Baixe o app para aproveitar ainda mais
Prévia do material em texto
Espaço de estados 2 1. ESPAÇO DE ESTADOS INTRODUÇÃO Olá! Os modelos matemáticos, estudados até este momento, que descrevem o comportamento de um sistema dinâmico são definidos através de equações diferenciais lineares de coeficientes constantes (domínio do tempo) e funções de transferência (domínio da frequência). Pelo uso da transformada de Laplace, a função de transferência pode ser obtida a partir das equações diferenciais. Por outro lado, aplicando a transformada inversa de Laplace em uma função de transferência, o modelo de equações diferenciais pode ser obtido. Esses dois modelos matemáticos, embora sejam muito utilizados para a análise de sistemas dinâmicos mais simples, apresentam uma série de limitações. Primeiramente, o sistema definido através desse tipo de modelo deve ser linear e invariante com o tempo (LIT). O sistema também deve apresentar uma única entrada e uma única saída (sistemas SISO – single input single output). As condições iniciais dos sistemas definidos pelas equações diferenciais lineares e pela respectiva função de transferência devem apresentar condições iniciais supostamente nulas. E, por fim, esse modelamento não é capaz de contemplar a análise das variáveis internas do sistema. Diante de tantas limitações, desenvolveu-se um terceiro modelo matemático, mais poderoso e utilizado em sistemas de natureza mais complexa, denominado modelo de espaço de estados (ou modelo de variáveis de estado). Este é um modelo que descreve o comportamento de um sistema a partir de equações diferenciais que são desenvolvidas em um formato específico. O modelo consiste em um conjunto de equações diferenciais de primeira ordem acopladas (normalmente escritas na forma de um vetor matriz) (PHILLIPS e HARBOR, 1996). A grande diferença, e vantagem, da aplicação do modelo de espaço de estados, é permitir a representação das características internas do sistema. Nesse novo modelo proposto, a relação entrada-saída do sistema (mesma relação obtida pela função de transferência) é preservada, mas expressa de uma maneira alternativa (através de n equações de primeira ordem para um sistema de ordem n). Espaço de estados 3 De acordo com Phillips e Harbor (1996), outras vantagens para a utilização do modelo de espaço de estados são: • Para sistemas de ordem elevada, a análise e o projeto de sistemas via modelo de espaço de estados são executados mais facilmente quando comparados à abordagem por função de transferência; • No projeto de sistemas através do modelo de espaço de estados, um número maior de informações realimenta o processo, permitindo um estudo mais aprofundado das variáveis internas, implementando um controle mais completo quando comparado aos outros modelos disponíveis; • Os melhores sistemas – sistemas que maximizam (ou minimizam) a função matemática que expressa o critério de projeto – são obtidos nos procedimentos de projeto de sistemas a partir do modelo de variáveis de estado; • Os modelos de variáveis de estados são geralmente necessários para simulações computacionais; • Mesmo quando o projeto de um sistema não é feito através do modelo de variáveis de estado, pode-se utilizar o método clássico de projeto para a aproximar a resposta do sistema ao sistema mais bem obtido pelo modelo de variáveis de estado. O modelo de espaço de estados permite representação no domínio da frequência e do tempo. E, por fim, permite o modelamento de sistemas com múltiplas entradas e múltiplas saídas (MIMO – multiple input multiple output). MODELO MATEMÁTICO DE ESPAÇO DE ESTADOS Para entendermos como é obtido o modelo matemático de um sistema através do método de espaço de estados, vamos desenvolver esse modelo para um sistema do tipo massa-mola-amortecedor (fig. 1). Esse sistema configura um sistema mecânico translacional que está sob vibração forçada. Vamos primeiramente modelar este sistema através dos métodos convencionais (equações diferenciais lineares e função de transferência) e, a partir desses modelos, proceder com a obtenção do modelo via espaço de estados. Espaço de estados 4 Figura 1: sistema massa-mola-amortecedor (Fonte: Phillips e Harbor, 1996). Aplicando a segunda lei de Newton ao sistema e sabendo que as forças mecânicas efetuadas pela mola e pelo amortecedor viscoso são sempre contrárias ao movimento do corpo, o modelo matemático que descreve o comportamento do sistema é dado por: 𝑀 ∙ 𝑎 = 𝑓(𝑡) − 𝐵 ∙ 𝑣 − 𝐾 ∙ 𝑦(𝑡) (1) Reescrevendo essa equação em função da posição da massa, y(t), temos: 𝑀 ∙ 𝑑²𝑦(𝑡) 𝑑𝑡² = 𝑓(𝑡) − 𝐵 ∙ 𝑑𝑦(𝑡) 𝑑𝑡 − 𝐾 ∙ 𝑦(𝑡) (2) que é o modelo matemático convencional do sistema obtido no domínio do tempo. Aplicando a transformada de Laplace a esse sistema e efetuando a divisão dos sinais de entrada e de saída do sistema (procedimento efetuado para a obtenção da função de transferência do sistema), obtemos: 𝐺(𝑠) = 𝑌(𝑠) 𝐹(𝑠) = 1 𝑀𝑠2+𝐵𝑠+𝐾 (3) que representa o modelo matemático do comportamento do sistema, no domínio da frequência, obtido através da sua função de transferência. Em ambos os modelos matemáticos a posição y(t) é descrita em função da força de excitação, f(t) do sistema. Espaço de estados 5 Vamos agora desenvolver um modelo que nos permite, além de obter informações referente a posição do objeto, determinar a sua velocidade. Fazendo: 𝑥1(𝑡) = 𝑦(𝑡) (4) 𝑥2(𝑡) = 𝑑𝑦(𝑡) 𝑑𝑡 = 𝑑𝑥1 𝑑𝑡 = 𝑥1̇(𝑡) (5) Podemos reescrever a nossa função original (eq. 1) como: 𝑑²𝑦(𝑡) 𝑑𝑡² = 𝑑𝑥2(𝑡) 𝑑𝑡 = 𝑥2̇(𝑡) = − 𝐵 𝑀 𝑥2(𝑡) − 𝐾 𝑀 𝑥1(𝑡) + 1 𝑀 𝑓(𝑡) (6) Rearranjando a equação 6 e representando através de notação vetor-matriz, obtemos o modelo matemático via espaço de estados do sistema. Para o sistema em análise, o modelo de espaço de estados é dado por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) ] = [ 0 1 − 𝐾 𝑀 − 𝐵 𝑀 ] [ 𝑥1(𝑡) 𝑥2(𝑡) ] + [ 0 1 𝑀 ] 𝑓(𝑡) (7) 𝑦(𝑡) = [1 0] [ 𝑥1(𝑡) 𝑥2(𝑡) ] (8) a matriz coluna [ 𝑥1(𝑡) 𝑥2(𝑡) ] é denominada vetor de estado. O número de variáveis de estado de um sistema é igual a ordem n deste sistema, sempre satisfazendo as seguintes condições: • Se forem conhecidas as variáveis de estado em um instante qualquer, juntamente com as variáveis de entrada do sistema, permitem determinar todas as outras variáveis do sistema; • Se forem conhecidas as variáveis de estado em um instante qualquer, é possível determinar seus valores para todos os instantes futuros (desde que se conheça os valores das variáveis de entrada para os mesmos instantes). Espaço de estados 6 A forma geral de representação do modelo matemático de um sistema utilizando os conceitos do método de espaço de estados é dado por: �̇�(𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡) (9) 𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑢(𝑡) (10) onde x(t) representa o vetor de estado (n x 1), A (n x n) e B (n x r) são matrizes do sistema, u(t) é ovetor de entrada (r x 1), y(t) representa o vetor de saída (p x 1), C é a matriz de saída (p x n) e D (p x r) representa o acoplamento direto entre entrada e saída (normalmente igual a zero). A equação 9 é chamada de equação de estado do sistema: uma matriz com equações diferenciais de primeira ordem cuja solução é dada por x(t). Nesta equação apenas a derivada de primeira ordem deve aparecer do lado esquerdo da equação e nenhuma derivada deve aparecer do lado direito. A equação 10 é chamada de equação de saída. De acordo com Maya e Leonardi (2014), define-se como estado de um sistema em um instante qualquer t, o conjunto de informações nesse instante do vetor estado. Sabendo-se, para o mesmo instante t, as características e os parâmetros do sinal de entrada, todas as demais informações do sistema podem ser obtidas nesse instante t (estado do sistema). O espaço de estado é o espaço (de n dimensões) que representa a trajetória descrita pelo vetor de estado. Nesse gráfico, os eixos representam os componentes do vetor de estado e a trajetória de um vetor de estado é a curva descrita pela extremidade do vetor dentro desse espaço (fig. 2). Espaço de estados 7 Figura 2: espaço de estado com n igual a 2 (Fonte: Maya e Leonardi, 2014). Vamos representar, de maneira genérica, o modelo matemático obtido pelo método de espaço de estados para dois diferentes sistemas (fig. 3a e fig. 3b). (a) (b) Figura 3: a) sistema de ordem 2, com uma variável de entrada e duas de saída; b) sistema de ordem 3, com duas variáveis de entrada e duas de saída (Fonte: Maya e Leonardi, 2014). A representação do modelo matemático para ambos os sistemas pode ser feita de duas maneiras. Pode-se representar o conjunto de equações através de vetores e matrizes ou ainda, pode-se representar as equações para cada um dos estados e cada uma das saídas. No caso do sistema representado na fig. 3a, temos um sistema de ordem 2 (2 estados), com uma variável de entrada e duas variáveis de saída. O modelo matemático que descreve o comportamento do sistema, representado vetorialmente, é dado por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) ] = [ 𝑎11 𝑎12 𝑎21 𝑎22 ] [ 𝑥1(𝑡) 𝑥2(𝑡) ] + [ 𝑏1 𝑏2 ] 𝑢(𝑡) (11) Espaço de estados 8 [ 𝑦1(𝑡) 𝑦2(𝑡) ] = [ 𝑐11 𝑐12 𝑐21 𝑐22 ] [ 𝑥1(𝑡) 𝑥2(𝑡) ] + [ 𝑑1 𝑑2 ] 𝑢(𝑡) (12) Para o sistema representado na fig. 3b, sistema de terceira ordem, com duas variáveis de entrada e duas variáveis de saída, o modelo matemático que descreve o comportamento do sistema, representado vetorialmente, é dado por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) 𝑥3̇(𝑡) ] = [ 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 ] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] + [ 𝑏11 𝑏12 𝑏21 𝑏22 𝑏31 𝑏32 ] [ 𝑢1(𝑡) 𝑢2(𝑡) ] (13) [ 𝑦1(𝑡) 𝑦2(𝑡) ] = [ 𝑐11 𝑐12 𝑐13 𝑐21 𝑐22 𝑐23 ] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] + [ 𝑑11 𝑑12 𝑑21 𝑑22 ] [ 𝑢1(𝑡) 𝑢2(𝑡) ] (14) VARIÁVEIS DE ESTADO Vimos que o vetor de estado do sistema deve conter a mesma quantidade de componentes que a ordem do sistema. Entretanto, as variáveis que irão compor o vetor de estado podem ser escolhidas de diversas maneiras (o vetor de estado não é único). Uma escolha conveniente, por exemplo, para as variáveis do vetor de estado do sistema é escolher as variáveis que definem as condições iniciais do sistema. No caso de um sistema mecânico, massa-mola-amortecedor que analisamos anteriormente, por exemplo, as variáveis que definem suas condições iniciais são a velocidade e a posição inicial do sistema (variáveis escolhidas para compor o vetor de estado do sistema). Outra maneira para a determinação das variáveis do vetor de estado de um sistema pode ser utilizada quando o sistema apresentar entrada e saída únicas. Se o modelo linear sob forma de equações diferenciais for de coeficientes constantes, ordem n (na variável de saída) e não tiver derivada no sinal de entrada, pode-se escolher como variáveis de estado as variáveis de estado de fase. As variáveis de estado de fase são definidas em sequência, de 1 até n, onde a primeira variável, x1(t) é a própria variável de saída y(t); as demais (com exceção da Espaço de estados 9 última), são as derivadas sucessivas de y(t); e a última variável do vetor de estado é igual a própria equação do sistema. Vamos entender melhor essa metodologia através da análise do sistema que é definido pelo modelo matemático a seguir (Maya e Leonardi, 2014): 𝑦(𝑡) + 3�̈�(𝑡) + 4�̇�(𝑡) + 2𝑦(𝑡) = 5𝑢(𝑡) (15) Este modelo satisfaz as condições impostas uma vez que é formado por equações diferenciais lineares de coeficientes constantes e não observa derivada no sinal de entrada. O sistema é de terceira ordem. Dessa maneira as variáveis de estado de fase serão: 𝑥1 = 𝑦(𝑡), 𝑥2 = �̇�(𝑡) e 𝑥3 = �̈�(𝑡). Em notação vetorial, a representação desse sistema por espaço de estados é dada por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) 𝑥3̇(𝑡) ] = [ 0 1 0 0 0 1 −2 −4 −3 ] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] + [ 0 0 5 ] 𝑢(𝑡) (16) 𝑦(𝑡) = [1 0 0] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] (17) Esta metodologia para a seleção das variáveis que irão compor o vetor de estado pode ser utilizada quando a função de transferência de um sistema G(s) = Y(s)/U(s) possuir n polos e nenhum zero (via multiplicação cruzada), ou até mesmo quando a função de transferência apresenta zeros (nesse caso deve-se utilizar uma variável auxiliar). Vamos ver como devemos proceder em cada um desses casos. Considere um sistema cuja função de transferência é dada por: 𝐺(𝑠) = 𝑌(𝑠) 𝑈(𝑠) = 8 𝑠3+3𝑠2+2𝑠+8 (18) Se efetuarmos a multiplicação cruzada teremos: 𝑌(𝑠). (𝑠3 + 3𝑠2 + 2𝑠 + 8) = 8. 𝑈(𝑠) (19) Espaço de estados 10 Aplicando a transformada inversa de Laplace, temos a função no domínio do tempo que é igual a: 𝑦(𝑡) + 3�̈�(𝑡) + 2�̇�(𝑡) + 8𝑦(𝑡) = 8. 𝑢(𝑡) (20) Podemos resolver esse sistema através da determinação das variáveis de estado de fase. Nesse caso, 𝑥1(𝑡) = 𝑦(𝑡), 𝑥2(𝑡) = �̇�(𝑡) e 𝑥3(𝑡) = �̈�(𝑡). E sabendo que: �̇�3(𝑡) = −8𝑥1(𝑡) − 2𝑥2(𝑡) − 3𝑥3(𝑡) + 8. 𝑢(𝑡) (21) A equação de estado e equação de saída do sistema, na representação vetorial, são dadas, respectivamente, por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) 𝑥3̇(𝑡) ] = [ 0 1 0 0 0 1 −8 −2 −3 ] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] + [ 0 0 8 ] 𝑢(𝑡) (22) 𝑦(𝑡) = [1 0 0] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] (23) E para o caso em que a função de transferência apresenta zeros? Nesse caso é necessário utilizar uma variável auxiliar, da maneira a seguir. Nosso objetivo é determinar o modelo de estados de um sistema que é definido pela seguinte função de transferência: 𝐺(𝑠) = 𝑌(𝑠) 𝑈(𝑠) = 15(𝑠2+3𝑠+12) 𝑠3+13𝑠2+60𝑠+30 (24) Podemos reparar que agora existem polos e zeros na função de transferência. Nesse tipo de sistema, deve-se multiplicar o numerador e o denominadorpor uma variável arbitrária X(s), da seguinte maneira: Espaço de estados 11 𝐺(𝑠) = 𝑌(𝑠) 𝑈(𝑠) = 15(𝑠2+3𝑠+12)∙𝑋(𝑠) (𝑠3+13𝑠2+60𝑠+30)∙𝑋(𝑠) (25) Deve-se escolher X(s) de modo que (𝑠3 + 13𝑠2 + 60𝑠 + 30) ∙ 𝑋(𝑠) seja igual a U(s) e 15(𝑠2 + 3𝑠 + 12) ∙ 𝑋(𝑠) seja igual a Y(s). Aplicando a transformada inversa de Laplace, temos que: 𝑥(𝑡) + 13�̈�(𝑡) + 60�̇�(𝑡) + 30𝑥(𝑡) = 𝑢(𝑡) (26) 15�̈�(𝑡) + 45�̇�(𝑡) + 180𝑥(𝑡) = 𝑦(𝑡) (27) Agora podemos analisar o sistema da mesma maneira que nos casos anteriores. Para esse sistema, 𝑥1(𝑡) = 𝑥(𝑡), 𝑥2(𝑡) = �̇�(𝑡) e 𝑥3(𝑡) = �̈�(𝑡). E sabendo que: �̇�3(𝑡) = −30𝑥1(𝑡) − 60𝑥2(𝑡) − 13𝑥3(𝑡) + 𝑢(𝑡) (28) e a equação de saída: 𝑦(𝑡) = 180𝑥1(𝑡) + 45𝑥2(𝑡) + 15𝑥3(𝑡) (29) Escrevendo de forma vetorial, temos que o modelo de estados do sistema é definido por: [ 𝑥1̇(𝑡) 𝑥2̇(𝑡) 𝑥3̇(𝑡) ] = [ 0 1 0 0 0 1 −30 −60 −13 ] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] + [ 0 0 1 ] 𝑢(𝑡) (30) 𝑦(𝑡) = [180 45 15] [ 𝑥1(𝑡) 𝑥2(𝑡) 𝑥3(𝑡) ] (31) Espaço de estados 12 REFERÊNCIAS BIBLIOGRÁFICAS MAYA, Paulo Alvaro; LEONARDI, Fabrizio. Controle essencial. 2. ed. São Paulo: Pearson Education do Brasil, 2014. OGATA, Katsuhiko. Engenharia de controle moderno. 5. ed. São Paulo: Pearson Prentice Hall, 2010. PHILLIPS, Charles L.; HARBOR, Royce D. Sistemas de controle e realimentação. 1. ed. São Paulo: Makron Books, 1996.
Compartilhar