC temos que os
sinais do sistema são:
5.2. REPRESENTAÇÃO DE ESTADOS 111
• entrada u ε <
• saída y ε <
• estado x ε <2
(2) No exemplo do sistema mecânico massa-mola-amortecedor temos também que x ε <2 . Espaço
de estados é <2 .
São os sistemas onde o espaço de estados tem dimensão finita e são representados pelas equações
abaixo:
(
ẋ(t) = f (x(t), u(t), t)
caso cont:
y(t) = g (x(t), u(t), t)
(
x(n + 1) = f (x(n), u(n), n)
caso disc:
y(n) = g (x(n), u(n), n)
u
= entrada do sistema
e onde: y = saída do sistema
x = vetor de estados do sistema
Este mapa é chamado de mapa de transição de estados do sistema, pois determina por onde transita
o estado x(t).
1
Usando a equação de malha ⇒ u = Ri + y, considerando q = carga no capacitor, temos: y = C q.
Logo u = Rq̇ + C1 q é a equação diferencial. Usando estado x = q
112 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
R
u C y
i
(
1 1
ẋ = − RC + Ru
1
y = Cx
A solução da equação diferencial de estados para condições iniciais nulas em t = t0 dadas por x(t0 ):
−(t−t0 ) 1
Z t −(t−τ
x(t) = e RC x(t0 ) + e RC u(τ )dτ
R t0
Linearidade:
Definição 28 O sistema representado por equações de estado com regra R, R ⊂ uXyXx é linear
se são lineares os espaços x,u,y .
(
ẋ(t) = A(t)x(t) + B(t)u(t)
cont:
y(t) = C(t)x(t) + D(t)u(t)
(
x(n + 1) = A(n)x(n) + B(n)u(n)
disc:
y(n) = C(n)x(n) + D(n)u(n)
5.2. REPRESENTAÇÃO DE ESTADOS 113
com A, B, C e D matrizes de elementos complexos ou reais, é linear. No caso contínuo A(t), B(t),
C(t) e D(t) devem ser funções contínuas e limitadas ∀ t ε <.
Invariância no Tempo
Definição 29 O sistema representado por equações de estado com regra R ⊂ uXyXx é invariante
no tempo se R verifica:
se (u,y,x) ε R então σ θ u, σ θ y, σ θ x ε R ∀ θ ε T.
(
ẋ(t) = f (x(t), u(t))
cont:
y(t) = g (x(t), u(t))
(
x(n + 1) = f (x(n), u(n))
disc:
y(n) = g (x(n), u(n))
(
ẋ(t) = A(t)x(t) + B(t)u(t)
cont:
y(t) = C(t)x(t) + D(t)u(t)
(
x(n + 1) = A(n)x(n) + B(n)u(n)
disc:
y(n) = C(n)x(n) + D(n)u(n)
(
x(t + T ) = Ax(t) + Bu(t)
t ε Z(T )
y(t) = Cx(t) + Du(t)
Não é objetivo deste curso aprofundar nestes assuntos. Veremos então como é possível obter
de forma sistemática uma equação de estados a partir da equação diferencial ou a diferenças do
sistema. Veremos também como estas equações poderiam ser implementadas usando blocos básicos
a nível de hardware ou software para simulação.
(
1 1
ẋ = − RC x+ Ru
1
y = Cx
1
então as "matrizes"são A = − RC , B = R1 , C = C1 , D = 0. Se tivessemos escolhido como estado a
tensão no capacitor vC = x teríamos como equações:
u = Ri + vC = Rq̇ + vC = RC v̇C + vC
(
1 1
ẋ = − RC x+ RC u
Assim:
y = x
1 1
onde A = − RC ,B= RC , C = 1, D = 0 e obtivemos outra quadrupla de matrizes.
5.3. REALIZAÇÃO DE SISTEMAS DIFERENCIAIS/A DIFERENÇAS COMO SISTEMAS DE EQUAÇÕES D
Vejamos como implementar a simulação analógica deste sistema usando integradores, ganhos e
somadores:
x0
x gx Ganho g
g
u2
u1
+ Soma algebrica
u1+u2−u3
+
−
u3
1/RC
Para o caso 2
x0
u + .x x y
1/RC 1
−
1/RC
Que permite uma implementação analógica da dinâmica do sistema. Antes de ver um exemplo
discreto, formalizaremos a idéia:
(
P (λ) = p0 + p1 λ + · · · + pN λN
Q(λ) = q0 + q1 λ + · · · + qN λN
(
ẋ(t) = Ax(t) + Bu(t)
cont:
y(t) = Cx(t) + Du(t)
116 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
(
x(n + 1) = Ax(n) + Bu(n)
disc:
y(n) = Cx(n) + Du(n)
onde:
−qN −1 1 0 · · · 0 pN −1 − qN −1 pN
−qN −2 0 1 · · · 0
pN −2 − qN −2 pN
A= .. .. .. ..
B= ..
. . . ··· . .
−q1 0 0 ··· 1 p1 − q 1 p N
−q0 0 0 ··· 0 p0 − q 0 p N
h i
C= 1 0 ··· 0 D = pN
Usando blocos integrador e ganhos no caso contínuo e blocos atraso e ganhos no caso discreto,
pode-se representar o sistema como:
Caso contínuo:
+ .x n + + + y
xn x n−1 x1
+ + +
− − −
Caso discreto:
u
+ + + + y
σ xn Atraso xn Atraso x n−1 Atraso x1
+ + +
− − −
Observações:
(
ẋi = −qN −i x1 + xi+1 + (pN −i − qN −i pN ) u
y = x1 + pN u
5.3. REALIZAÇÃO DE SISTEMAS DIFERENCIAIS/A DIFERENÇAS COMO SISTEMAS DE EQUAÇÕES D
obtém-se:
que resulta em
u
p(n−i) x0i
x(i+1)
+ .x xi
+ i
−
q(n−i)
(2) Esta não é a única forma de obter uma realização. Como foi visto no item 5.2, pode-se obter
para o sistema Qy = P u, as matrizes (A, B, C, D) seguintes:
0 1 0 ··· 0 α1
0 0 1 ··· 0
α2
A= .. .. .. ..
B= α3
. . . ··· .
..
0 0 0 ··· 1 .
−q0 −q1 −q2 · · · −qN −1 αN
h i
C= 1 0 ··· 0 D = pN
com αi = pN −i − qN −i pN − qN −i αi−1
118 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
No diagrama temos:
αN α(N−1) α1 PN
−+ + + + xN−1 x2 + x1 + y
.x
N +
q(n−1)
q(n−2)
+
q1
q0
Logo
P (λ) = b2 λ2 + b1 λ
Q(λ) = λ2 − a1 λ − a0
(
q2 = 1 q1 = −a1 q0 = −a0
p2 = b2 p1 = b1 p0 = 0
" # " #
x(n + 1) = a 1 1 b 1 + a1 b 2
x(n) + u(n)
a 0 a0 b2
h 0 i
y(n) = 1 0 x(n) + b2 u(n)
5.4. SOLUÇÃO DAS EQUAÇÕES DE ESTADO LINEARES INVARIANTES NO TEMPO 119
u
b1 b2
τ x2 x2
+ τ x1 at x1 y
at
−
+a0 −a1
( (
ẋ(t) = Ax(t) + Bu(t) x(n + 1) = Ax(n) + Bu(n)
y(t) = Cx(t) + Du(t) y(n) = Cx(n) + Du(n)
Para obter a evolução do estado no tempo, é necessário resolver uma equação diferencial ou a
diferenças de primeira ordem. Já para obter y, basta uma simples operação de soma de sinais.
Estudaremos então a solução da equação:
No caso discreto a solução é muito simples e pode ser obtida por cálculos sucessivos a partir de
x(0) = x0 e u(n).
n−1
X
n
x(n) = A x(0) + An−1−i Bu(i)
i=0
n−n0 −1
An−n0 −1−m Bu(m)
X
x(n) = An−n0 x(n0 ) + ∀ n ≥ n0
m=0
Se comparamos esta solução com a obtida no capítulo 4 para um sistema a diferenças de primeira
ordem dado por:
n−n0 −1
an−n0 −1−m bu(m)
X
X(n) = an−n0 X(n0 ) +
i=0
Observa-se ainda que a solução possui dois termos: um primeiro dependente da solução da
homogênea (ou para entrada zero) e uma segunda solução da particular (ou para sistema inicialmente
em repouso).
Ainda pode-se observar que a função matricial An aparece, de igual forma que no caso escalar,
como a resposta impulsiva do sistema. Pode-se ver que existe um polinômio Q(λ) associado à
equação a diferenças vetorial:
Esta função An ou An−n0 no caso mais geral, é chamada de matriz de transição de estados.
Normalmente é notada como φ(t, t0 ) no caso contínuo e φ(n, n0 ) no caso discreto. Para o caso
contínuo, o problema pode ser analisado de forma similar obtendo-se:
φ(t, t0 ) = eA(t−t0 )
Lembrando que a base de soluções para o caso contínuo era eλ(t−t0 ) para λ = raíz de Q(λ).
A matriz φ(t, t0 ) ou φ(n, n0 ) leva o nome de matriz de transição de estados, pois conhecendo
φ e o estado inicial X0 , é possível "transitar"pelo espaço de estados evoluindo com x(t) ou x(n).
Observa-se que a solução da homogênea é:
5.4. SOLUÇÃO DAS EQUAÇÕES DE ESTADO LINEARES INVARIANTES NO TEMPO 121
Nota: (1) Para o cálculo de φ(t, t0 ) no caso contínuo, pode ser utilizada a relação:
1 2 1
eM = I + M + M + M3 + · · ·
2! 3!
Exemplo: Equação do carro. Aplica-se uma forca impulsiva F . Considera-se um atrito de-
sprezível.
d2 x
Assim m =F
dt2
" # " #
( 0 1 0
Ẋ = X + F
Ẋ1 = X2
0 0 1/m
F ⇒
Ẋ2 = m h i
y = 1 0 x
122 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
1 2
φ(t, t0 ) = I + A(t − t0 ) + A (t − t0 )2 + · · ·
2!
" # " #
1 0 0 1
φ(t, t0 ) = I + A(t − t0 ) = + (t − t0 )
0 1 0 0
" #
1 t − t0
φ(t, t0 ) = t ≥ t0 t ε <
0 1
(
x(t0 ) = x0 = X10
v(t0 ) = v0 = X20
temos
(
X1 (t) = X10 + X20 (t − t0 ) ⇒ deslocamento crescente
X2 (t) = X20 ⇒ velocidade cte
d2 x dx
que é a solução que obteríamos resolvendo a equação original homogênea dt2
= 0 ⇒ dt = cte
= v0 = X20
é dada por:
n−1
X
x(n) = φ(n, n0 )x(n0 ) + φ(n, k + 1)Bu(k) se n0 ≤ n − 1
k=n0
Z t
x(t) = φ(t, t0 )x(t0 ) + φ(t, τ )Bu(τ )dτ cont
t0
" #
Z t x10
At A(t−τ )
x(t) = e x(0) + e BF (τ )dτ x(0) =
0 x20
" # Z t" #" #
1 t 1 t−τ 0
= x(0) + F0 dτ
0 1 0 0 1 1/m
" # Z t" #
1 t F0 t−τ
= x(0) + dτ
0 1 m 0 1
" # " #
1 t F0 t2 /2
= x(0) +
0 1 m t
(
F0 2
x1 (t) = x10 + x20 t + 2m t
x2 (t) = x20 + Fm0 t
d2 x F
que está de acordo com o movimento de um carro de aceleração constante dt2
= m.
Para finalizar este item, colocaremos a forma da solução para o caso de sistemas amostrados.
Sistemas Amostrados
(
x(t + T ) = Ax(t) + Bu(t)
tεT
y(t) = Cx(t) + Du(t)
124 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
t−t0
a matriz de transição de estados é φ(t, t0 ) = A T t ≥ t0 e a solução é:
X t ≥ t0
x(t) = φ(t, t0 )x(t0 ) + φ(t, τ + T )Bu(τ )
tεT
t0 ≤ τ < t
τ ε Z(T )
Z t
A(t−t0
x(t) = e x(t0 ) + eA(t−τ ) bu(τ )dτ
t0
Z (K+1)T
x((K + 1)T ) = e AT
x(KT ) + eA((K+1)T −τ ) bu(KT )dτ
KT
"Z #
(K+1)T
AT A((K+1)T −τ )
=e x(KT ) + e dτ bu(KT )
KT
"Z #
(T
AT A(T −σ)
x((K + 1)T ) = e x(KT ) + e dσ bu(KT )
0
R (T
onde: Ad = eAT e bd = 0 eA(T −σ) dσb
por outro lado a equação de saída se mantem igual ao caso contínuo, e com as mesmas matrizes:
5.4. SOLUÇÃO DAS EQUAÇÕES DE ESTADO LINEARES INVARIANTES NO TEMPO 125
∞
(AT )2 X (AT )i
Ad = eAT = I + AT + + ... =
2 i=0
i
e sustituindo na equação de bd :
∞ ∞
T X (Ax)i Ai T i+1
Z X
bd = dx b = b
0 i=0
i! i=0
(i + 1)
Na implementação destes algoritmos calculam-se as expressões acima passo a passo ate que a difer-
ença entre um valor e o anterior seja menor que um dado erro.
Saída do Sistema
Em todos os casos a equação de saída é y = CX + Du. Com isso a saída pode ser calculada
como:
onde
Z ∞
yestado zero (t) = h(t − τ )u(τ )dτ
t0
∞
X
yestado zero (n) = h(n − k)u(k)
k=n0
Observação: No caso monovariável estudado h(t) e h(n) são funções escalares. Porém este
resultado é geral, isto é, aplica-se ao caso de sistemas multivariáveis e h denomina-se matriz resposta
impulsiva.
" # " #
x(n + 1) = a1 1 b 1 + a1 b 2
x(n) + u(n)
a0 0 a0 b2
h i
y(n) = 1 0 x(n) + b2 u(n)
Assim temos:
5.4. SOLUÇÃO DAS EQUAÇÕES DE ESTADO LINEARES INVARIANTES NO TEMPO 127
" #" #
h i 1 1 2
h(n) = 1 0 1(n − 1) + ∆(n) = 21(n − 1) + ∆(n)
0 0 0
" # " #
At 1 t h i 0
e = C= 1 0 B= D=0
0 1 1/m
Assim temos:
" #" #
h i 1 t 0 1
h(t) = 1 0 1(t) = t1(t)
0 1 1/m m
t
h(t) = 1(t) tε<
m
Observamos que se usamos uma entrada Força tipo degrau 1(t)F0 , a saída para estado zero:
F0
Z ∞ F0
Z t
y = h(t) ∗ 1(t)F0 = (t − τ )1(t − τ )1(τ )dτ = (t − τ )dτ
m −∞ m 0
! t !
F0 τ2 F0 t2
2 F0 2
= tτ − = t − = t
m 2 0
m 2 2m
t−t0
yent zero = CA T x(t0 )
X t−τ −T τ ε Z(T )
yest zero = CA T Bu(τ )
t ε Z(T )
t0 ≤ τ < t
τ ε Z(T )
128 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
1
t−t0
h(t) = CA T B1(t − T ) + D∆(t) t ε Z(T )
T
Como já vimos, a escolha do estado não é única. Em geral é possível, dentro do espaço de estados,
encontrar diferentes vetores que se relacionam por transformações não singulares. Formalmente para
dois vetores de estado x e x0 :
( (
ẋ = Ax + Bu ẋ0 = A0 x0 + B 0 u
y = Cx + Du y = C 0 x0 + D0 u
( (
x(n + 1) = Ax(n) + Bu(n) x0 (n + 1) = A0 x0 (n) + B 0 u(n)
y(n) = Cx(n) + Du(n) y(n) = C 0 x0 (n) + D0 u(n)
onde A0 = V −1 AV , B 0 = V −1 B, C 0 = CV e D0 = D.
Estas relações entre (A,B,C,D) e (A0 ,B 0 ,C 0 ,D0 ) são facilmente obtidas substituindo x = V x0
nas equações originais:
ẋ = V ẋ0 = AV x0 + Bu
ẋ0 = V −1 0
| {zAV} x + V
−1
| {z B}
A0 B0
CV x0 + |{z}
y = Cx + Du = |{z} D u
C0 D0
u u
x y x’ y
Com isso é claro que a resposta impulsiva do sistema não se altera ao mudar o estado. Logica-
mente a matriz de transição de estados se altera e vale:
φ0 = V −1 φV
Para interpretar melhor a evolução dinâmica do sistema, pode-se escolher uma representação
de estados especial, onde a matriz do sistema A tenha forma diagonal. Para isso, calculam-se os
autovalores e autovetores da matriz A.
λ = autovalor se det(λI − A) = 0
v = autovetor associado a λ ⇒ Av = λv
V = [v1 v2 . . . vn ]
λ1 0 0 0
0 λ2 0 0
A0 =
..
0 0 . 0
0 0 0 λn
Esta representação é importante para analisar o sistema, pois a equação ẋ0 = A0 x0 , transforma-se
num conjunto de n equações ẋi 0 = λi x0 onde cada uma terá uma solução homogênea xi = eλi t xi (0)
associada ao autovalor λi . Além disso existem duas relações importantes na operação deste tipo de
matrizes:
eλ1
λi1 0
0 0 0 0 0
0 0
eλ2 0 0 0 λi2
0 0
eA = Ai =
..
..
0 0 . 0
0 0 . 0
0 0 0 λ
e n 0 0 0 λin
( i
Ai = V −1 Ai V
0 −1
se A = V AV ⇒ 0
eA = V −1 eA V
130 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
o que permite analisar de maneira mais simples o comportamento do sistema linear. Para a matriz
de transição de estados tem-se:
0
φ(t, t0 ) = eA(t−t0 ) = V eA (t−t0 ) V −1 t, t0 ε <
Neste caso como o sistema está representado pela sua dinâmica interna, teremos que considerar
a estabilidade de forma diferente. Além de considerar as definições de estabilidade ELSL e ECSC,
devemos considerar:
Como já vimos, as soluções da equação de estados dependem dos autovalores da matriz e por
tanto coloca-se
• As CNeS para que toda solução da equação Ẋ = AX t ε < ou X(n + 1) = AX(n) n ε Z seja
limitada para todo tempo t ≥ t0 ou n ≥ n0 e para toda condição inicial são:
1. Todo autovalor de A tem parte real negativa ou nula (módulo menor ou igual a 1)
2. Se Re(λ) = 0 (| λ |= 1) e sua multiplicidade é m, deve ter m autovetores linearmente
independentes. (A diagonalizável)
• A CNeS para que toda solução de Ẋ = AX t ε < ou X(n+1) = AX(n) n ε Z seja convergente
à zero para t → ∞ (n → ∞) é que todo autovalor de A verifique:
Re(λ) < 0 (contínuo)
| λ |< 1 (discreto)
n
X
x(n) = An x(0) + h(n − k)u(k) n≥0
| {z }
k=0
homog | {z }
particular
λ1n−1
0 0 0
n−1
−1
0 λ 2 0 0
An−1 = V
V
..
0 0 . 0
0 0 0 λnn−1
Esta condição é então suficiente para estabilidade ELEL e ECEC, e necessária e suficiente para
estabilidade-ECEC. Com autovalor de módulo 1 e multiplicidade 1 podemos ter estado limitado.
Veja por exemplo o sistema:
x(n + 1) = x(n)
Assim as condições para estabilidade ELSL e ECSC são as mesmas que para estabilidade ELEL e
ECEC respectivamente.
Proposição 5.9
( (
Ẋ = AX + Bu X(n + 1) = AX(n) + Bu(n)
y = CX + Du y(n) = CX(n) + Du(n)
132 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
Além disso esta condição é Necessária e Suficiente para estabilidade ECEC. (o resultado vale para
sistemas amostrados)
Exemplo: Seja o sistema digital de segunda ordem representado pela equação de estados:
(
X(n + 1) = AX(n) + Bu(n)
y(n) = CX(n)
" # " #
1/2 0 1 h i
A= B= C= 1 0
0 ρ 0
" #
(1/2)n 0 h i
An = e C= 1 0
0 ρn
Logo como
5.7. RESPOSTA EM FREQUÊNCIA DE SEE 133
∞
X
(1/2)m−1 1(m − 1)
m=−∞
x2 (n) = ρn x2 (0)
Como a representação de estados não é outra coisa que uma equação diferencial matricial e de
primeira ordem, todas as conclusões obtidas no capítulo 4 para sistemas diferenciais, é válida aqui
considerando equações matriciais e não escalares. Também vale a mesma análise para sistemas
discretos. Assim:
( ( !
Ẋ = AX + Bu X(n + 1) = AX(n) + Bu(n)
y = CX + Du y(n) = CX(n) + Du(n)
com autovaloresde A com Re(λ)< 0 (| λ |< 1). Assim o sistema tem resposta ao sinal harmônico
u(t) = u0 ej2πf t u(n) = u0 ej2πf n dado por y(t) = ĥ(f )u0 ej2πf t y(n) = ĥ(f )u0 ej2πf n e a matriz
resposta em frequência ĥ(f ) vale:
Z ∞
ĥ(f ) = h(t)e−j2πf t dt t, f ε <
−∞
∞
h(n)e−j2πf n
X
ĥ(f ) = n ε Z, f ε <
n=−∞
134 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
e vale que
−1
ĥ(f ) = C ej2πf I − A B+D disc
Observações:
1. Fala-se de matriz de resposta em frequência do sistema, pois em geral pode-se ter mais de
uma entrada e/ou mais de uma saída. (nestes casos u0 = vetor)
2. Para nosso curso, sempre u0 = escalar e por tanto ĥ(f ) coincide com a função resposta em
frequência calculada no capítulo 4 por outros métodos.
" # " #
0 1 0 h i
A= B= C= −1 −2 D=1
−1 −2 1
−4π 2 f 2
ĥ(f ) =
1 − 4π 2 f 2 + j4πf
d2 y R dy 1 d2 u
+ + y =
dt2 L dt LC dt2
com L = 1, C = 1 e R = 2
Transformadas de Laplace, Z e
Aplicações.
O estudo de sistemas através da sua resposta no tempo tendo como base as equações diferenciais
pode resultar muito útil em determinadas situações, sobre tudo quando os sistemas apresentam
caraterísticas não lineares. Porém, no caso de sistemas lineares e invariantes no tempo, o estudo
pode ser bastante simplificado transformando-se as equações diferenciais em equações algébricas
relacionando a entrada e a saída do sistema. Esta transformação pode ser obtida utilizando a
transformada de Laplace.
A transformada de Laplace do sinal contínuo x(t), t ∈ < é uma função da variável complexa
s = σ + jω definida por:
Z ∞
L (x(t)) = X(s) = x(t)e−st dt s∈E ⊂C (6.1)
0
onde E é o conjunto de números complexos para os quais a integral converge. Esta região E é
chamada de região de existência de X(s).
(
e2t t ≥ 0
Exemplo: x(t) =
0 t<0
135
136 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
Z ∞ Z ∞ 1 ∞
X(s) = x(t)e−st dt = e2−s dt = e2−s t
0 0 2−s 0
1
X(s) = ∀ s tal que Re{(s)} ≥ 2
s−2
X(s) não existe se Re(s) < 2 pois e(2−s)t → ∞ quando t → ∞
σ
0 2
Z ∞
De forma geral pode-se colocar que: X(s) existe se x(t)e−st dt é acotada.
0
Esta restrição poderia trazer problemas na hora de aplicar os conceitos á solução de sistemas
lineares. Porém existe um teorema de variável complexa que permite adotar a função X(s) como
transformada de x(t) para todo s. Este teorema é chamado de continuidade analítica. Esta gen-
eralização da transformada permite considerar a região de existência como todo o plano complexo
menos os pontos onde o denominador de X(s) é nulo.
Ela permite transformar equações diferenciais em equações algébricas e simplificar assim o estudo
de sistemas. Veremos as propriedades que permitem esta simplificação:
Linearidade:
Translado:
Função Impulso:
L [δ(t)] = 1 (6.4)
h i
L x(t)e−αt = X(s + α) onde X(s) = L [x(t)] (6.5)
Teorema da diferenciação:
dx(t)
L = sX(s) − x(0) onde X(s) = L [x(t)] (6.6)
dt
e generalizando
dn x(t) di x
L n
= sn X(s) − sn−1 x(0) − sn−2 x0 (0) − · · · − x(n−1) (0) onde xi (0) = i (6.7)
dt dt t=0
dx
Se x(t) e são transformáveis, segundo Laplace, se limt→∞ x(t) existe e se sX(s) é analítica
dt
no semi plano direito que inclui o eixo jω, exceto por uma raiz simples na origem (s = 0) , então:
dx
Se x(t) e são transformáveis segundo Laplace e se lims→∞ sX(s) existe, então:
dt
Teorema da Integração:
X(s) 1
Z Z
L x(t)dt = + x(t)dt (6.10)
s s t=0
Importante: Sempre que a função x(t) inclua impulsos na origem δ(t) a transformada da função
Z 0+
será diferente para 0+ e 0− e deve-se distinguir o resultado. Observar que: x(t)e−st dt 6= 0 se
0−
x(t) possui δ(t).
É a transformada que permite achar uma função x(t) a partir da sua expressão em variável
complexa X(s).
e vale:
1
Z c+j∞
x(t) = X(s)est ds (t > 0) (6.12)
2πj c−j∞
Uso de Tabelas
B(s)
X(s) =
A(s)
onde A(s) e B(s) são polinômios em s. Logo achando as raízes de A(s) é possível compor X(s) em
frações parciais onde aparecem três tipos de termos característicos:
B(s) αi
X(s) = = +
A(s) s + pi
| {z }
raiz simples
a1 s + b1
+
(s + p2 )(s + p∗2 )
| {z }
par complexo conjugado
cr cr−1 c1
r
+ r−1
+ ··· +
(s + p4 ) (s + p4 ) (s + p4 )
| {z }
raiz com multiplicide r
B(s)
αi = (s + pi )
A(s) s=−pi
B(s)
(a1 s + b1 )s=−p2 = (s + p2 )(s + p∗2 )
A(s) s=−p2
e os cr−i como:
" #
1 di B(s)
cr−i = (s + p4 )r i = 0, 1, . . . , r − 1
i! dsi A(s) s=−p4
Exemplo:
140 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
1
X(s) =
(s + 1)(s + j)(s − j)(s + 2)2
Logo
α1 as + b c2 c1
X(s) = + + +
s + 1 (s + j)(s − j) (s + 2)2 (s + 1)
1 1 1
α1 = (s + 1) = = =α
(s + 1)(s + j)(s − j)(s + 2)2 s=−1 (−1 + j)(−1 − j) 2
1 1
(as + b)|s=j = (s + j)(s − j) =
(s + 1)(s + j)(s − j)(s + 2)2 s=j (j + 1)(j + 2)2
(1 − j)(2 − j)2 1 1
aj + b = = (1 − j)(3 − 4j) = [(3 − 4) + j(−7)]
(2)5.5 50 50
−1 7 1 7
aj + b = − j a=− b=−
50 50 50 50
1 1 −1
c2 = c2−0 = (s + 2)2 =
0! (s + 1)(s + j)(s − j)(s + 2)2 s=−2 5
1 d 1
c1 = c2−1 =
1! ds (s + 1)(s + j)(s − j) s=−2
1 1
c1 = c2 = −
5 5
1 1 1 (s + 7) 1 1 1 1
X(s) = − + −
2 s + 1 50 (s + j)(s − j) 5 (s + 2) 5 (s + 2)2
6.1. A TRANSFORMADA DE LAPLACE 141
Seja uma equação diferencial linear e a coeficientes constantes, representando um sistema físico
linear e invariante no tempo:
d
Q(D)y = P (D)u D= (.)
dt
onde
(
y(t) = saída
u(t) = entrada
L [Q(D)y] = L [P (D)u]
h i h i
L qn Dn y + qn−1 Dn−1 y + · · · + q1 Dy + q0 y = L pm Dm u + pm−1 Dm−1 u + · · · + p0 u
qn sn Y (s) + qn−1 sn−1 Y (s) + · · · + q0 Y (s) = pm sm U (s) + pm−1 sm−1 U (s) + · · · + p0 U (s)
ou
P (s)
Y (s) = U (s)
Q(s)
Logo, conhecida u(t), calcula-se U (s) e enseguida Y (s) e utilizando a transformada inversa, y(t).
No caso de condições iniciais não nulas a solução estara composta por duas partes: uma que depende
de U (s) e outra das condições iniciais.
142 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
e aplicando as propriedade da derivada a cada termo e agrupando os termos que dependem de U (s)
e de Y (s) resta um termo dependente apenas das condições iniciais. Ilustraremos isto com alguns
exemplos.
6.1.5 Exemplos
Exemplo 1
como neste caso a condição inicial é zero (lembrar que h é um valor incremental), temos:
√
K1 K2 Ho
S S
h(s) = K2√Aso
ae (s) + K2√Aso
as (s)
s+ 2S Ho
s + 2S Ho
Exemplo 2
ou seja:
1/C
Y (s) = U (s)
s + 1/RC
Exemplo 3
R
J
Tc
L
W B
V
d2 ω dω
J +B + Tc = Tm Tm = Kia
dt dt
dia
L + Ria + ea = V ea = Km ω
dt
Aplicando transformada de Laplace para CI nulas:
Ls + R K
ω(s) = V (s) + Tc (s)
(Ls + R)(Js + B) + Km K Ls + R
Da mesma forma que no caso contínuo, a análise de sistemas discretos pode ser feita atraves das
transformadas. Para transformar uma equação à diferenças nos sinais de entrada e saída dum
sistema numa equação algébrica é intoduzida a transformada Z.
144 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
X(z) = Z{x}
dada por:
∞
x(n)z −n
X
X(z) = z ε ζ1 ⊂ C
n=0
ζ1 = {z ε C, | z |> ρ}
Exemplos:
(
an n≥0
x(n) =
qualquer n < 0
∞
X z
X(z) = an z−n = | z |>| a |
0
z−a
Se a = 1 ⇒ x(n) = 1 n ≥ 0 e obtemos
z
X(z) = = Z {1(n)}
z−1
(a) Linearidade
Z {ax + by} = aX + bY
(b) Deslocamento
6.2. A TRANSFORMADA Z E APLICAÇÕES. 145
com z/a ε ζ, n ε Z, a ε C e a 6= 0.
dX(z)
Z {−nx(n)} = z zεζ
dz
lim x(n)
n→∞
Nota: Este teorema é muito importante para teoria de controle, pois permite quando válidas
suas hipóteses, calcular valores de regime permanente de sinais.
z
Porém X(z) = z−a
z
lim (z − 1)X(z) = = 1/(1 − a) 6= lim x(n)
z→1 z−a n→∞
Exemplo:
dX(z)
Z {−n1(n)} = z
dz
d z z
Z {n1(n)} = −z = | z |> 1
dz z−1 (z − 1)2
Transformada da rampa:
z
| z |> 1
(z − 1)2
Redução
Para usar redução basta aplicar as propriedades das transformadas e o conhecimento de pares
transformados básicos usualmente em tabelas.
1
X(z) = | z |> 1
z2 − 1
A B
X(z) = +
z−1 z+1
z−1 1 z+1 1
A= 2
|z=1 = B= 2
|z=−1 = −
z −1 2 z −1 2
Logo
1/2 1/2 1 z 1 z
X(z) = − = z −1 − z −1
z−1 z+1 2 z−1 2
| {z }
z+1
| {z }
(1)n 1(n) (−1)n 1(n)
(
1 1 1 ∀ n par n≥2
x(n) = 1(n − 1) + (−1)n 1(n − 1) =
2 2 0 ∀ outro n
1 z −2 1
= −2
= z −2
2
z −1 1−z 1 − z −2
Logo
1
= z −2 1 + z −2 + z −4 + · · · = z −2 + z −4 + · · ·
z −2−1
∞
1
x(n)z −n
X
=
z 2 − 1 n=−∞
onde
(
1 se n ≥ 2 e par
x(n) =
0 em outro caso
Seja uma equação à diferenças linear e a coeficientes constantes, representando um sistema linear
e invariante no tempo:
onde
(
y(k) = saída
u(k) = entrada
Z [Q(σ)y] = Z [P (σ)u]
6.2. A TRANSFORMADA Z E APLICAÇÕES. 149
h i h i
Z qn σ n y + qn−1 σ n−1 y + · · · + q1 σy + q0 y = Z pm σ m u + pm−1 σ m−1 u + · · · + p0 u
qn z n Y (z) + qn−1 z n−1 Y (z) + · · · + q0 Y (z) = pm z m U (z) + pm−1 z m−1 U (z) + · · · + p0 U (z)
ou
P (z)
Y (z) = U (z)
Q(z)
Logo, conhecida u(k), calcula-se U (z) e enseguida Y (z) e utilizando a transformada inversa, y(k).
No caso de condições iniciais não nulas a solução estara composta, da mesma forma que no caso
contínuo, por duas partes: uma que depende de U (z) e outra das condições iniciais. Ilustraremos
isto com alguns exemplos.
6.2.5 Exemplos
Exemplo 1
Considera-se um algoritmo de controle discreto onde a lei implementada pelo computador tem por
objetivo aplicar un sinal igual à integral do erro entre o sinal de referência e a saída:
O cálculo da integral do erro pode ser aproximada pela somatoria dos valores do erro multiplicados
pela largura do tempo entre k e k + 1, que para simplificar consideraremos igual a 1.
k
X
u(k) = e(i)
0
Exemplo 2
Qual à diferença com o exemplo anterior se o algoritmo é do tipo proporcional mais integral?
u(k) = Ke(k)
U (k) = KE(z) = K(Yr (z) − Y (z))
Yr (z) − Y (z)
U (z) = K(Yr (z) − Y (z)) +
(1 − z −1 )
e finalmente:
1
U (z) = (K + ((Yr (z) − Y (z))
(1 − z −1 )
Baseada nas propriedades das transformadas Z e L, é possível relacionar entrada, saída e sistema,
através da seguinte expressão:
Y = H.U
onde
6.3. SOLUÇÃO DE PROBLEMAS COM TRANSFORMADAS. 151
• Y é a transformada de y (Z ou L)
• U é a transformada de u (Z ou L)
Assim, a função de transferência é uma forma de representar as relações entre entrada e saída
de um sistema diferencial ou á diferenças linear, invariante no tempo e inicialmente em repouso
(sistema LIIR) no plano transformado S ou Z.
Para calcular H(s) ou H(z) de um sistema LIIR basta usar a linearidade e as propriedade de
diferenciação da transformada de Laplace e a de deslocamento no tempo da transformada Z. Assim:
Z {Q(σ)y(n)} = Z {P (σ)u(n)}
P (z)
Q(z)Y (z) = P (z)U (z) ⇒ Y (z) = U (z)
Q(z)
P (z)
H(z) =
Q(z)
P (s)
H(s) =
Q(s)
Ainda como pode existir cancelamento entre P e Q, a função de transferência do sistema pode ser
colocada como: QM
(λ − zi )
H(λ) = k QNi=1 (6.14)
k=1 (λ − pk )
• zi zeros de H(λ)
• pi pólos de H(λ)
• λ ε C, e M ≤ N
• pi 6= zi ∀i
Esta função de transferência (FT) será definida para todo complexo a menos das raizes do
denominador de H. Por outro lado, assim como é possível obter a função de transferência de um
sistema através das equações diferenciais ou a diferenças que o descrevam, também é possível obte-la
a partir de ensaios experimentais tipo causa-efeito. Dado um sistema S com entrada u e saída y,
se ele é LIIR será possível, pelo menos aproximadamente, estabelecer a função de transferência que
relaciona as transformadas Y e U . Estes ensaios são feitos com sinais padrão e as informações são
obtidas no domínio do tempo ou da frequência.
(a) Forma Mônica: os polinômios numerador e denominador de H(λ) são mônicos, isto é, com
coeficiente de maior grau unitário.
λM + pM −1 λM −1 + · · · + p1 λ + p0
H(λ) = km
λN + qN −1 λN −1 + · · · + q1 λ + q0
(b) Forma Padrão: os polinômios numerador e denominador de H(λ) tem coeficiente de termo
de menor grau unitário.
1 + a1 λ + a2 λ2 + · · · + aM λM
H(λ) = kp
1 + b1 λ + b2 λ 2 + · · · + bN λ N
Supomos um sistema linear representado pela sua FT H(λ). Consideremos uma entrada u(t) tal que
limt→∞ u(t) = U∞ = cte e que o sistema seja estável, isto é, a saída y(t) verificará limt→∞ y(t) =
Y∞ = cte. Assim o ganho estático de H(λ) é definido como:
Y∞
Ke = ganho estático = (6.15)
U∞
caso discreto:
Como o sistema é estável → pólos com | λ |< 1 ⇒ limz→1 H(z) existe. Assim
Implicando:
Y∞
lim H(z) = = Ke (6.16)
z→1 U∞
caso contínuo:
U∞ = lim sU (s)
s→0
Y∞
lim H(s) = = Ke (6.17)
s→0 U∞
2 5(s + 1)
(1)H(s) = (2)H(s) =
1 + 3s s(s + 2)
z+1 z
(3)H(z) = (4)H(z) =
z + 0.5 z+2
154 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
1. Como H(s) tem pólo p = −1/3, o sistema é ELSL-estável e então posso aplicar a relação (8.5)
e obter:
Ke = lim H(s) = 2
s→0
Exemplos:
(a) Calcule a função de transferência entre a potência (P) e a temperatura (T) do forno de
equação diferencial:
dT
+ αT = βP
dt
dT
L + αT = L {βP }
dt
T (s) β β/α
H(s) = = = s ε C, Re(s) > −α
P (s) s+α 1 + s/α
Y (z) (1 − a)z
H(z) = = | z |>| a |
U (z) z−a
As transformadas são apropriadas para o estudo dos sistemas lineares diferenciais ou à diferenças
com condições iniciais. Para aplicar L ou Z nestes sistemas basta lembrar as propriedades de
diferenciação ou atraso no caso de condições iniciais não nulas. O resultado será uma equação
algébrica em Y que permitirá calcular y(t) ou y(n) através da anti-transformada.
Logo substituindo:
h i
Y (z)z z 2 − z + 1 = U (z) + z
1 z
Y (z) = U (z) +
z2
|
− z {z
+1 } |
2
z −{zz + 1}
termo devido a entrada termo devido as cond inic
Os diagramas de blocos são diagramas de fluxo de sinal que permitem representar sistemas
complexos que na prática possuem módulos fisicamente independentes e ou que por simplicidade
levam a uma melhor análise da dinâmica do sistema.
Então, se cada bloco pode ser representado por uma função de transferência, será possível,
usando operações com estes blocos, obter a função H(s) entre duas variáveis qualquer do diagrama.
As três representações básicas destes diagramas mostram-se na figura 6.3. O cálculo das trans-
ferências equivalentes são:
Série: H = H1 .H2
Paralelo: H = H1 + H2
H1
Realimentação: H =
1 + H1 H2
u1 y1 u2 y2
H1 H2
Serie
u1 y1
H1 +
u y
u2 y2 +
H2
Paralelo
r + u1 y1
H1 y
-
y2 u2
H2
Realimentacao
Existem ainda algumas regras que permitem reduzir os diagramas usando translação do ponto de
soma, como mostra-se na figura 6.4.
+ y u + y
u G G
- -
w
1/G w
y
u +
G1
u + y
G -
w
- G2
+ u + + y
u + y
- + + -
v w v
w
H5
R +
+ u + + Y
H1 H2 H3
- -
H4
H6
Y (s) H1 H 2 H3
=
U (s) H2 H3 (H6 H1 − H5 ) + H1 H2 H4 + 1
Função de Transferência
6.3.4 Exemplos
Aplicaremos os conceitos analizados aqui nos sistemas de aquecimento de água, de controle de nível
e de aquecimento com fluxo variável.
Exemplo 1
√
dh K1 K2 Ho as K2 Aso h
= ae − − √
dt S S 2S Ho
158 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
√
K1 K2 Ho
S S
h(s) = K2√Aso
ae (s) + K2√Aso
as (s)
s+ 2S Ho
s + 2S Ho
Exemplo 2:
ou seja:
Y (s) 1/C
=
U (s) s + 1/RC
Exemplo 3:
V +
+ K 1 W
Ls + R + Js + B
-
Km
ω(s) Ls + R
=
Tc (s) (Ls + R)(Js + B) + Km K
6.3. SOLUÇÃO DE PROBLEMAS COM TRANSFORMADAS. 159
Ls + R K
ω(s) = V (s) + Tc (s)
(Ls + R)(Js + B) + Km K Ls + R
160 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
Capítulo 7
Consideremos um sistema com FT H(s) e com condições iniciais nulas. Aplicando um degrau
unitário, obtemos um sinal y(t) tal que limt→∞ y(t) = Y∞ = cte, pois ele é estável.
O transitório de y(t) dependerá das características de H(s), isto é, da posição no plano complexo
dos pólos e zeros da FT.
161
162 CAPÍTULO 7. RESPOSTA NO TEMPO DE SISTEMAS CONTÍNUOS
• tempo de estabelecimento da resposta de 5%, 1%: é o tempo que a resposta leva para atingir
95%, 99% do valor Y∞ , respectivamente. (Nota-se tr5% , tr1% )
• valor do pico máximo da curva (Mp ) e tempo para obtê-lo tp e np caso discreto.
Estas características permitem classificar como boa ou ruim uma resposta de um dado sistema.
Por exemplo, se estamos controlando a temperatura de um forno e não podemos permitir que ela
ultrapasse o valor Y∞ , então uma resposta com Mp > Y∞ será ruim. Da mesma forma a rapidez
com que o sistema se aproxima do valor de regime é outra característica importante.
O problema que se coloca a partir deste estudo é: Como relacionar a resposta y(t) com a função
H(s) ? Este relacionamento pode ser feito de maneira simples para sistemas de primeira e segunda
ordem sem zeros. Já para outros sistemas de ordem maior ou com zeros, a análise é um pouco mais
complexa e será estudada caso a caso. Além disso o estudo dos sistemas de primeira e segunda
ordem tem importância destacada por dois motivos:
1. Muitos sistemas reais podem ser aproximados com bons resultados por sistemas de de primeira
e segunda ordem
2. Todo sistema pode ser fatorado (usando frações parciais), como sistemas de primeira e segunda
ordem
y(t) = Ke 1 − e−t/τ
com Ke = ganho estático, τ = cte de tempo e τ > 0. Na figura 7.1 mostra-se o gráfico caraterístico
de um sistema de primeira ordem.
7.2. RESPOSTA NO TEMPO DE SISTEMAS DE PRIMEIRA ORDEM 163
Ke
0.9
0.8
0.7
0.6 τ
saída
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8
tempo
dy Ke
= −Ke (−1/τ )e−t/τ =
dt t=0 t=0 τ
Assim a tangente na origem corta a reta y(t) = Y∞ = Ke no tempo t = τ . Por outro lado, o tempo
para atingir 95% ou 99% de Y∞ é dado por:
y(3τ ) = Ke 1 − e−3τ /τ = 1 − e−3 ' 0.95Ke = 0.95Y∞
y(5τ ) = Ke 1 − e−5τ /τ = 1 − e−5 ' 0.99Ke = 0.99Y∞
(
tr 5% = 3τ
Assim:
tr 1% = 5τ
Estas relações permitem também estimar os parâmetros de H(s) quando num ensaio de resposta
ao degrau obtemos uma curva como a da figura. Medindo o valor Y∞ e o tempo para atingir 95%
ou 99% de Y∞ é possível calcular Ke e τ .
Neste caso a exponencial de saída é crescente se p > 0 e será uma rampa se p = 0. Os gráficos se
mostram na figura 7.2.
p = 0 ⇒ y(t) = t
20
18
16 CASO p>0
14
12
saída
10
6 CASO INTEGRADOR
0
0 1 2 3 4 5 6 7 8
tempo
k kωn2
G(s) = 2ξ s2
=
1+ ωn s + 2
s2 + 2ξωn s + ωn2
ωn
Supondo que u(t) é um degrau unitário, u(t) = 1(t), calcula-se Y (s) da seguinte forma:
k 1
Y (s) = 2ξ s2
1+ ωn s + 2
s
ωn
Então para calcular y(t) = L−1 {Y (s)} devemos conhecer os pólos do sistema:
2ξ s2
1+ s+ 2 =0
ωn ωn
s
ω2 4ξ 2 1 q
s = −ξωn ± n − 4 = −ξω n ± ω 2
n ξ −1
2 ωn2 ωn2
7.3. RESPOSTA DE SISTEMAS DE SEGUNDA ORDEM 165
p
• ξ > 1 → pólos reais e diferentes pois p1,2 = −ξωn ± ωn ξ 2 − 1
• ξ < 0 → pólos sempre com parte real positiva. Resposta sempre crescente (não limitada)
Interessa apenas estudar os casos com ξ ≥ 0 onde a resposta y(t) tende para um valor limitado.
Caso 1: 0 ≤ ξ < 1
" !#
e−ξωn t
p
q
1 − ξ2
y(t) = k 1 − p
2
sin ωn 1 − ξ 2 t + tan−1 (7.1)
1−ξ ξ
y(t) = 1 − cos(ωn t) t ≥ 0
Caso 2: ξ = 1
h i
y(t) = k 1 − e−ωn t (1 + ωn t) t≥0
Caso 3: ξ > 1
( p
p1 = −ξωn + ωn pξ 2 − 1
p2 = −ξωn − ωn ξ 2 − 1
kωn2
G(s) =
(s + p1 )(s + p2 )
" !#
ωn e−p1 t e−p2 t
y(t) = k 1 + p 2 − t≥0 (7.2)
2 ξ −1 p1 p2
166 CAPÍTULO 7. RESPOSTA NO TEMPO DE SISTEMAS CONTÍNUOS
1.4 Xi<1
1.2
saída
0.8
Xi=1
0.6
Xi>1
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Figura 7.3: Resposta de Sistema de Segunda Ordem Contínuo para diferentes valores de ξ
• Sobreamortecida ξ > 1
• Subamortecida 0 ≤ ξ < 1
• Amortecida crítica ξ = 1
Observa-se que nos casos ξ = 1 e ξ > 1, a resposta não é oscilatória e sim exponencial como
a de primeira ordem. De fato nos casos onde ξ > 1 e p1 >> p2 , a resposta tende a parecer uma
de primeira ordem. Diz-se então que o sistema é dominante de primeira ordem. Observar que na
equação 7.3 se p1 >> p2 então
e−p1 t e−p2 t
<<
p1 p2
e com isso
!
ωn e−p2 t
y(t) ' k 1 − p 2
2 ξ − 1 p2
Por outro lado no caso de 0 ≤ ξ < 1 sempre temos uma curva exponencial "envolvente"da
resposta. Esta envolvente é dada por e−ξωn t . Desta forma y(t) se mantem, aproximadamente, entre
as curvas:
y1 (t) = k 1 − e−ξωn t e y2 (t) = k 1 + e−ξωn t
7.3. RESPOSTA DE SISTEMAS DE SEGUNDA ORDEM 167
1.8
1.6 y1
1.4
1.2
saída
1
y
0.8
0.6
y2
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Figura 7.4: Envoltória da resposta de um Sistema de Segunda Ordem Contínuo com 0 < ξ < 1
Ainda no caso oscilatório a forma de y(t) está relacionada com os parâmetros do sistema como se
mostra na figura 7.5.
1.6
pico máximo
1.4
1.2
tempo de 5%
saída
0.8
0.6
tempo de subida
0.4
0.2
tempo de pico
0
0 5 10 15 20 25 30
tempo
Usando a curva envoltória, o tempo de resposta a 5% pode ser aproximado pelo de uma exponencial
e assim:
3
tr ' 3τequivalente =
ξωn
Para valores mais aproximados dos reais, existem ábacos que permitem calcular as relações entre a
resposta e os parâmetros do sistema. Além da utilização dos ábacos, é possível calcular as relações
dos parâmetros do sistema com a forma da curva para o caso 0 ≤ ξ < 1:
− √ ξπ
S0 = e 1−ξ2 função de ξ
p !
1 1 − ξ2
ts = p tan−1 função de ξ e ωn
ωn 1 − ξ 2 ξ
π
tp = p função de ξ e ωn
ωn 1 − ξ2
3
tr (5%) ∼
= função do produto ξωn
ξωn
Para este caso a posição dos pólos no plano complexo se mostra na figura 7.6.
1.5
Pólo
1 eixo jW
eixo real
0
− ξω
parte real
−0.5
−1
−1.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Figura 7.6: Posição dos pólos do sistema no plano s para 0 < ξ < 1
Já para o caso ξ ≥ 1 os pólos são reais, portanto S0 = 0, tp não existe, ts não se utiliza na
prática. Já para tr temos:
7.4. RELAÇÃO DA RESPOSTA COM A POSIÇÃO DOS PÓLOS 169
∼ 3
tr (5%)
= √ para ξ >> 1
ωn (ξ− 2 −1)
ξ √ √
1 1,90 ξ 2 −1(ξ+ ξ 2 −1)
tr (5%) =
p2 −p1 ln ωn
√ em outro caso
ξ− ξ 2 −1
Dada uma função de transferência G(s) e sua resposta ao degrau, é possível estabelecer relações
entre a forma da resposta e a posição dos pólos. Estas relações são obtidas para sistemas de primeira
e segunda ordem e aplicadas depois de forma aproximada para sistemas de ordem superior, quando
existe dominância de primeira ou segunda ordem.
Características:
k kp
G(s) = =
1 + sτ s+p
2
ganho 2
1.8
1.6
1.4
1.2
ganho 1
Tau=1
saída
0.8
0.6 Tau=2
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Características:
kωn2 kωn2
G(s) = =
s2 2
+ 2ξωn s + ωn (s + p1 )(s + p2 )
1.6 1.4
envoltoria constante
1.2
1
1
0.8
saída
saída
0.8
0.6
0.6 ξω n constante
0.4
0.4
0.2
0.2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
tempo tempo
A relação entre a posição dos pólos e a resposta do sistema se mostra na figura 7.8. Observa-se que
o tempo de resposta é maior quanto menor for o produto ξωn . Podemos dizer, aproximadamente,
que a parte real dos pólos determina o tempo de resposta, e que sistemas com pólos dominantes
sobre uma reta paralela ao eixo jω terão igual tempo de resposta. Já para o pico da resposta,
quando existe, depende apenas do valor de ξ, e é equivalente a fixar o angulo que forma a reta
que une o pólo com a origem, com o eixo real. Desta forma sistemas com pólos complexos sobre
uma reta que passa pela origem terão igual pico na resposta transitória. Já para variações de k
apenas a amplitude da resposta se modifica (de igual modo que para sistemas de primeira ordem),
mantendo-se inalterado o tempo de resposta e o pico.
1. que o tempo de resposta a 5% depende da parte real das raízes e que sistemas com tempo
3
de resposta constante tem seus pólos numa reta paralela ao eixo jω no valor σ0 = tr (5%)
(resultado aproximado)
7.4. RELAÇÃO DA RESPOSTA COM A POSIÇÃO DOS PÓLOS 171
2. que no caso de sistemas subamortecidos, a resposta terá um S0 definido pelo valor de amortec-
imento ξ. Neste caso, retas pela origem com ângulo β determinam sistemas de S0 constante.
Estes resultados podem ser usados com tabelas, ábacos e também programas que calculem
exatamente os valores de S0 , tr (5%), ξ ou ωn .
Para o caso geral de sistemas de ordem superior ou de sistemas com zeros, os resultados aqui
obtidos podem ser usados valendo algumas aproximações. Um estudo mais aprofundado da influên-
cia dos zeros na resposta no tempo será discutido em outras disciplinas.
Na prática muitos sistemas de ordem superior tem respostas ao degrau similares aos sistemas de
primeira e segunda ordem aqui estudados. Isto acontece porque em geral dentro do conjunto de
pólos do sistema, existe um ou um par que é dominante a respeito do resto. Assim as dinâmicas
mais rápidas, geradas pelos pólos maiores, não aparecem de forma significativa na saída do sistema.
Sob estas condições é possível aplicar, com bons resultados, os conceitos vistos nesta seção para
sistemas de ordem superior. Porém devemos ter cuidados na hora de realimentar o sistema, pois as
partes desprezadas do sistema podem influenciar a resposta de malha fechada, mesmo quando não
afetam a resposta de malha aberta. Discutiremos isto no seguinte exemplo.
Exemplo: Supomos que através de um ensaio de resposta no tempo, queremos determinar a função
de transferência de um sistema. Assim aplicamos uma variação tipo degrau na entrada, como se
mostra na figura 7.9.
U1 =4
4
3
saída e entrada
Y1
2 U0=2
Tempo de 95%
1
0
Y0
−1
0 5 10 15 20 25 30
tempo
Como a resposta obtida y(t) tem a forma de um sistema de primeira ordem, podemos calcular:
k
G(s) =
1 + sτ1
172 CAPÍTULO 7. RESPOSTA NO TEMPO DE SISTEMAS CONTÍNUOS
∆y Y1 − Y0
k= =
∆u U1 − U0
t5%
τ1 =
3
Porém se o sistema fosse realmente de ordem superior e trabalhássemos com uma realimemtação,
teríamos:
k 1
G(s)real = com τ1 >> τ2
1 + sτ1 1 + sτ2
e realimentando com um controle proporcional C0 :
y C0 k
=
yr (1 + sτ1 )(1 + sτ2 ) + kC0
Assim, dependendo do valor de kC0 , o sistema em malha fechada pode ter pólos complexos conju-
gados e gerar uma y(t) oscilatória. A situação pode ser pior ainda se o sistema real fosse de terceira
ou maior ordem. Nesse caso existiriam valores de C0 que levariam o sistema a não ter uma resposta
limitada:
lim y(t) = ∞
t→∞
Resposta em freqüência
O comportamento dinâmico de um sistema LIIR também pode ser estudado pela reposta em fre-
qüência. A resposta em freqüência de um sistema define-se como a relação, em regime permanente,
entre a entrada e saída de um sistema quando ele é exitado por sinais harmônicos. Assim, a análise
no domínio da freqüência está dirigido aos sinais harmônicos dados por:
que geram, em sistemas lineares e invariantes no tempo e para o regime permanente, uma resposta
y(t) também harmônica e de igual freqüência que a entrada. É claro que para que esta resposta
exista o sistema deve ser estável, pois em outro caso a saída não atinge o regime permanente. Assim:
Desta forma, conhecendo G(jω) temos informação da resposta do sistema para cada freqüência.
Na prática, os sistemas são representados por equações com coeficientes reais, assim a função G é
simetrica e basta estudar apenas a resposta G(jω) para ω ≥ 0.
Do ponto de vista matemático G(jω) pode ser calculada utilizando a função de transferência
G(s) do sistema com s = jω.
173
174 CAPÍTULO 8. RESPOSTA EM FREQÜÊNCIA
Por uma questão de praticidade, é normal representar os diagramas de módulo e fase de G(jω) em
escala logaritmica. Assim, construimos dois gráficos separados: o módulo em função da freqüência
(gráfico log-log) e a fase em função da freqüência (gráfico do tipo semi-log)
Dois problemas serão discutidos nesta seção. Primeiro será mostrado como construir um dia-
granma de resposta em freqüência do sistema a partir do conhecimento do modelo matemático do
mesmo. Em segudo lugar será analizada a identificação do sistema no dominio da freqüência. Neste
segundo caso supõe-se conhecida a resposta do sistema a sinais harmônicos de diferentes freqüências
(o que geralmente é feito de forma experimental), e determina-se a função G(jω) (e, portanto, a
função de transferência G(s)) que representa o modelo matemático do sistema.
Como comentado, a função G(jω) pode ser obtida diretamente da função de transferência do sistema,
impondo a relação s = jω:
G(jω) = G(s)|s=jω
Na prática, G(s) será o quociente de dois polinômios de coeficiêntes reais, assim, para uma dada
G(jω) = P (jω)/Q(jω) com P e Q polinômios, é sempre possível escrever P e Q como produto de
fatores básicos do tipo:
• a. ganho;
|P (jω)|
Logo, como |G(jω| = |Q(jω)| e φG = φP − φQ , as expressões finais de |G| e φG serão compostas
pelos fatores do tipo (a) a (d) e potências inteiras deles. Além desta propriedade, se usarmos
diagramas logarítimicos para o módulo, temos:
Assim, X
log |G(jω)| = log |Fatores básicos| (Soma algébrica)
i
e o gráfico poderá ser simplesmente construído conhecendo-se os gráficos dos fatores básicos. Na
prática, usam-se muito a unidade dB (= decibel) para este tipo de gráfico (xdB = 20 log10 x).
Gráficos básicos
0.5
Gain dB
0
−0.5
−1 2 3 4
10 10 10
Frequency (rad/sec)
0.5
Phase deg
−0.5
−1 2 3 4
10 10 10
Frequency (rad/sec)
100
50
Gain dB
−50 −1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
91
90.5
Phase deg
90
89.5
89 −1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
• φ é constante.
(c) Fator do tipo (1 + jωT ). Observamos que −1/T = pólo do fator 1 + sT que originou F (jω).
Analisaremos os pontos extremos:
|F (jω)| → 1 qdo. ω → 0
lim F (jω) = lim (1 + jωT ) = 1 ⇒
ω→0 ω→0
F (jω) → 0 qdo. ω → 0
φ
|F (jω)| → ∞ (linearmente)
qdo. ω → ∞
lim F (jω) = lim (1 + jωT ) = lim jωT ⇒
ω→∞ ω→∞ ω→0
φF (jω) → 90o qdo. ω → ∞
O diagrama resultante é mostrado na figura 8.3. Na prática, estes diagramas são aproximados
60
40
Gain dB
20
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
90
Phase deg
60
30
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
por assíntotas. O erro máximo cometido num diagrama isolado é de 3dB no ponto de corte das
assíntotas e para freqüência ω = 1/T . No gráfico de fase, a parte central do traçado é substituída
por uma reta que passa pelo ponto (1/T, 45o ) e corta as assíntotas uma década acima e abaixo de
1/T .
2
2ξ
(d) Fator do tipo 1 + ωn jω + j ωωn com 0 ≤ ξ ≤ 1
Já se ω = ωn , temos:
log |F (jω)| = log |2ξ|
F (jω) = 1 + 2ξj + j 2 = 2ξj ⇒
φ o
F (jω) = 90
Dado que o caso ξ = 1 é o extremo onde o fator quadrático transforma-se em produto de dois
fatores de primeira ordem, é coerente que o valor do logaritmo do seu módulo seja 6dB. Este valor
equivale à soma dos logaritmos dos módulos dos termos de 1a ordem iguais, cada qual valendo 3dB.
A forma do
gráfico neste caso pode ser parametrizada em ξ. Na figura 8.4, mostra-se o gráfico
2
2ξ
para o termo 1 + ωn jω + j ωωn .
100 180
160
80
140
60 120
fase (graus)
modulo (dB)
100
40
80
20 60
40
0
20
−20 −2 −1 0 1 2
0 −2 −1 0 1 2
10 10 10 10 10 10 10 10 10 10
frequencia (rad/seg) frequencia (rad/seg)
Observações:
• Quanto mais próximo de zero estiver ξ, maior é o "pico"da curva de módulo e mais rápida é
a transição de fase no ponto ω = ωn .
• Neste caso, as curvas aproximadas usando assíntotas podem introduzir erros grandes quando
ξ for muito pequeno. Com 0.5 < ξ < 1, o erro máximo ocorre quando ξ = 1, com a diferença
entre a curva real e a assíntota valendo 6dB.
178 CAPÍTULO 8. RESPOSTA EM FREQÜÊNCIA
√1
p
ωr = ωn 1 − 2ξ 2 Pr = |G(jωr )| =
2ξ 1−ξ 2
(freqüência de pico ou ressonância) (pico de ressonância)
√
Para ξ = 2/2, temos Pr = 1 ⇒ o pico desaparece.
Se um fator de G(jω) tiver pólos ou zeros no semiplano direito, os diagramas de fase serão
invertidos com respeito aos sistemas simétricos. Assim, o fator G(jω) = (1 − jωT ) terá diagrama
de módulo igual ao de (1 + jωT ) e diagrama de fase simétrico com respeito ao eixo φ = 0. Para
comprovar isto, basta calcular:
φG(jω) = arctan(−ωT ) = − arctan(ωT ) = −φ(1 + jωT ). Isto pode ser apreciado na figura 8.5
onde mostra-se o diagrama para G(s) = 1 − s. Para se obter o diagrama final de uma dada função
60
40
Gain dB
20
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
−30
Phase deg
−60
−90
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
de transferência basta plotar os fatores básicos do numerador P (jω) e do denominador Q(jω) (que
são os inversos dos de P (jω)) e somar os traçados.
Atualmente a construção do diagrama é realizada com a ajuda de pacotes especiais para controle
(como por exemplo o MATLAB). Porém, é importante entender o procedimento de construção e
ao mesmo tempo saber interpretar os resultados expostos num gráfico deste tipo. Dos diagramas
de módulo e fase podem ser inferidas propriedades importantes do sistema como o valor do ganho
8.1. CÁLCULO DE G(Jω). REPRESENTAÇÃO LOGARÍTIMICA. 179
Exemplo 1
100
50
Gain dB
−50
−100 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
−90
Phase deg
−180
−270
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Exemplo 2
1 + jTw ω
G(jω) =
1 + j0.5Tw ω
O diagrama correspondente mostra-se na figura 8.7 para Tw = 6 segundos, onde pode ser observado
o efeito do zero no semi-plano direito, que aumenta a fase do sistema levando-a a −180o . Como
veremos posteriormente, esta caraterística da turbina dificulta o controle do sistema em MF.
180 CAPÍTULO 8. RESPOSTA EM FREQÜÊNCIA
Gain dB
4
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Phase deg 0
−90
−180
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
y(t) = Ai sin(2πfi t + φi )
e será possível plotar, ponto a ponto, a resposta em freqüência do sistema, como se mostra na figura
8.8.
0
−50
Gain dB
−100
−150 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
0
Phase deg
−90
−180
−3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
b0 + b1 (jω) + · · · + bm (jω)m
G(jω) = , n≥m
a0 + a1 (jω) + · · · + an (jω)n
e usar uma minimização de critério quadrático para obter os coeficientes de G(jω). Existem também
outros métodos para obter esta identificação. Para aplicação prática, estes algoritmos devem ser
implementados em computador, pois a grande quantidade de cálculos inviabiliza aplicações manu-
ais. Existem varios algoritmos que fazem estes cálculos e apresentam resultados precisos com boa
convergência.
Também é possível, em se tratando de sistema simples, obter a função G(s) por inspeção e
poucos cálculos, sem necessidade de utilização de algoritmos de identificação.
20
0
Gain dB
−20
−40
−60 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
−30
Phase deg
−60
−90
−120
−150 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
(a) Como limω→0 A(ω) = k ⇒ sistema sem integradores nem derivadores e tem ganho estático
20dB ou 10 unidades.
(c) Como a curva A(ω) tem três partes com diferente inclinação e a maior é de 40 dB por década
⇒ 2 pólos e 1 zero.
182 CAPÍTULO 8. RESPOSTA EM FREQÜÊNCIA
(d) Sabendo que G(jω) = [10(1 + jωT1 )]/[(1 + jωT2 )(1 + jωT3 )] resta determinar T1 , T2 , e T3 .
log Ke = K ⇒ Ke = 10K
T1 , T2 , e T3 podem ser calculados aproximadamente a partir dos pontos de quebra da curva. Neste
caso podemos aproximar T1 = 2,T2 = 10 e T3 = 50.
Capítulo 9
Como já colocamos no início do curso, em muitas aplicações é necessário ou prático utilizar contro-
ladores discretos para controlar sistemas contínuos. Assim, do ponto de vista formal, é necessário
estudar uma forma de representar matematicamente estes sistemas híbridos.
As duas operações básicas para esta interconexão são a amostragem e a interpolação. Assim,
dado um sistema contínuo com entrada u(t) e saída y(t), geraremos o y(kT ) amostrando y(t) com
período T , k ε Z+ . Já se a saída de um sistema discreto deve ser conectada à entrada de um
sistema contínuo, usaremos um interpolador entre ambos, que transforma o sinal u(kT ) discreto no
u(t) contínuo. A figura 9.1 mostra estas operações.
u(kT) u(t)
y(t) y(kT)
Interpolador Processo Continuo Amostrador
1. O período de amostragem T deve ser escolhido de forma adequada para que o sinal amostrado
contenha toda a "informação"do sinal contínuo
2. O interpolador pode ser de vários tipos: por degraus, linear, etc. Na prática usaremos somente
o de degraus, também chamado sustentador de ordem zero (ZOH) e que representaremos por
uma transferência Bo(s).
183
184 CAPÍTULO 9. INTERCONEXÃO DE SISTEMAS CONTÍNUOS E DISCRETOS
9.1 A amostragem
Supomos que temos um sistema contínuo representado por H(s) com entrada u(t) e saída y(t).
Como definir T para que o sistema amostrado represente adequadamente o sistema contínuo? Como
representar matematicamente esta transformação de sinais?
sinais
x(t)
x(kT)
Dado que a largura do pulso é muito pequena, considera-se uma idealização onde os pulsos são
substituídos por impulsos de ação u(kT ). Assim definimos um sinal u∗ (t) dado por:
∞
u∗ (t) =
X
u(t)δ(t − kT )
k=0
que é o resultado da modulação do sinal u(t) com um trem de impulsos definido como:
∞
δ(t − kT ) ⇒ u∗ (t) = u(t)m(t)
X
m(t) =
k=0
Esta representação não é real, mas faz-se necessária para a análise matemática do problema e
os resultados obtidos pela teoria são condincentes com a prática. Calculando as transformadas de
Laplace de u∗ (t) temos:
Z ∞
U ∗ (s) = L{u∗ (t)} = e−st u∗ (t)dt
0
Z ∞ ∞ ∞ Z ∞
−st
e−st u(t)δ(t − kT )dt
X X
= e u(t) δ(t − kT )dt =
0 −∞ −∞ 0
9.1. A AMOSTRAGEM 185
∞ Z ∞ ∞
−st
e−skT u(kT )
X X
= e u(t)δ(t − kT )dt =
−∞ 0 −∞
∞
∗
e−σkT u(kT )e−jωkT
X
s = σ + jω ⇒ U (s) =
−∞
1
z = esT ↔ s = ln z
T
Isto define uma relação entre o planos complexos s e z, que permite relacionar diversas questões de
sistemas continuos com seus pares amostrados.
Vejamos agora como escolher o valor de T . Para isto consideramos que um sinal contínuo u(t)
é amostrado e depois deve ser recuperado sem perda de informação. Considerando que o sinal u(t)
tem um espectro em frequência û(f ) calculado como:
Z ∞
û(f ) = u(t)e−j2πf t dt
−∞
com uma forma como a da figura 9.3.
u(f)
-fo fo f
Z ∞ k=∞
∗
u(t)δ(t − kT )e−j2πf t dt =
X
û (f ) =
−∞ k=−∞
186 CAPÍTULO 9. INTERCONEXÃO DE SISTEMAS CONTÍNUOS E DISCRETOS
k=∞ Z ∞ k=∞
u(t)δ(t − kT )e−j2πf t dt = u(kT )e−j2πf kT
X X
=
k=−∞ −∞ k=−∞
Desta forma o espectro do sinal amostrado terá uma forma como a da figura 9.4. Desta forma,
u(f)
-fo fo f
-3/2T -1/2T 1/2T 3/2T
somente quando os espectros repetidos não estejam superpostos será possível recuperar o espectro
original do sinal u(t) utilizando um filtro passa baixas.
Teorema de Shannon
Se a transformada de Fourier de um sinal contínuo u(t) é nula para todo f > f0 , isto é, û(f ) ≡ 0
∀ f > f0 , então u(t) pode ser determinada de forma única a partir de suas amostras u(kT ) se o
período de amostragem é escolhido verificando a relação:
1
T ≤
2f0
Observações
1. O teorema coloca que, amostrando um sinal x(t) com uma frequência pelo menos duas vezes
maior do que a maior das componentes em frequência do sinal, é possível recuperar toda a
informação contida em x(t) a partir de x(kT ). Isto fica bem claro a partir da análise gráfica
pois não há superposição de espectros.
2. Tecnicamente os sinais utilizados na prática tem espectro em frequência não limitado, isto é,
x̂(f ) 6= 0 ∀ f > 0 e assim o teorema indicaria usar T ≡ 0. Porém, como na prática os sinais
tem a maior parte da sua energia condensado em baixas frequências, é possível achar uma
frequência f0 para a qual x̂(f ) ' 0 ∀ f > f0 .
3. Devido ao solapamento do espectro do sinal original e a suas réplicas aparece um efeito de
distorsão conhecido como "aliasing"que impede a correta recuperação do sinal original.
u(f)
aliassing
Além desta questão, na prática aparecem alguns outros problemas. Em geral o sinal que se deseja
amostrar vem acompanhado de ruídos que alteraram o espectro original. Assim, normalmente são
utilizados filtros analógicos passa baixa que eliminam boa parte do ruído e limitam o espectro do sinal
a ser amostrado a uma freqûência f0 . Este tipo de filtro é conhecido como "filtro anti-aliasing"pois
evitam a distorsão criada pela superposição do sinal e seus "alias".
Usaremos o ZOH como interpolador. Para representar matematicamente este bloco ZOH utilizare-
mos novamente a amostragem ideal. Observa-se que a saída verifica:
∞
X
u(t) = u(kT ) [1(t − kT ) − 1 (t − (k + 1)T )] k ε Z+ (9.2)
k=0
com t ε [kT, (k + 1) T ].
Lembrando que:
(
1 ∀ t ε [kT, (k + 1) T ]
1(t − kT ) − 1[t − (k + 1)T ] =
0 outro caso
Se desejamos obter na saída do ZOH um sinal u(t) igual ao da figura 9.6, teremos que integrar os
pulsos, já que:
d1(t)
= δ(t)
dt
Como o valor u(kT ) deve ser mantido somente entre kT e (k + 1)T , devemos usar o próprio sinal
integrado atrasado de T . Graficamente isto é mostrado na figura 9.6.
188 CAPÍTULO 9. INTERCONEXÃO DE SISTEMAS CONTÍNUOS E DISCRETOS
sinal sinal
u(kT)
u(kT)
Bo(s)
t
kT t
kT (k+1)T
Assim temos:
Z ∞ Z ∞
u(t) = v(t)dt − v(t − T )dt
0 0
Aplicando Laplace:
1 1
U (s) = V (s) − e−sT V (s)
s s
1
Bo(s) = 1 − e−sT
s
Tendo como representar o ZOH, será possível estudar a função de transferência de um sistema
amostrado ligado a sistemas discretos. Como a parte discreta do sistema só tem validade para
t = kT com k ε Z+ , não será possível estudar o sistema completo em tempo contínuo, mas apenas
nos instantes de amostragem. Assim acharemos a função de transferência amostrada do sistema
ZOH + processo, como se mostra na figura 9.7.
Y (z)
Calcularemos U (z) = H(z)
Ao amostrar com período T criamos a função h(kT ) e logo usando transformada Z obtemos
H(z).
∞
Y (z)
h(kT )z −k
X
H(z) = = Z+ {h(kT )} = T
U (z) k=0
L−1 Amost Z
H(s) → h(t) → h(kT ) → H(z)
porém existe uma forma direta para passar de H(s) → H(z). Notaremos então que H(z) = Z{H(s)}
e calcularemos esta relação usando tabelas de transformadas. Aplicando esta ideia ao produto
Bo(s)G(s) tem-se:
( )
1 − e−sT G(s) G(s)
−sT
Z {ZOH.G(s)} = Z G(s) =Z −Z e
s s s
G(s) G(s) G(s)
−1 −1
= Z −z Z = 1−z Z = BoG(z)
s s s
G(s)
−1
BoG(z) = 1 − z Z
s
Que da uma forma geral para o cálculo da FT amostrada de um processo quaisquer.
9.3 Exemplos
1
G(s) =
s+1
Calculando
1
−1
BoG(z) = 1 − z Z
s(s + 1)
z z
−1
BoG(z) = 1 − z −
z − 1 z − e−T
(1 − e−T )z
BoG(z) =
z − e−T
3 1
G(s) = =
(s + 1)(s + 3) (1 + s)(1 + s/3)
Calculando
3
−1
BoG(z) = 1 − z Z
s(s + 1)(s + 3)
3 1
" #
z 2z 2z
−1
BoG(z) = 1 − z − +
z − 1 z − e−T z − e−3T
Deve-se observar aqui que na transformação o número de pólos é mantido e que logicamente estes
dependem do período de amostragem T . Já quanto aos zeros o número pode variar.
Y<@P<
> <SV<@<AS_U
^RmSC`U hT< WPT^B@<V]V<fR
S B @SV<CB@
Q< jVS>Q< < TPR^ABC_^RQSQ<<C<>PSV<CB@
_SVS B S^jT>@f RCAB>A<R
Q<@<>fB^ <>PB PQB@B@ QSAS_UP<BVRS
P T^ B @ Q<_B@P<VRBV<@X
@R@P<CS@
C <@PTQSV<CB@ S^jT>@ @R@P<CS@ <@_<ARSR@ ABCB _BV <a<C_^B B@ W ABC SPVS@B
_VBA<@@B@
Q< PVS>@_BVP<X
yBCB { SU AB^BASCB@ >B AS_U P T^B kZ ><@P< ATV@B PVS`S^ n SV<CB@ ABC @R@P<CS@ V<_V<@<>PS?
QB@ASVSAP<VRcSV
_BV [T>\ATCS]B Q<@R@P<CS PVS>@[<VzQ<<>ARS W oimpX YB QR<>PS>PB
PVz<@ CS><RVS@ [<V<>P<@QBhT<_B>PB<@P]SBQ<WU>PRfR@CPSSC<>P< QS S>USV<^SARB>SQS@e
^R@< _BQ<CB@
d _<^S _VUB_VRS imZ hT< Q<=>< @<T@ _UB^B@ < c<VB@g
d _<^S @TS V<@_B@PS >B P<C_B S @R>SR@ _SQVB>RcSQB@ <
d _<^S @TS V<@_B@PS <C [V<h T<z>ARS j<><VS^RcSQSX
mBQS@
_BVPSC<>PB <@PS@ [BVCS@
QB _<VCR
@R@P<CSZ < P
<U<C
_B@@U <aPVSR
f <^ V TC
PSC`U < AB>{T>PB
C <>AB>PVSV Q< R >
hTS^ [BVCS\
h T<V A B
] <@
TCS `U S @R A
Q<^S@ S@ S@B`V<
_SVPRV B ABC?
QSo@p
BTPVSo@pX >P<>Q<V W
S V<^S\AS]B <>PV<>B B@_^S>BABC_BVPSC<>PB@ >SP<Z[V<hPS>PB
T<z>ARS>S <S>UBTS^R>B@< ABCB
P<C_B>S<
SnBVS^BAS^RcS\ A
S
] B
QB hT<_VB{<PBZ QS@ @R>jT^SVRQSQ<@
Q<=>RV <@PVSPU <jRS@@R@P<CS@
Q< S{T@P< ABC_^
_SVS < aB _<VCR
B@< QR_SVz@AV<PB@
SC<PVB@>S@QB@_VUBaRCS@AB>PVB^SQBV<@X @PSS
S>U S ^R@<Z @<VU S V<S^ R cSQS _SVS AB>PU
S@ `S@<@ _SVS S@ [<VVSC<>PS@ R>PVBQTcRQS@ >B@W AS_UWPT^B@ < @T`@<h T<>P<@X >TB@ #
@<\
A B
] <@
j<VSVU
"$#!( ' $ #&*$ "' + ' ( ' $ ) & !+ +!$ $# '
#!( ! +!$ $# ' !( +! * ! "'
<PVS`S^ b ASVSAP<VRcS\
U `S@PS>P< TPR ^ AS]B >SQ< R>QTCTU@R@PVRSZ
RcSQS @P<CSPS>PBSPVSfUS@@RC<@ QShT<V<@_B@PS<
U ABCTC >B P<C_B
_SVS TCS @RB_<VSQBV
> SR@ _SQVB>R Q< cSQB@
_^S>PS
C<>PS^ n SV P<VCB@ ABCB P<C_B Q< <@PS`R ^ RcS\ A S
] BZ _RAB C SU aRCBZ <PAX @PB <
U Q<fRQB [T>QS?
_VRBVRQCSQ<QB<>P<_VBA<@@B
Se oRp _SVS< oRRp<@PTQSV S V<@_B@PSAS]B >]QBSB @R@P<CS
<U ><A<@@USQUVRS?@<B hTS@< ><>nTC @RAB>n<AR C@<C<>PBS
S><A<@@R S R>P<V_V<PS\
Q< T@SV [<VVSC<>PS@ CSP<C SUPRAS@X Q< CS><RVS C _^<@
k
k
$ op
okk p
okk p
;<@PS [BVCSZ
V<@_B@PS SB _BQ<CB@QB @R@P<CSX
Q<jVST V<^SARB>SV SVSB@ _SVz B SC<PVB@Q< @R@P<CS@
AS@B Z < <@PUABC S f<R @ S@Z hT<[BVCS@
<
U B Q< B>QS
hT< R>P<V<@S QS
<@PTQSVZ B fS^BV Q< [BV><A< S V<^S\ A S] B <@PU S PRAS <>PVSQS?@SU QS ojS>nB <@PUS PR A Bp _SVS TCS
W
% %
@PS <a_V<@@]S B fS^< _SVS PBQB @R@P<CS @<C_V< hT< B@ fS^ B V<@ R>R A RSR@ < =>SR @ <@P<{SC
& &
S
U B _SVzS C<PVB <
U Q<=>R Q B ABCB AB>@PS>P< Q< P<C_B QB @R @ P<CS < Q<^< Q<_<>Q< S
[BVCS QS V<@_B@PS QS
@<jTR>P<@ <a_V<@@]B<@e =jTVS X k oSpX b^U< C QR@@B @< V<^SAR B >S ABC S V<@_B@PS SPVSfU
< @ QS@
B>Q< < @]
S BZ V<@_<APR f SC<>P<Z B P<C_B hT< B @R@P<CS ^<fS _SVS SPR > jRV <
#
QB fS^BV =>S^X
iRo`pABC
jTV< c<VBXke <@_B@PS Q< @R@P<CS Q< _VRC<RVS BVQ<C _SVS <>PVSQS Q<jVSTZ oSp@<C c<VBZ
!
B @R@P<CSP<VA<R >]
<>P]SCBQR
VBB S_V<@<>PS
S _SVzSC<PVBPVS>@[<Vz
B B @R@P<CS
Q<=><<>ARSB fS^BV
P<C TCSQBV<@_B@PS
R> RARS^
QRV<PS <
R>@PS>PUS@ QS @SUWQSX @]l<SB ABCB >S<>P]=jTVS
V<@_B@PS@ SB QRc<CB@
S><SXhT<YS @<=jTVS XkBo`pfS^BVCB@PVS?@< X k oSpX hT<l<
ABCB@SUQ BS
fS^BV
Q< =
<U CSRfS^BBVV hT<Q< mB _BQ< AS S V<@_B@PS
Q< V<jRC< @R
_<VCS><>P< @ P<CSX
< hT< @<`@<VfS?@< B @R @ P<CS S_V<@<>PS
R > RARS^QS
V<@_B@PS W
R>f<V@SX
@<V AS^AT^SQB S _SVPRV QB jVUS=AB Q< V<@_B@PS TPR^RcS>QB S <a_V<@@]SBe
% %
;B _B>PB Q< fR @ PS _U
B ^B?c<VB _BQ<?@< QRc<V hT< B _UB ^ B QBCR > S S V<@_B@PS hTS>QB B c<VB
% %
iRo`pABC
jTV< c<VBX e <@_B@PS <C [V<h T<z>ARS Q< TC @R@P<CS Q< _VRC <RVS BVQ<Ce oSp@<C c<VBZ
!
d @<_<^BB CfS^BVBUQT^AB>@PS>P<
B QS i i< R>QRQRASV
! S _V<@<>\
[<V<>P< Q<V<@_B@PS A S Q< TC
c<VB QBR>C@PS>Pz c<VBZ B hT<
BUQT^BS><SX<C S^PfS^BV _BQ< @<V
S@ [V<hQST@SU<z>ARS@Z Q<P<VCR>SQB
_BQ<CB@
S@@<jTVSV
c<VB @<VU S hT<
CSR BB V @R @
hT< P<CS B S_V<@<>PS
fS^ B V Q< V<jRC< _<VCS><>P< @< B C BU QT^B QS W
i Q S >B
i R>@PS>P<
>S@ S^ P S@
[V<h
U _B@@UT<z>ARS@
<V<@_B@PS [BV CSRBVhT<TC >S@S TC`SRaB@S@[V<h
fW <^<CV<^SARB>SV QR [ T<z>ARS@XjVUSyBCB
<V<>P<@ =AB@ BQ<AB>PVU SVRB PSC`U
V<@_B@PS >B
!
<C <U fUS<^RQQ<BZ
P<C_B
<[V<hQBTc<VB [V<h T<z>ARSQ< QS@[BVCS=jTVS@
_VBA<Q<?@< @R C R ^ Xk SB< UXP<CX SVSS>P<VRQ<P<VCR
SV B V > SV BhT<fS^BBV CjS>nBZQB
T@S>QB B
U QT^ B Q< _US^BP^BS
<z>ARS <U < B fS^BV QB C BUQT^B QSW i i <C TCS [V<h T<z>ARS R>P<VC<QRUSVRSX
_BV[U@RABYSTC<U_VUAS_Sc
@RS@PRP<CS
AS @]SQ<B _BTAB@ B@ BVQ<C
_VBA<@@B@ABChT<TCPz<c<VBX C TCSBQ<VU QR> SzSCB@
CRAS QRhT<c<V_BQ< @<V><>nTC
V<_V<@<>PSQS
!
Q<>S@j<VS\ A S
] B Q< <><VjRS <^U < PVRASZ _BV _BQ<<a<C_^BZ
@<V TUPR^B _SVS S S>US^R@< QBQ<_VB`^<CSX
ABC_BVPSC<>PB TCS PTV`R>S YB@nRQVU
@R@P<CS@
S T^ R AS
BVQ<CfRcRABC> nS>\TCAS@ c<VB QB _B>PB Q< B_<VS\AQRS]VB<R<UPBe>BVCS^C<>P< CBQ<^SQB _BV TCS im Q< _VRC <RVS
>B @<CR_^S>B
oo pp o p k k
$
QB QR@PVR`TRQBVX @P< CBQ<^BZ <C`BVS S_VBaRC SQBZ <U ^SVjSC<>P< TPR^RcSQB _SVS B S{T@P<
QB@B ABC_BVPSC<>PB
@R@P<CS@ Q< AB>PVB^< Q< f<^ B ARQSQ< QS PTV`R>SX iR @ RASC<>P< <@P< CBQ<^ B V<_V<@<>PSVRS
b@@RCZ
QRQ<> SzPVS>@[<Vz C<@CB
CRAS Q<<>ARSCS^nSQBS`<VPSZ hT< B _VBA<@@B
@<C_V< hT<
hT< @<Q<@<{S
R>PVBQTcS @<V AB>PVB^SQB
TC AB>PVB^SQBV >B _B@@TS
>B @R @ c<VB@
P<CS S >S
[T>\ @TS
A S
] B
[<>z B C<>B@ R > Q<@<{SQB@X @R@P<CS_VUB<CaRC B i<a<C_^B
P<VUS c<VB@R^T@PVShT<`<C_BQ<V]<@PSSBZhT<@P] <C SS^jT>@
B < CBPR AS@B@Z
f S B AST@SV
<@PTQB
QS _VUBaRCS @<\AS]BX
yB>@RQ<V< TC _VBA<@@B Q< ShT<AR C <>PB hT< V<@_B>Q< <C b ABCB <TCQB@R@P<CS Q< _VRCB<RVS>S^
BVQ<C
R>P<jVS^ ABC
o pim _SVS o p
hT< B @R@P<CS < hT< Q<@<{S?@< _VB{<PSV TC AB>PVB^
PR_B _VB_BVAR
hT<<C QS<VS?@<
Q<i V<@_B>QS S@ fSVRS\
B]<@XAB]<@ QSQRSjVSCS
V<[<Vz<>ARSQ< `^BAB@
ABC TCSQB
$
QR@R@>P<CS
SUCRAS<@PUPVzS<@>Sf<c<@=jTVSCSR@X VUB>Q<
S_RQSAB>@R
bhT<@<CS imB@AR^S\
AQB AB>PVB^SQBV <U o p
<CB@yB>@RQ<VS>QB hT< S< AB>@PS>P< Q< P<C_B Q<hT< bX <UCSkZ @B^T\< AS]BQ<f<C @<VAB>@R
AS^AT^SQB@ _SVS P<V
(
i _U
B ^B@ V<SR@ ABC C BUQT^B CSR B V
@RC_^<@
@ P< <C <@AB^n<V
C_UB@RC_^
^B@ V<SR@<@ AUS<^AT^B
RjTSR@Z_<VCR_SVSP< P<VB`P<VTCSB V<@_B@PS
_B^R>zBCRBQ<ASVSAP<VU
@<jT>QS@PRBVQ<C AVRPRASC<>P< SCBVP<ARQ SX
# "
" W A Be
ok p ok p
hT< Q<f< _B@@TRV TCSX b VSUV<@_B@PS Wc QT_^SQB<C@R@P<CS <CX iS{T@P< hT< _<VCR P < <@PS AB>QR\A S
] B <
U
#
_SVS TC Q<jVST Q< V<[<Vz<>ARS >S
referencia
r
9*[5/9 1]
controle
referencia s
Sum1 u
Controle PI
1
saída
s+1
Sum2 y
forno
perturbação
saída controle
1.4 5
4.5
1.2 pico devido ao zero real dominante
1
3.5
0.8 3
2
0.4
1.5
0.2
1
0 0.5
0 0.5 1 1.5 2 2.5 3
tempo tempo
!
P<C_<VSPTVS CB@PVS?@< >S =jTVS X X `@<VfS?@< ABCB S V<@_B@PS P<C S f<^BAR Q SQ< CSRBV
hT< S Q<@<{SQSZ
>]AS^AT^SCB@
SB <@PUS >SSS^BAS\ >]S B B@AR^SZ CS@ S_V<@<>PS TC _RABX b <a_^RAS\ A S
] B Q<@P< ABC_BVPSC<>PB
im AiS]BQBQB@@R@_UP<CS
B^B@ P<CB@e
Q< i CS@ >S _B@R\AS]B QB c<VB R>PVBQTcRQ B _<^B X l<
o p okk p
AB>PR>TS\
SA<^<VS\ A S
]ABS]B< <@P<
B _R Ac<VB
B QB P<CPVS>@RTCPBU<[<RVRBXPBb@@RC
QBCR>S>P<
B @B`V<QS B@R> _UTzB<^B@>ARS< AST@S
<@PTQB QB @RCT^_BQ<VU
c<VB PS><SC<>P<
S R>QRASV S
B
_VBA<QRC <>PB Q< S{T@P< QB X
q-,-q ./012340 2 02 6 4 58 23
>R_BVARSV<CB@
TCS B
<hTS\ A<@PTQB
S
] B QR [ Q<@P<@
<V<>ARS^ @R@P<CS@
Q< S AB>@R
BVQ<C < Q <VS>QB
_BVPS>PB hT< Pz
< C@]S BZ
TCS _BV Q<=>R\
[T>\A S
] B A
Q<S] BZ V<_V<@<>PSQB@
PVS>@[<Vz< >ARS QB
PR_ Be
ko p o p
$ o p
yBC R@@BZ
o p o p o p o p
$
;S C<@CSZ hT<[BVCS hT< >BS_SV<A<AS@B QBQRV<PSC<>P<
@R@P<CS Q< _VR>S C@SU<RVSQ SXBVQ<C B AS@B
_VRC<RQRVcB?@<P<VCB R>QRASZ @<
P<C
PVS>@[<Vz
S
< <>PVSQS
>ARS QRV<PS X yBCB <@PSCB@ <@PTQS>QB Y<@P<
W B @R@P<CS _SVS <>PVSQS Q<jVST S hT< B @R@P<CS
[BVCS =>S^ QS b@@RCZ
f<VPRAS^C<>P<X V<@_B@PS<@PTQSV<CB@
@<VUSZ ><@@<@S_<>S@ AS@B@ZS SV<@_B@PS
QB @<jT>QB _SVS C<C`VB o S_<>S@ PVS>@^SQSQS
S^< Q<@PSASV hT< <C
j<VS^
b im _SVS @R@P<CS@_BQ<[UW@RA@<VB@Z <@AVR PS pX>S [BVCS _SQVB>RcSQS ABCB @<jT<e
QB @R@P<CS
$ o p ok p k o p
B>Q< k <U B
[SPBV@ _UBQ<^B@SCBVP<AR c<VB QB @R @ P<CS < B@ _SVz S C<PVB@ Z Z < @]
S B AnSCSQB@ V<@_<APR f SC<>P<e
QB @R@P<CSC <>PBZ@]SBe [V<h T<z>ARS >SPTVS^ Q< B@AR^S\AS]B < jS>nB <@PUSPRABX
k
kk _U_UBB^B@^B@ V<SR@
V<SR@ << RjTSR@
QR[<V<>P<@
k
o>]SB?^RCRPSQSp
AV<@A<>P<
>P<V<@@S
C RPSQBXQ< lZS_<>S@
^R[BVCS b@@R@< C<^<@Z <@PTQSV
S [BV<C B@ _BQ<VU
AS@B@ SABC@<V B@AR^SPUBB>Q<
V<@_B@PSV<SR@X VRSZ
@<S B@V<_B@PS
_U
B ^ B @ o p P<>Q<
[BV<C _SVS TCBTfS^BV
ABC_^<aB@Z
%
ABC
QBc<VBc<VB>]SBQBCBQR
@R@P<CS b [BVCS =>S^ QS V<@_B@PS Q<_<>Q<VU S PSC`U< C QS _B@R\A S
] B
= AS SABCB @< CB@PVS
ASVSAP<VUW @PRAS >B@ ^jVU
B@AR SB=AB@
SPU VRS BTQS>]=jTVS
S B X BS_<@SV
B@AR^SPU VRS QS Q<V<@_B@PSX
hT< S _V<@<>\AS QBB
TS>QB
iRjTV< X e <@_B@PS@ Q< @R@P<CS Q< @<jT>QS BVQ<C ABC < @<C c<VB
!
<>P<>QR Q <
BU {CSR
S
U hT<@ VU
S
TC_RQS @<
P<VCB ABC_SVSQS
<C >B ABC
>TC<VSQBVS
QB @R@P<CS
R > PVBQTc @<C
TC c<VBX
<[<R P
B@PB _BQ<
Q<VR f SPR f@<V
BX [SAR
S
U >B^ C<>P<
AS@B
Q<mBQSc<VBS S>U _B@RS^RP@Rf<BQ<@P<
B @R@P<CS
AS@B P<VUS TCS
_BQ<
@<V V<@_B@PS
V<S^R c SQS R>f<V@SRcS>QBABCBB @R@P<CS
S>S^ >B AS@B Q<Q< _VRC<R BVQ<C VS ABCB
BVQ<CXS
AS@ASPS Q< TC @R@P<CS Q< k BVQ<C ABC c<VB < TC =^PVB _S@@S `SRa S@ Q< k BVQ<CX b@@RC Z
V<@T^ P S @R C _^<@ S@@BARSV S@ V<@_B@PS@ QS =jTVS X ABC S@ B`PR Q S@ >S S>U S ^R @ < QB @R@P<CS
c<VB <CTPVSQBR@[BVCS@R@P<CS@
Q< B`P<V@<C<@P<@c<VB@V<@T^ABCBPSQB@@< CB@PVS
<U AB>@RQ<VS>QB
>S@ <hTS\SAB]Q<ABC_B@R\
<@ @<jTR>P<@eAS]B QB @R@P<CS ABC
o p ok p ok ok pok p p
$
BTe
o p o p ok p ok k p
$
k
o p
ok p
ok p
< ABC_BV< SC_^R S V<@_B@PS ABCB @BCS Q< QTS@ `<C AB>n<ARQS@ ABC QR[<V<>P<@ AB>@PS>P<@ Q<
P<C_B P TQ<X
@P<CSSVS _SVS
@RV<@_B@PS
B`P<VhT<S>S^SRPV<@_B@PS
RASC<>P<P<>nS S AB>QR\_RAABS]BBThT<V<@_B@PS
Q<f< @<VR>f<V@S
>B P<C_B B`@<VfS>QB hT< S C<@CS <U S @BCS QS @SUWQS QB @R@P<CSe
f<VR= ASQSAS^ A _<^B@ S_SVz<a_V<@@]
T^S?@< SC<PVB@SB QBQS
o p o po p
$
%
op
%
o p
*
*
op op op
% %
%
hT< V<@T^PSe
op
%
o k
*
k
p
*
o p o ok p ok pp
%
*
*
* kk
*
k
BTS P<V@<{SjS>nB
hT< Bc<VBZc<VBP<C?@<
Q<f< @<VTCSQBCRV<@_B@PS
> S>P<X ABCaA^_RT R>QB B AS@B Q< hT< ^ < fSVRS S V<@_B@PS
AB >B AS@Be
k
< V<@_B@PS R>f<V@S >B AS@Be
k
iRSVS> S^C<>P< B fS^C<^nBV
BV QB _RAB QSPB V<@_B@PS _BQ<AB>@RQ<VS?@<
@<V Q<P<VCR>SQB ABCBQ<[T>\jS>nB
AS]B Q<T>R PSUVRB < < SX
[V<h
T fR @ TS^ R cSV B <[<R Q<@P< c<VB TC @R @ P<CS
<z>ARS ABC_^< aS >BVCS^Rc SQS ABC B fS^BV QB _UB^B QBCR>S>P<X ;< <@PS [BVCS _BQ<?@<
AB>@RQ <VSVe
k
ABC k < o kp >B AS@B Q< V<@_B@PS ABC _R A B < o p >B AS@B Q< V<@_B@PS
QS =jTVS>B R>P<VfS^
X CB@PVS
B o kpXS fSVRS\AS]B QB ^BjSVRPCB QB _RAB _SVS QRf<V@B@
log(pico)
2
10
1
10
0 p2=−6
10
−2
10
−3
10
−1 −0.9 −0.8 −0.7 −0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0
hTS>QB B c<VB <@PR f <V _VUB aRCB QB@ _U B ^B@X SVS S>S^ R @SV hTS>PR P SPR f SC<>P< <@P< V<@T^ P SQB
$ o p ok k p k ok p
b@@R
o p o p ok p o p
B>Q< o p <
U S V<@_B@PS _SQV] S B Q< @<jT>QS BVQ<C < o p o ok p pX b@@RC
% % %
QBb@ c<VB <U C<>BV hT< < @< k B _RAB o p _BQ< @<V SPU
< k CSR B V hT< B Q< o pX
#
QR[<V<>P<@
b@ V<@_B@PS@
QR[V<h[<V<>P<@
_SVS <@P<
AS@B#
CB@PVSC?@< %
>S =jTVS
V<@_B@PS@ S>S^R@SQS@ _BQ<C @<V V<^SARB>SQS@ ABC B@ jVUS=AB@ Q< V<? X X
%
@_B@PS <C T
<z>ARS QB @R@ P<CSX YS =jTVS X CB@PVSC?@< B@ @<R@ AS@B@ _B@@UWf <R@ _SVS B
C BUQT^B QSTS>QBi iB Q<_<>Q<>QB QS _B@R\AS]_UBB^QBB@ V<SR@
c<VB <C< B V<^S\
AS]<@PRB SB@f<V_U<CB^B@`SRQBa S@@R@P<CSX
QRSjVSCS
!
S_V<@<>PS QRSjVSCS
TCS [SR S_V<@<>PS
a S Q< S^ P S [V<h T c<VB
<z>ARS ABC C BUQT^B CSRBV hT< B jS>nB <@PUSPRA BX
[V<h T
<z>ARS@ B
@PB T@R<z>ARS@
[V<h j>R= AS< hT< S@ ABC_B><>P<@
_BVPS>PBZ S V<@_B@PS Q<@@S [SRa SS @<V]
S_V<@<>PSVU _R ASBB>BCSR@PVS>@RSC_^RPBUVR=BASQS@X @PB hT<AB>=VCS
S@ Q<B`SRV<@T^a S@?
PSQB
<>PV< { S_UUBQR@ATPRQB
^B@p B ><@PS C<@CS
QRSjVSCS _S@@S @<\S ASP<>TSV
S]BX l< BCSR@ c<VB S@@< Q<@^BAS
S^ P S@ [V<h _SVST<z>ARS@
S@ S^<PS@B [V<h
_R
A BT<zQS>ARS@V<@_B@PS
oc<VB
Q<@S_SV<A<X
RjTS^ SQBQB@R@R@P<CS SU hTS>QB
@<Cc<VB@ B c<VB <@PR
c<VB@X_BR@CS SC`B@ f <V <> S^ P
AS@B@ S@ [V<h T<z>ARS@ S V<@_B@PS @<VUS _VSPRA SC<>P<
S V<@_B@PS P<CT<z>ARS@
TC PVS>@R PBUVRB_<^SCSR_V<@<>\
@ VUS_RQBAS
hT< B
QB c<VBX @ P<CS @<C
SP<>TS\ A S
] B <C S^ P S@ [V<h <
U C<>BV
yBCB< [BRZ C<@CB
AB>PVB^ AB^B ASQB@<>QB>B ><A<@@U
<a<C_^BSVRBQB_SVSAB>PVB^ < Q< BP<C_<VSPTVSZ
SA<^<VSV PVS>@R P BUVRBZ B c<VBj<VSV<@AB^TCSn RQBV<@_B@PS
_BQ< _SVS B
R>Q<@<{SQS
@R@P<CS Q< [V<>P<
B X _VB{<PB >BfSC<>P<
QB AB>PVB^ < B _VBA<@@B
_SVS S@Q< ShT<AR
fSVRS\
A B
] C
<@ <>PB
QS Q< im
V<[<Vz
< >ARS o p
< S@ X ;<@<{S?@< S>S^R @ SV
_<VPTV`S\ A B
] <@ Q< ASVjS$
'
)
b _SVPRV< QB QRSjVSCShT< Q<A^SVSC<>P<
% % '
`^BAB@ QBP<V]@R@SP<CS
QS =jTVS_UB^B@ _BQ<C
B B@ C<@CB@ @<V AS^c<VB@e
< QR[<V<>P<@ AT^SQS@ S@ im
o p oko p p )
#
o p o p
#
yBCB
BQ<jVSTX
hT< jSVS>P< P<C TC
TCS c<VB
@SU <C
QS c<VB
>T^S <CB @R @
V<jR P<CS
C < P<C jS>nB
_<VCS><>P< c<VB
BT _SVS
V<{<R\
A S
] S
B <>PVSQS
S@@R > PU
B PR Q<
A S _<VPTV`S\
Q< QB A
PR_BS
] B
W
b^U
<C QR@S@B S V<@_B@PS
QBRfS^BV@ _UkB^B@<C RjTSR@ < jS>nB @<VU
k SX SbQ<VRV<@_B@PS
fSQS Q<QBTCS@R@P<CS
V<@_B@PS
<C Q<i @<jT>QS
_SVS TC BVQ<C ABCQ<
Q<jVST
'
CB@PVS?@< >S =jTVS XkX X `@<VfS?@< ABCB S V<@_B@PS <U `<C VUS_RQS < Q<
'
#
saída controle
0.12 0
−0.2
0.1
−0.4
0.08
−0.6
0.06
−0.8
0.04
−1
0.02
−1.2
0 −1.4
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
b @B^T\ A S
] B _SVS <@P< _VB`^<CS@ <
U TPR^ R cSVTCS <@PVTPTVS
S QS =jTVS X X Y<@P< <@hT<CS B AB>PVB^SQBV <U S{T@PSQB _SVS B`P<V S Q<@<{SQS < B
Q< QBR@ jVST@ Q< ^R)
` <VQSQ< ABCB
1/4s+1
9*[5/9 1]
5/9s+1 controle
referencia s
Sum1 u
filtro
Controle PI
1
referencia saída
s+1
Sum2 y
r
forno
iRjTV< X e yB>PVB^< Q< QBR@ jVST@ Q< ^R` <VQSQ< Q< TC @R@P<CS PU<VCRAB
perturbação
o p kk
ABC < k X @AB^ n <>QB _BV <a<C_^ B k _BQ<?@< B`P<V TCS V<@_B@PS
ABCB XS yBCB
QS =jTVS@< B`@<VfSZ
XkX _SVSS @B^T\
TCAQ<jVST
#
S] B
<
U Q< fS^BV
@SPR@[SPUB VRS k_SVS<C SC`B@
<C B@ @R><SR@Q< Q<fS^<>PVSQSX
BV k <C <C@P<
'
PR_ B Q< @B^T\AS]B @<VUS TPR^RcSQB < QR@ATPRQ B <C BTPVS@ _SVP<@ Q< <@P< QBATC<>PBX
saída
1 controle
1.5
0.9
seguimento
da referência
0.8 1
0.7
0.5
0.6
0.5
0
0.4
0.3 −0.5
rejeição da carga
0.2
−1
0.1
0
0 1 2 3 4 5 6 7 −1.5
0 1 2 3 4 5 6 7
[V<h
P<VU T<z>ARS@ B _RA B QS i i STC<>PSVUS AB>@RQ <VSf<^C <>P< < _BVPS>PBZ S V<@_B@PS >B P<C_B
SfCSRBV
_RABC<QRS@o@B`V<_S@@BpZ<>PV<PS>PBZ@<C
!
S^P<VSV S [V<h T<z>ARS QS@ B@AR^S\AB]<@X l< B c<VB
<@PR <V
TCS V<@_B@PS >S@ BT S^ P
ATVfS Q<P<VUCS BUTCQT^B_RABABC@<C_V< S@ [V<h
CSRBV<@CSRBV T
<z>ARS@ B @<T <[<RP B QRCR>TRVUSX BVU<CZ @<C_V< P<V<CB@
fS^BV<@hT<hT<B Q<=>R S QB Q@R@P<CS @<C_UB^B@Xc<VB@X@PS@PBQR[@Rj>R
=<AS_RAB@
hT<
STC<>PS S C<QRQ S hT< B c<VB @< S_VBaRCS QS@ `SRa S@ [V<h T<z>ARS@X B _<^ B @ <V<>\
A X
q-,- ./012340 2 128 u 2/84 58 23
V<@T^P@P<SQB@l<<@PTQB
B_BQ<C
@R @
_BQ<@<V @<VB`PRQB@
P<CS PR f <V
V<S^RcSQB
PVz< @ T@S>QB
_UB ^B@
PSC`US
V<SR@
<C _SVSS`BVQSj<C
C<@CS
S V<@_B@PS
@R@P<CS@ Q<QB@P<VA<R@R@P<CS@
QB @R@P<CS @<C
VS BVQ<CQ< BVQ<C
c<VB@
ABC c<VB@X
P<VU S TCS R>[<VR B
[BVCS
@
VX
_SV<ARQS
c<VBZ S @TSABCR> STzQB<>ARS@R@P<CS@<VU S Q< @<jT>QS
Q<@_V<cU f <^ BVQ<C
@< <^< <@PRABCf<V_U>S@B^B@ S^V<SR@X
P S@ [V<hl<T<Bz>ARS@Z
@R@P<CS< _VBQTcRVU
PRf<V TCS
TC`SRaSTC<>PB >S f<^BAR
iRjTV<oSpX_UeB^B@BUV<SR@Z
c<VBe QT^B QSo`pi_UB^B@i QBABC_^<aB@
! @R@P<CS Q<AB>{TjSQB@X
@<jT>QS BVQ<C _SVS QR[<V<>P<@ _B@R\AB]<@ QB
iRQB@jTV<c<VB@Xk< eABC<@_B@PS
! SB
_UB^B@ V<SR@Q<jVST QB @R@P<CS Q< P<VA<R V S BVQ<C _SVS QR [ <V<>P<@ _B@R\
A B
] <@
iRjTV< Xk e <@_B@PS SB Q<jVST QB @R@P<CS Q< P<VA<RVS BVQ<C _SVS _UB^B@ ABC_^<aB@
# !
b V<@_B@PS SB Q<jVST
b< >S_SVPRV[V<hQST<z>ARSZ><@P<@ AS@B@
S>US^R<@<SS>P<VR CB@PVS?@<
BV P<C?@< >S =jTVS
TCB _^S>B X k X
AB>{T>PB@ hT<Q< _<VCR
R>[BVCS\PRV]ASB]B<@B @B`V< S Q<V<@_B@PS >B
P<C_B
Q< AB>PVB^SVS< >B@<aP<>Q<V
_VUBaRCB@B@ V<@T^ @TS V<^S\
AS_UPWPSQB@ A S
] B ABC <@PTQB
T^B@XQ<@PS S>US^R@< SB AS@B QR@AV<PB `S@PS V<ABVV<V S V<^S\AS]B @R @ P<CS@
_^S>B @ ? _^S>B cX ;R@ATPRV<CB@ R@PB >S _VUBaRC S @<\AS]BX
"$#!( ' $ "$ +!#$ "' + ' ( ' $ ) & !+ +!$ $# '
#!( ! +!$ $# ' !( +! * ! "'
QB_B@RAS@BPSVSRfS AB>PU
<@PTQSV>TB S@< SASVSAP<VU
_SVS W <fR P SV V<^S\
S@ A S
] B W
V<@_B@PS@
@PRAS@ QBX yB>@RQ<VSV<CB@
ABC
AS@B QR@AV<PB _BQ<C
B@AR^S\ A S
] B Q< @R>S^ @R @
S
@<V ABC
P<CS@
ASQS
TPR^RcSQB@
_<VU _U
B
BQB ^ B
Q<@ B@Q< V<@T^
_SVP< PSQB@
SCB@PVSj<C V<S^
W
o[<>zyBCB
BC<>B>BAB>n<ARQB AS@B ABCB SVR>jR>j
QR@AV<PB QBCR>z SpX>ARS QB@ _UB^B@ @< QUS _<^S _VBaRCRQSQ< QB AUVAT^B
T>RQBCR>S>P<
PSUVRB _BQ<?@< AB>A^TRV hT< hTS>QB B c<VB QB @R @ P<CS <@PR f <V S QRV<R P S QB@ _UB ^B@W @<VUS
AB>@R Q <VS>QB < S[<PSVU
<@PS S AB>@R
V<^S\ A S
] BZQ <VSf<^
S@ C <>P< ASB]<@V<@_B@PS
AB>=jTVS\ QR@ATPRQS@QSQS_SVS_<^BB@RAS@B@P<CSAB>PU@<C>TBc<VB@X@]SB fUb@@RS^RQS@C Z
_SVS SVSB AS@BTC QR@R@@AV<PBX W
fS^BV
R>RARS^ >] S BP<CS
>T^ B Q<
hT< _VRC<R
_BQ<VU V S
S BVQ<C
@<V CSR ABC
B V TC
oC<>BVp c<VB hT<P<VU
BS S V<@_B@PS
fS^BV Q< V<jRC<SB Q<jVST
_<VCS><>P<P<VU S TC@<
BhT<c<VBTCpXV<S^ S<@PRU B f<[<R<V PSBQRQBV<Rc<VB
PS o<@hT<VQSp
>B C B
U QT^ BQBQS_UBV<@_B@PS
^B oAB>@RQ<VS>QB
<C [V<h T SC`B@ ABC C BUQT^B C<>BV
<z>ARS QB @R@P<CSZ hT< Q<f<
@<V@P<S>S^RfS^B@VSQS@<VU_SVS
S CSRBV [V<h T
<z>ARS@ <>PV< < Z CBQR= ASVUS B fS^BV QB C<@CB <C
hT< B Q<>B[V<hP<C_B
T<z>ARS< c<VB hTS>QB B c<VB [BV QBCR>S>P<X YS =jTVS X
XXk < CB@PVSC?@< S@ V<@_B@PS@ >S [V<h T
<z>ARS _SVS TC @R@ P<CS ABC _UB^B <C
V<@_B@PSSVSc<VBR@R@P<CS@
><Cf<V@SX_SVSQ< @<jT>QS
QR[<V<>P<@ fS^BV<@ Q< X `@<VfS?@< ABCB _SVS k B @R@P<CS P<C
@<QBCR>S>P<
B c<VB V<S^S V<@_B@PS
BVQ<C ABC
<@PRf<V S@<VUQRV<RS @RPCS R^QBSV _USBB^BQBQBCR _UB ^B@ V<SR @ S
> S>P<X@<Cl<c<VB@ZV<@_B@PS SB Q<jVST
B c<VB_BVU<@PR<Cf<VABCS <@hT<VQSP<VU S TC _RAB
QB@T`R_UBQ^BS
@R @ P<CS
C<>BVX YS =jTVS@ Xk < Xk CB@PVSC?@< S@ V<_B@PS@ >B P<C_B < >S [V<h T<z>ARS S@@RC
P<C_B Q<
iR<>P<@jTV<_B@R\XkAB]e<@ _SVS
BUQT^BB@QSc<VB@i i QB @R@P<CS Q< P<VA<RVS BVQ<C ABC _UB^B@ ABC_^<aB@ < QR[<V?
!
iRQR[j<V<>P<@
TV< Xk_B@R\
e A<@_B@PS
! SB Q<jVST
B]<@ QB@ c<VB@ QB @R @ P<CS Q< P<VA<R V S BVQ<C _SVS _U
B ^ B @ ABC_^<aB@ <
#
módulo
1 saída
10
2.5
2
b=0.95
0 1.5
10 b=0.95
b= 0.8
b=0.8
1
0.5
−1 b=0.2 b=0.2
10
b=1.2
−0.5
−2
10
−3 −2 −1 0 1 −1
10 10 10 10 10 10 20 30 40 50 60 70 80 90 100
iRjTV< Xk e <@_B@PS <C [V<h T<z>ARS QB @R@P<CS QR@AV<PB Q< _VRC <RVS BVQ<C ABC TC c<VB
freqüência tempo
!
ABCB B QRSjVSCS _UB^B?c<VB _SVS TC AS@B ABC _UB^B@ <C < < c<VB V<S^ fSVRS>QBX
iRjTV< Xk e <@_B@PS ABC c<VB@ Q< @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@ V<SR@
!
P<C`@<VfS?@<
TC
YB AS@B
ABCB >B AS@B QB c<VB QBCR>S>P< o pB C BUQT^B QS V<@_B@PS <C [V<h T<z>ARS
_RABX
Q< _U B ^B@ ABC_^ < aB@ AB>{TjSQB@ B
@R@P<CS
ABC_^<PSVAS@B AB>PU
S S>US >TBZ
B`P<>QB?@<
W ^R@< Q< @R@P<CS@ <@PTQSV<CB@ ><@P< AS_UWPT^B S@ ASVSAP<VUW@PRAS@
Q< V<_B@PS >B P<C_B < >S [V<h T<z>ARS Q< @R@P<CS@ ABC SPVS@B Q< PVS>@_BVP<X
módulo
1
10
b=0.95
0
10
b=0.85
−1
10
b=0.2
−2
10
−3
10
−3 −2 −1 0 1
iRV<SR@jTV< Xk e <@_B@PS <C [V<h T<z>ARS QB @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@
10 10 10 10 10
freqüência
!
_^iR<jaB@TV< Xk e <@_B@PS ABC c<VB@ Q< @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@ ABC?
!
#
P<VCBPS>hT<Z
<@PS j<VS^C<>P<
TCS _BV
PT`T^S\A
V<^S?
<a<C_^BZ
S
] B <
TCS fUS^f T^SZ ABCB CB@PVS S =jTVS X X
lT_]B <?@<
XbX SVSSVS<>AB>PVSV hT< S <>PVSQS
S [T>\ QB >B@@B
ARS]ASVB Q<TCPVS>@[<Vz @R@P<CS <
U S _BPz
<>ARS<C QB <@R@P<CS < >ARS
_BQ<VU < S @SU
W QS S P<C_<VSPTVS
WSCB@ [Sc<V>S TC@SUWQ<>@SR B Q<
R@PBZ
hT<SUjTSShT<>P< `S@PS
PT`T^S\>SAS]BPBV><R S_^
<@PUS VR>RSXAb_U
RS^C<>P< Q<jVST
ABC SUjTS
[VRSZ C<QRV
QTVS>P< S P<C_<VSPTVS
TC A<VPB P<C_B >]S B SX ;SQB
P<V<CB@
V<jRC< _<VCS><>P<X YS =jTVS B@ R@XPBZk SCB@PVS?@<
P<C_<VSPTVSS QS SUjTSQBRV@R@P<CS
V<@_B@PS SU STC<>PS>QB
_SVS TC SPU<Q<jVST
SPR> jRV>BB
P<C_B X
C<>P< b V<@_B@PS
AB>@PS>P< <Z B`PRQS
hT< S_UCB@PVS
B @ hT<
<^S <fB^TRSPU< B
Q< P<C_B
SABVQB ABCS P<C_<VSPTVS
S^jTCS ^ < RX _<VCS><A<
l< AB>@R
Q _VSPR
<VSVCB@ A S?
B
@R> S^ o p o pZ
Z < AS^AT^SCB@ S im QB @R@P<CS o@T_B>QB hT< <aR@P<pe
o p o p o p o p
$
$
o p
op
o p o p
< <>P]SBe
oo pp o p
$
;<@PS>TB[BVCSZ
AB>PU >B P<CB@ ABCB
QBCR>RB QS [V<hV<_V<@<>PSV
T <
z >ARS B <[<RPB QB@PTQSV<CB@
ABC_^<aSX SPVS@B Q< S@PVS>@_BVP<
ASVSAP<VU <C TCQS@R@P<CS
@PRAS@ [T>\
A S
] B
W
V<@_B@PS <C [V<h T<z>ARS QB P<VCB oSPVS@B QB @R@P<CSpX
W
q- -, 20s5014 23 82 2 6 u /4 2 3 0/01234 u 53 418405
[S@<Z
QRSjVSCShT< <CQ< [S@<<@AS^SABC^BjSVU WPCRAQ<S Q<AV<@A<
Q<PS^n< fU S VR B @ <a_B><>ARS^C<>P<X
_B>PB@ < >S =jTVS X YSABCB=jTVSB STC<>PB
X CB@PVS?@<
QB fS^BV B
Q< AST@S TC ASRC <>PB CTRPB VUS_RQB QS [S@<X
#
−100
−200
L=10 L=0
−300
fase
−400
L=1
−500
L=2
−600
−700
#
;RSjVSCS ^BjSVUWPCRAB
o p k ko p $
o p
`@<VfS?@< ABCB B C B
U QT^B P<>Q< S c<VB < S [S@< S R > =>R P B hTS>QB S [V<h T
<z>ARS STC<>PS
< R@PB j<VS TCS ATVfS <C <@_RVS^oQRSjVSCS _B^SVp ABCB @< CB@PVS >S =jTVS X X
#
>BB@yBCB_VB`^
[BR S>S^B hT<R@SQBZQR= AT^B SPVS@B
@R@P<CS < CS@ Q< AB>PVB^< P S S S>U
hT<
Q<^R@<PVS>@_BVP<
S
<>fB^ QB
f @R
<C @ R>PVBQTc
P<CSX
SPVS@B@ b@@R C
T@S>QB
TCSPV<_V<@<>PS\
ZCTR
S_VBaRS@ f<c<@
C S\
A B
]<U
<@
A>S]P<V<@@S>P<
R B >]SB _B^R>U<@PTQSV
_B^R>U B CR A S@X
BCRAS
SVS
R@PBZ
QSQ<@P<@[SR`S@PS
a_B^S Q<R>zT@SV
[V<h TTCS S_VBaRC S\AS]B Q< @U<VR<@ Q< _BPz<>ARS QS [T>\AS]B X ;<_<>Q<>QB
<z>ARS@ Q< <@PTQBZ S S_VBaRCS\AS]B _BQ< <>fB^f <V CSRBV BT C<>BV BVQ<C
oo p o p
p o p
BVQ<C@PS`SRSVS[UBaVCT^S
_SVSQ<S_VBaR
STCS AUS^AT^B= ASV<U B@AB>n<AR
@RC_^R AUS Q S ABCB Q< SQU<< < j<VS^C <>P< <^S <U TPR^RcSQS ABC
^AT^B@X
C S\AS]B Q< _VRC<RVS BVQ<C P<VUWSCB@e
k
k
hT<`@<VfS?@<
V<_V<@<>PShT<eTCS PVS>@[<Vz<>ARS ABC TC _UB^B <C < TC c<VB <C X
kk k
bR@PBQRSjVSCS
S_VBaRCS\
<Ue A_B^SV
S
] B Q< V<@T^ PS VABCB
_VRC<R S >S =jTVS
BVQ<C <U `BS X X S [S@< >]SB @< S[S@P< CTRPB Q< Z
<>hTS>PB
k
BT S_VBaRC SQSC<>P<e
#
iRjTV< X e ;RSjVSCS _B^SV QS S_VBaRC S\AS]B Q< SQU< Q< _VRC <RVS BVQ<C
@PS [SRa S Q<P<VCR>S S V<jR]SB Q< S_VBaRCS\AS]B _SVS _VRC<RVS BVQ<C ABC TC <VVB X
SVS S_VBaR C S\
<CS BVQ<CZ _UQBB^B_B^R
A B
] <@ Q< CSRBV
@ <C> BzCRBZ PBQB@ BVQ<CZ
A<>PVSQB@ S QR @ PVR`TR\
V<@_<R P B A S
]
QS B Q< _U
BVRj<CB ^B@
< < c<VB@
ABC C B
UAB>PR>TS
QT^B@ @<>QBe
AV<@A<>P<@Z c<VB@
ABC
(
<[<R P B SPVS@B
(
PSC`USPU<<CSPR>jR
_BQ< V @<V hTS>QB
S>S^R @ S BVQ<C
SQB >S @TS P<>Q< S R>=>RAS]BPBX>B _^S>B cX TS>QB
V<_V<@<>PS\
PVS`S^
QB_VBA<@@Bn SCB@AB>PU
@R@P<CS ABC>TBX@R@P<CS@ yBCB Q<fRAB>PVB^<
C B@ >S QR@AV<PB
P<BVRS <U ><A<@@U
Q< @R>SR@ S<VR@R@P<CS@
B V<_V<@<>PSV ^R > S imS imSCB@PVSQS
<SV<@ Q< TC
W
CSR@ @T@P<>PSQBV Q< BVQ<C c<VB AS^AT^SfS?@< ABCBe
$ o p ok p o p
>TC
$ o p ok p o p
$
hT< Z _BQ<VU{T>PB
QR@AV<PRcSQB S @<VSB`<CV<@PS>P< S_VBaRQSC SQBQR> Sz_BVCRASTCQB _VBA<@@BX
SQU<< Q< _VRC <RVS BVQ<CZ hT< Q<f<VUS @<V
)*$ !$
Y<@P<
<C@R@P<CSX AS_U W P T^B
[V<h T<z>ARS@ V<@T^ V<S^R
Q< @RPSQB@c SCB@ TCS V<fR@]
@P<CS@[BVSC^R><SV<@QR@ATPRQB@S B Q<
V<^SARB>S>QB AB>A<R P B@ Q< V<@_B@PS
<@PS@TC ABC_SVS^S<^[T>\ >B P<C_B <
AS]B Q<B PVS>@[<VzV<@_B@PS
<>ARS<QBaB
<@<VUS@S [T>QSC<>PS^
V<@_B@PS@ SB _SVS Q<jVSTB <@PTQB
< <C [V<hQB@T<zCU>ARSX [Sc<>QB
@PSQ< _VB{<PB B <>PV<
S>US^R@<Z hT<[<RPSQR@ATPRV<CB@ _^S>B ABC_^
_SVS @R@P<CS@>B@ABC_VUBaRc<VB@Z
AS_U P T^B@X BV BTPVB ^SQB B <@PTQB Q< < PBQB@