Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO MATHEUS OLIVEIRA DE BRITO SIMULAÇÃO E CONTROLE DO TIPO SOFTWARE IN THE LOOP PARA MOTOR CC: Aplicações em PID e MPC Salvador 2015 2 MATHEUS OLIVEIRA DE BRITO SIMULAÇÃO E CONTROLE DO TIPO SOFTWARE IN THE LOOP PARA MOTOR CC: Aplicações em PID e MPC Trabalho de conclusão de curso de graduação apresentado à Universidade Federal da Bahia, como requisito parcial para obtenção do Grau de Bacharel em Engenharia de Controle e Automação. Orientador: Prof.º Marcus Vinicius Americano da Costa Filho. Salvador 2015 3 MATHEUS OLIVEIRA DE BRITO SIMULAÇÃO E CONTROLE DO TIPO SOFTWARE IN THE LOOP PARA MOTOR CC: Aplicações em PID e MPC Trabalho de conclusão de curso submetido ao corpo docente do colegiado do curso de Engenharia de Controle e Automação da Universidade Federal da Bahia, como requisito para obtenção do Título de Bacharel em Engenharia de Controle e Automação. BANCA EXAMINADORA: _____________________________________________________ Prof. André Pires Nóbrega Tahim, Dr. _____________________________________________________ Prof. Márcio André Fernandes Martins, Dr. ________________________________________________ Prof. Marcus Vinícius Americano da Costa Filho, Dr. Aprovada em, Salvador, _____ de ___________________ de ________. 4 Dedicatória: À Deus, pelo cuidado com minha vida; aos meus pais e familiares, pelas orações, ensinamentos e apoio; aos amigos que contribuíram em todo período acadêmico. 5 AGRADECIMENTOS À Deus por minha vida e por tudo quem tem me proporcionado durante a minha trajetória. Aos meus pais, pelo amor, incentivo e apoio incondicional. Aos meus amigos, pelo companheirismo e comprometimento durante todo o curso. À Universidade Federal da Bahia, pela excelente formação acadêmica a mim proporcionada. Ao professor Marcus Vinicius Americano da Costa Filho, pela orientação, apoio e confiança. 6 “Que os vossos esforços desafiem as impossibilidades, lembrai-vos de que as grandes coisas do homem foram conquistadas do que pareciam impossível”. Charles Chaplin 7 RESUMO Este trabalho de conclusão de curso apresenta estratégias de controle para um motor de corrente contínua (CC) em ambiente virtual, levando em consideração o comportamento da corrente de armadura, principalmente em sua partida. Primeira mente será comentado a importância do controle de motores elétricos CC, representando também o seu comportamento dinâmico no domínio da frequência e do tempo através da transformada de Laplace e da forma diferencial. Na implementação do trabalho foi realizado um software-in-the-loop entre o Matlab/Simulink/Simscape, onde foi simulado o equipamento estudado, e o LabVIEW onde foi implementado o controle proporcional, integral e derivativo (PID) além de ser utilizado como ferramenta para a construção de um pequeno supervisório. A comunicação entre as ferramentas se deu via OPC (OLE for Process Control), com intuito de estabelecer uma comunicação em tempo real. O trabalho também expõe um comparativo de desempenho entre as estratégias de controle PID e o controle preditivo, através de análises gráficas e quantitativas. Palavras-Chaves: Motor de Corrente Contínua. Software-In-The-Loop. Controle Preditivo. PID. Simscape. Labview. Matlab. Simulink. 8 ABSTRACT This course conclusion work presents control strategies for a direct current motor (DC) in a virtual environment, taking into account the armature current behavior, especially in his departure. First mind will be discussed the importance of controlling DC motors, also representing their dynamic behavior in the frequency domain and time by Laplace transform and differential form. The implementation of the work was carried out a software-in-the-loop between Matlab / Simulink / Simscape where was simulated the study equipment and LabVIEW which was implemented proportional control, integral and derivative (PID) as well as being used as tool for construction of a small supervisory. Communication between the tools occurred via OPC (OLE for Process Control), aiming to establish a real-time communication. The paper also sets out a comparison of performance between the PID control strategies and predictive control, through graphical and quantitative analysis. Keywords: Motor current continues. Software-In-The-Loop. Predictive Control. PID. Simscape. Labview. Matlab. Simulink. 9 LISTA DE ILUSTRAÇÕES Figura 1 - Motores CC ............................................................................................... 21 Figura 2 - Circuito Equivalente de um Motor CC ....................................................... 23 Figura 3 - Resposta do processo para a entrada degrau unitário ............................. 28 Figura 4 - Resposta do processo para a entrada impulso unitário ............................ 28 Figura 5 - Interface de monitoramento do Motor CC em LabVIEW ........................... 29 Figura 6 - Blocos OPC em Simulink para comunicação com o Supervisório. ........... 31 Figura 7 - Representação em diagrama de blocos de um PID .................................. 32 Figura 8 - Representação em diagrama de blocos de uma malha fechada com um PID ............................................................................................................................ 32 Figura 9 - Estrutura de um Controlador Preditivo. ..................................................... 43 Figura 10 - Horizontes de Previsão ........................................................................... 43 10 LISTA DE TABELAS Tabela 1 – Parâmetros do Motor CC...........................................................................25 Tabela 2 – Parâmetros de Sintonia.............................................................................34 Tabela 3 – Resultados dos Testes com combinação entre intervalos..........................44 Tabela 4 – Resultados com parâmetros MPC em Matlab/Simulink ®..........................47 Tabela 5 – Testes 1.....................................................................................................50 Tabela 6 – Testes 2.....................................................................................................52 11 LISTA DE GRÁFICOS Gráfico 1 – Resultados PID em Matlab na plataforma Simscape.................................35 Gráfico 2 – Corrente PID em Sintonia Ótima...............................................................36 Gráfico 3 – Corrente Malha Aberta..............................................................................36 Gráfico 4 – Resultados PID em Matlab na plataforma LabVIEW ............................... 37 Gráfico 5 – Corrente PID - LabVIEW ..........................................................................38 Gráfico 6 –Velocidade LabVIEW.................................................................................39 Gráfico 7 – Corrente LabVIEW....................................................................................40 Gráfico 8 – Velocidade e MV – Controlador MPC (Antes) ...........................................45 Gráfico 9 – Corrente Controlador MPC (Antes) ..........................................................46 Gráfico 10 – Velocidade e MV – Controlador MPC(Depois) .......................................46 Gráfico 11 – Corrente Controlador MPC (Depois) ......................................................47 12 Gráfico 12 – Testes 1..................................................................................................49 Gráfico 13 – Testes 2..................................................................................................51 SUMÁRIO 1 INTRODUÇÃO ................................................................................................... 14 1.1 JUSTIFICATIVA ........................................................................................... 16 1.2 OBJETIVOS ................................................................................................. 17 1.2.1 OBJETIVO GERAL ................................................................................ 17 1.2.2 OBJETIVOS ESPECÍFICOS ................................................................. 17 1.3 REVISÃO DO ESTADO DA ARTE ............................................................... 18 2 MOTOR DE CORRENTE CONTÍNUA ................................................................ 19 2.1 HISTÓRIA: A Origem do Motor CC .............................................................. 19 2.2 MODELAGEM DO MOTOR CC ................................................................... 23 2.2.1 EQUAÇÕES DO SISTEMA ................................................................... 23 13 2.2.2 TRASFORMADA DE LAPLACE ............................................................ 25 2.2.3 FUNÇÃO DE TRANSFERÊNCIA .......................................................... 25 2.2.4 PARÂMETROS DO MOTOR DE CORRENTE CONTÍNUA .................. 25 3 SOFTWARES E COMUNICAÇÃO ..................................................................... 26 3.1 MATLAB ....................................................................................................... 26 3.2 SIMULINK/SIMSCAPE ................................................................................. 27 3.3 LABVIEW ..................................................................................................... 28 3.3.1 SUPERVISÓRIO ................................................................................... 29 3.4 OPC ............................................................................................................. 30 4 CONTROLE ........................................................................................................ 31 4.1 PID ............................................................................................................... 31 4.1.1 SINTONIA .............................................................................................. 33 4.2 SIMULAÇÃO ................................................................................................ 34 4.2.1 MATLAB ................................................................................................ 34 4.2.2 LABVIEW ............................................................................................... 37 4.3 MPC ............................................................................................................. 41 4.3.1 PARÂMETROS ...................................................................................... 45 4.3.2 SIMULAÇÃO.......................................................................................... 46 4.4 SIMULAÇÃO ILUSTRATIVA ........................................................................ 49 4.4.1 TESTE 1 ................................................................................................ 50 4.4.2 TESTE 2 ................................................................................................ 52 5 CONCLUSÃO E TRABALHOS FUTUROS ........................................................ 55 5.1 CONCLUSÃO .............................................................................................. 55 5.2 TRABALHOS FUTUROS ............................................................................. 56 REFERÊNCIAS ......................................................................................................... 57 14 1 INTRODUÇÃO A alta competitividade do mercado, principalmente no segmento industrial, tem exigido cada vez mais, o controle automático dos processos. Este por sua vez, tornam os processos mais seguros, eficazes e eficientes, por meio de malhas de controle automatizados. Para a obtenção de melhores desempenhos do processo industrial e consequentemente maiores lucros, foi observado a necessidade da minimização de custos, aumentando assim consideravelmente os ganhos e redução dos impactos ambientais. A consciência da importância de ações com responsabilidade ambiental vem fazendo parte das escolhas das técnicas de controle utilizadas pelas indústrias. (Silva, 2009). Os controles preditivos são normalmente embasados em modelos lineares, onde os seus parâmetros atuam diretamente no processo através de algoritmos recursivos, os controladores preditivos possuem grande popularidade devido a aspectos essenciais para aplicações em tempo real, assim como: robustez, eficácia e eficiência. (Mejía, 2003). 15 Na literatura, existem algumas aplicações do controle preditivo multivariável em acionamento de máquinas elétricas rotativas, como é o caso do controle de posição de motores brushless CC, implementado experimentalmente e com sucesso por Low et al (1997); os resultados obtidos mostram a robustez da estratégia de controle a ser estuda onde o desempenho atende as especificações, ainda que o torque de carga e inercia variem. (Santana, Bim, Amaral, 2008). O controle model predictive control (MPC) será utilizado para estabelecer um melhor acionamento, além de proporcionar o controle de velocidade do rotor. Geralmente, para tornar o acionamento mais robusto e barato, empregam-se estimadores de estado (velocidade), como por exemplo, o filtro de Kalman estendido (Valdenebro, 2001). Para aplicar o controle preditivo multivariável no equipamento em estudo, está sendo utilizado ferramentas que simulem o motor além da possibilidade de se desenvolver algoritmos de controle, para isso, os softwares Matlab/Simulink/Simscape e Labview estão sendo estudados para a viabilidade do projeto. Faz-se necessário obter a comunicação entre os dois softwares para que haja a integração da simulação com o controle e monitoramento do processo. Para a comunicação entre os diversos sistemas e equipamentos de automação foram desenvolvidos diversos padrões de transferência de pacotes, dentre os quais o padrão OPC é o mais utilizado atualmente, devido a sua arquitetura e velocidade de transferência dos dados (Perazzo, 2009). A finalidade da aplicação do controle preditivo multivariável é obter um ganho de desempenho significativo quando comparado ao controle clássico PID. Atualmente, novos desafios nos controladores preditivos para o tratamento de processos multivariáveis têm ocorrido na área de controle de processos devido a elevada demanda mundial por estratégias de controle robustas multivariáveis (Mejía, 2003). Os volumosos investimentos, realizados pelas grandes empresas, estão direcionados para os avanços tecnológicos, estimulados pela alta competitividade mercadológica, contribuindo para alcançar a liderança nesse segmento. Os resultados são às melhorias contínuas na produção industrial, especialmente nas 16 áreas de controle, automação e otimização de processos. A escolha do melhor controle para um determinado sistema deve considerar também, fatores ambientais e de segurança operacional por possuírem grande influência na implementação e no resultado. O mercado do controle preditivo está “crescendo a uma taxa anual de 18%, e a maioria destas aplicaçõesse concentra na indústria química e do petróleo, segundo a Automation Research Corporation (2000), tendo em vista que esta estratégia de controle assegura a operação da planta no seu limite mais lucrativo”. Processos com alta complexidade exigem a utilização de estratégias de controle avançado, principalmente em plantas industriais que têm restrições de acoplamento das suas variáveis de entrada e saída. 1.1 JUSTIFICATIVA O presente estudo foi conduzido pelo interesse em contribuir na formação acadêmica de engenheiros agregando conhecimentos práticos em sistemas de controle de uso comercial/industrial; e ainda, permite também a obtenção de informações sobre a integração desses sistemas com ferramentas de modelagem e simulação objetivando viabilizar a efetivação de testes que não seriam permitidos em plantas industriais em operação. Durante a formação de engenheiros em suas instituições de ensino, é perceptível a falta de conhecimento prático pelos alunos, esse tipo de lacuna tenta ser preenchido através de estágios que por sua vez não são tão práticos quando se imagina. Essa situação causa em alguns alunos o sentimento de frustração, pois não é possível visualizar seus conhecimentos teóricos em uma industrial. Tentando minimizar esse problema, uma pequena solução pode ser a utilização de ambientes virtuais que simulem processos industriais, dando total liberdade ao aluno de interagir com uma planta e analisar o comportamento da mesma propondo melhorias e verificando seu desempenho de forma segura e experimental. 17 A utilização de um sistema supervisório e um planta simulada, proporcionara ao aluno a possibilidade de realizar testes e avaliar o desempenho do controlador e sua sintonia para o caso de um motor CC. Considerando o lado industrial, esse tipo de exercício pode proporcionar melhorias contínuas na produção industrial, especialmente nas áreas de controle, automação e otimização de processos. A escolha do melhor controle para um determinado sistema deve considerar também, fatores ambientais e de segurança operacional por possuírem grande influência na implementação e no resultado. Outro fator preponderante, na conclusão deste estudo será na oportunidade de incentivar futuras implementações de controle preditivo multivariável em demais equipamentos elétricos da interface Matlab/Simscape e sua interação no uso comercial, permitindo também aos docentes; de disciplinas no segmento de modelagem e simulação, automação e controle de processos; utilizarem uma plataforma prática em sala de aula, despertando o interesse do aluno por esse ramo da engenharia. 1.2 OBJETIVOS 1.2.1 OBJETIVO GERAL Diante do cenário atual, este trabalho tem como objetivo geral a construção de uma plataforma computacional do tipo software in the loop onde será possível ilustrar resultados de estratégia de controle como PID e MPC, para o desempenho de velocidade angular de um motor de corrente contínua, com o auxílio das plataformas Matlab e Labview. 1.2.2 OBJETIVOS ESPECÍFICOS Estudar a ferramenta Matlab/Simscape. 18 Estabelecer uma comunicação entre softwares distintos. o Utilizar a ferramenta Matlab/Simscape; o Utilizar o software Labview e a comunicação OPC; Controle de velocidade angular, com monitoramento da corrente de armadura, de um motor de corrente contínua. o Realizar estudo sobre as condições de operação de um motor CC; o Modelagem do sistema; Ilustrar o desempenho da estratégia clássica (PID) e do controle preditivo (MPC). o Implementar controle PID com sintonia ótima; o Implementar algoritmo de controle preditivo MPC; . 1.3 REVISÃO DO ESTADO DA ARTE A alta competitividade do mercado, principalmente no segmento industrial, tem exigido cada vez mais, o controle automático dos processos. Este por sua vez, tornam os processos mais seguros, eficazes e eficientes, por meio de malhas de controle automatizados. O resultado observado vem através da minimização de custos, aumento considerável dos ganho e redução dos impactos ambientais. A consciência da importância de ações com responsabilidade ambiental vem fazendo parte das escolhas das técnicas de controle utilizadas pelas indústrias. (Silva, 2009). O Controle Preditivo Multivariável foi desenvolvido através da necessidade de processos com alta complexidade que dentre a sua variada aplicabilidade, se sobrepõe a enorme eficácia no controle de plantas multivariáveis diante das diversas variáveis de entrada e saída do sistema e da existência de restrições. (Silva, 2009). Embasados geralmente, em modelos lineares, onde os parâmetros podem ser considerados através de algoritmos recursivos os controladores preditivos possuem grande popularidade devido a aspectos essenciais para aplicações em tempo real, assim como: robustez, eficácia e eficiência. (Mejía, 2003). 19 Na literatura, existem algumas aplicações do controle preditivo multivariável em acionamento de maquinas elétricas rotativas, como é o caso do controle de posição de motores brushiess DC, implementado experimentalmente e com sucesso por Low et al (1997); os resultados obtidos mostram a robustez da estratégia de controle a ser estuda onde o sistema fica dentro das especificações, ainda que o torque de carga e inercia variem. (Santana, Bim, Amaral, 2008). O controle MPC será utilizado para estabelecer um melhor acionamento, além de proporcionar o controle de velocidade do rotor. Geralmente, para tornar o acionamento mais robusto e barato, empregam-se estimadores de estado (velocidade), como por exemplo, o filtro de Kalman estendido (Valdenebro, 2001). Para aplicar o controle preditivo multivariável no equipamento em estudo, está sendo utilizado ferramentas que simulem o motor além da possibilidade de se desenvolver algoritmos de controle, para isso, os softwares Matlab/Simulink/Simscape e Labview estão sendo estudados para a viabilidade do projeto. Faz-se necessário obter a comunicação entre os dois softwares para que haja a integração da simulação com o controle e monitoramento do processo. Na comunicação entre os diversos sistemas e equipamentos de automação foram desenvolvidos diversos padrões de transferência de pacotes, dentre os quais o padrão OPC é o mais utilizado atualmente, devido principalmente, sua arquitetura e velocidade de transferência dos dados (Perazzo, 2009). A finalidade da aplicação do controle preditivo multivariável é obter um ganho de desempenho significativo quando comparado ao controle clássico PID. Atualmente, novos desafios nos controladores preditivos para o tratamento de processos multivariáveis têm ocorrido na área de controle de processos devido a elevada demanda mundial por estratégias de controle robustas multivariáveis (Mejía, 2003). 2 MOTOR DE CORRENTE CONTÍNUA 2.1 HISTÓRIA: A Origem do Motor CC 20 Pelo período de quase três séculos de estudos, pesquisas e invenções de importantes cientistas contribuíram para que em 1886 o cientista alemão Werner von Siemens apresentasse a máquina elétrica, invento considerado como o primeiro gerador de corrente contínua auto-induzido. O cientista Siemens criou um gerador que não utiliza ímã permanente, evidenciando que a tensão para o magnetismo poderia ser retirada através da auto excitação da máquina. A invenção de Siemens não operava somente como um gerador elétrico, mas inclusive podia funcionar como um motor, devendo aos seus bornes ser aplicado uma corrente contínua. O inovador equipamento de corrente contínua demonstrava vantagens em relação à máquina a vapor, a roda d’água e à força animal. Paradoxalmente, eram notórias as desvantagens tais como: o alto custo de fabricação e a sua vulnerabilidade em serviço. Com isso, diversos cientistas direcionaram suas pesquisas para o desenvolvimento de um motor elétrico mais robusto e demenor custo de aquisição e de manutenção. Os esforços desenvolveram o motor de corrente contínua, e ainda, sistemas de corrente alternada. As partes que constituem o motor de corrente contínua são: Rotor, trata-se da parte localizada sobre o eixo da máquina, constituído de ferro magnético envolto a um enrolamento de armadura (responsável pelo transporte da energia oriunda da fonte de energia). O anel comutador, por sua vez, possui a incumbência de promover a inversão do sentido das correntes que circulam no enrolamento de armadura de forma mais adequada, sua composição anelar de material condutor, e segmentos de material isolante de modo a fechar o circuito entre cada uma das bobinas do enrolamento de armadura e as escovas no momento apropriado. O anel é acoplado ao eixo da máquina girando concomitantemente com a mesma. A comutação, entre os circuitos dos enrolamentos, é produzida a partir do movimento de rotação do eixo. Há ainda o Estator, elemento estático do equipamento, posicionado ao redor do rotor, de modo que seja possível girar internamente. Constituído de ferromagnético, coberto por um enrolamento de baixa potência responsável em produzir um campo magnético fixo que interaja com o campo da armadura. https://pt.wikipedia.org/wiki/Rotor https://pt.wikipedia.org/wiki/Ferromagn%C3%A9tico https://pt.wikipedia.org/w/index.php?title=Enrolamento_de_armadura&action=edit&redlink=1 https://pt.wikipedia.org/wiki/Comutador https://pt.wikipedia.org/wiki/Estator https://pt.wikipedia.org/wiki/Ferromagn%C3%A9tico https://pt.wikipedia.org/wiki/Pot%C3%AAncia https://pt.wikipedia.org/wiki/Campo_magn%C3%A9tico https://pt.wikipedia.org/wiki/Campo_magn%C3%A9tico 21 Por fim as Escovas que são componentes de grafite que tem a função de transportar a energia para o circuito do rotor. A máquina corrente contínua pode produzir força mecânica rotativa, motor, ou gerar energia elétrica CC a partir de uma forca mecânica rotativa, gerador. (Carvalho 2011). Os Motores de corrente contínua (CC) são motores que precisam de uma fonte de corrente contínua, como uma pilha ou bateria, ou de um dispositivo que converta a corrente alternada comum em contínua. Figura 1 - Motores CC Fonte: WEG, 2007 Quanto à classificação, os motores de corrente contínua apresentam-se: - Motor série; - Motor shunt; - Motor composto adicional; - Motor composto diferencial; - Motor CC sem escovas. Entre as vantagens dos Motores CC encontram-se: - Operação em 4 quadrantes com custos relativamente mais baixos; - Ciclo contínuo mesmo em baixas rotações; - Alto torque na partida e em baixas rotações; - Ampla variação de velocidade; - Facilidade de controlar a velocidade; https://pt.wikipedia.org/wiki/Escova https://pt.wikipedia.org/wiki/Rotor 22 - Os conversores CA/CC requerem menos espaço; - Confiabilidade; - Flexibilidade (vários tipos de excitação); - Relativa simplicidade dos modernos conversores CA/CC. Por outro lado, as desvantagens são: - Os motores CC são maiores e mais caros que os motores de indução para uma mesma potência; - Maior necessidade de manutenção (devido aos comutadores); - Arcos e faíscas devido a comutação de corrente por elemento mecânico (não pode ser aplicado em ambientes perigosos); - Tensão entre lâminas não pode exceder 20V (motores CA podem ser alimentados com milhares de volts); - Necessidade de medidas especiais de partida, mesmo em máquinas pequenas. Em muitos segmentos os motores CC estão sendo substituídos por motores CA acionados por inversores de frequência. Contudo, ainda está sendo vantajoso sua aplicação em algumas máquinas como: máquinas de papel, bobinadoras e desbobinadoras, laminadores, máquinas de impressão, extrusoras, prensas, elevadores, movimentação e elevação de cargas, moinhos de rolos, indústria de borracha, mesa de testes de motores, movimentação dos hds, cds e dvds, vant’s (veículo aéreo não tripulado) e entre outros. O principal objetivo na aplicação do motor CC, está ligada aos sistemas de controle, pois suas características de velocidade e torque podem ser precisamente controladas, sendo assim, excelentes escolhas quando necessitamos manter certos padrões de operação influenciados pelo desempenho do motor. A partida e aceleração de motores CC, é um dos problemas mais frequentes e importantes em acionamentos elétricos, pois ao ser alimentado, e em um período curto de tempo, sua corrente inicial se eleva de forma abrupta chegando a valores muito maiores que o da corrente nominal. Esse fenômeno pode causar diversos problemas no motor, na máquina acionada, no sistema de transmissão, na rede elétrica e instalações, como por exemplo um forte aquecimento causando dilatações e perda de isolamento. 23 2.2 MODELAGEM DO MOTOR CC A identificação das equações que descrevem a dinâmica do motor de corrente contínua, podem ser obtidas através do seu modelo eletromecânico que será de suma importância para as futuras simulações desenvolvidas nos softwares 𝑀𝐴𝑇𝐿𝐴𝐵/𝑆𝑖𝑚𝑢𝑙𝑖𝑛𝑘®, 𝑀𝐴𝑇𝐿𝐴𝐵/𝑆𝑖𝑚𝑠𝑐𝑎𝑝𝑒® e 𝐿𝑎𝑏𝑣𝑖𝑒𝑤® mostradas no decorre deste trabalho. 2.2.1 EQUAÇÕES DO SISTEMA Para a realização da modelagem do motor CC, foi utilizado um circuito equivalente, mostrado na figura 2, nela temos representado todo o circuito de armadura, onde foi aplicado a lei de Kirchhoff, resultando no seguinte comportamento da malha. Figura 2 - Circuito Equivalente de um Motor CC Fonte: Gopal, 2009. 𝑉(𝑡) = 𝑒(𝑡) + 𝐿 𝑑 𝑑𝑡 𝑖(𝑡) + 𝑅𝑖(𝑡) (1) Onde: 𝑉(𝑡) Fonte de tensão; 𝑖(𝑡) Corrente; 𝑒(𝑡) Força eletromotriz; 𝑅 Resistencia da armadura; 24 𝐿 Indutância da armadura; Conforme (Salah 2009), o torque do motor, está relacionada basicamente com a corrente do induzido por um factor constante Kt, já a força eletromotriz está relacionada com a velocidade de rotação através do factor Ke, como mostra as equações seguintes: 𝑇(𝑡) = 𝐾𝑡𝑖(𝑡) (2) 𝑒(𝑡) = 𝐾𝑒𝑤(𝑡) (3) 𝑤(𝑡) = 𝑑 𝑑𝑡 𝜃(𝑡) (4) Onde: 𝑇(𝑡) Torque do motor; 𝑤(𝑡) Velocidade angular; 𝜃(𝑡) Posição angular; 𝐾𝑡 Constante de torque do motor; 𝐾𝑒 Constante da força contra eletromotriz; As constantes 𝐾𝑒 e 𝐾𝑡 são dependentes dos parâmetros construtivos do motor de corrente contínua e se unidades consistentes forem utilizadas, elas possuem o mesmo valor numérico (GARCIA 1997), portanto, adotando o sistema Internacional (SI) de unidades: 𝐾𝑡 = 𝐾𝑒 = 𝐾 (5) A dinâmica do sistema de carga do motor CC, pode ser expressa como: 𝑇(𝑡) = 𝑇𝑖(𝑡) + 𝑇𝑝(𝑡) (6) Sendo, 𝑇𝑖(𝑡) = 𝐽 𝑑 𝑑𝑡 𝑤(𝑡) (7) 𝑇𝑝(𝑡) = 𝑏𝑤(𝑡) (8) Onde: 𝑇𝑖(𝑡) Torque inercial do motor; 25 𝑇𝑝(𝑡) Torque de outras perdas; 𝑏 Atrito viscoso; 𝐽 Momento de inercia; Com algumas manipulações algébricas, obtém-se: 𝑉(𝑡) = 𝐾𝑤(𝑡) + 𝐿 𝑑 𝑑𝑡 𝑖(𝑡) + 𝑅𝑖(𝑡) (9) 𝑇(𝑡) = 𝐽 𝑑 𝑑𝑡 𝑤(𝑡) + 𝑏𝑤(𝑡) (10) 2.2.2 TRASFORMADA DE LAPLACE Aplicando a transformada de Laplace nas equações (2), (5), (9) e (10), as mesmas são expressas no domínio da frequência como: 𝑇(𝑠) = 𝐾𝐼(𝑠) (11) 𝑉(𝑠) = 𝐾𝑊(𝑠) + 𝐿𝑠𝐼(𝑠) + 𝑅𝐼(𝑠) (12) 𝑇(𝑡) = 𝐽𝑠𝑊(𝑠) + 𝑏𝑊(𝑠) (13) 2.2.3 FUNÇÃO DE TRANSFERÊNCIA O motor de corrente contínua possui como saídas a corrente de armadura I(s), a velocidade angular W(s) ou posição angular, 𝜃(s), sendo a entrada do sistema a tensão de alimentação V(s), conforme as equações montadas anteriormente. Relacionando as variáveis manipuladas com as controladas foi obtida as funções de transferências correspondentes. 𝐼(𝑠) 𝑉(𝑠) = (𝑏+𝑠𝐽) (𝑅+𝑠𝐿)(𝑏+𝑠𝐽)+𝐾.𝐾 (14) 𝑊(𝑠) 𝑉(𝑠) = 𝐾 (𝑅+𝑠𝐿)(𝑏+𝑠𝐽)+𝐾.𝐾 (15) 2.2.4 PARÂMETROS DO MOTOR DE CORRENTE CONTÍNUA 26 Alguns dos parâmetros do modelo aqui utilizado foram retiradosdo datasheet de um motor real (GM8X24). A tabela a seguir, apresenta os valores referenciados: Tabela 1 – Parâmetros do motor CC utilizado Momento de inercia 𝐽 = 1,62 𝑥 10−6[𝑁 𝑚 𝑠2/𝑟𝑎𝑑] Resistencia da armadura 𝑅 = 4,33[Ω] Indutância da armadura 𝐿 = 2,34 𝑥 10−3[𝐻] Atrito viscoso 𝑏 = 1,36 𝑥 10−6[𝑁 𝑚 𝑠/𝑟𝑎𝑑] Constante da força contra eletromotriz 𝐾𝑒 = 21,9 𝑥 10 −3[𝑉 𝑠/𝑟𝑎𝑑] Constante de torque do motor 𝐾𝑡 = 21,9 𝑥 10 −3[𝑁 𝑚/𝐴] Fonte: Próprio Autor 3 SOFTWARES E COMUNICAÇÃO 3.1 MATLAB Desenvolvida pela MathWorks, o MATLAB possui uma linguagem de programação de quarta geração em um ambiente de computação numérica bastante difundido, inclusive utilizado para inúmeras aplicações, tais como: processamento de sinal e imagem, comunicação, design de controle, teste e medição, modelagem e análise financeira, e biologia computacional. MATLAB é uma ferramenta muito utilizada entre os engenheiros desde a vida acadêmica. (ENOCKSSON, 2011). O Matlab pode ser completamente integrado ao Simulink que por sua vez poderá dirigi-lo ou até mesmo realizar o script do mesmo. Enocksson (2011) apropriadamente conceitua: “Simulink é uma ferramenta comercial para modelagem, simulação e análise de sistemas dinâmicos e embutidos multi-domínio, fornecendo um ambiente gráfico interativo e um conjunto personalizável de bibliotecas de blocos”. 27 3.2 SIMULINK/SIMSCAPE O Simulink é uma ferramenta de simulação disponível na plataforma Matlab e é empregado regularmente para projetar, simular e implementar testes de variedade de sistemas de variáveis no tempo, tais como comunicação, teoria de controle, processamento de sinal digital etc. (ENOCKSSON, 2011). Por sua vez, o Simscape, extensão do software para MathWorks, apresenta uma linguagem de modelagem fundamentada em MATLAB e dirigida a elemento físico para utilização no ambiente Simulink e seu acesso se dá através de uma biblioteca dentro do próprio ambiente Simulink. Dentre suas funcionalidades destacam-se: um conjunto de blocos funcionais e recursos para simulação e modelagem de sistemas físicos e ainda, fornece ferramentas para modelar sistemas de mecânica, elétrica, hidráulica, e outros domínios físicos, a exemplo de válvulas hidráulicas e mecanismos de roquete. A partir destes domínios físicos distintos que será possível criar modelos personalizados de seus componentes. (ENOCKSSON, 2011). A planta do motor de corrente contínua assim como os seus sensores, foi realizada com a ferramenta Simscape, onde foi possível a simulação do equipamento a ser estudado, porém a comunicação do Simulink e o Simscape não é de forma direta, ou seja, a informação emitida pela planta não poderia ser conectada diretamente a função do meu controlador, sendo necessário uma comunicação entre eles através de um bloco conversor de sinal. Utilizando-se de alguns parâmetros do motor GM8X24 foi possível a realização de testes sobre a dinâmica do motor CC. A figura 3 e a figura 4, mostram as respectivas respostas do equipamento para as entradas unitárias de degrau e impulso. 28 Figura 3 - Resposta do processo para a entrada degrau unitário Fonte: Próprio autor Figura 4 - Resposta do processo para a entrada impulso unitário Fonte: Próprio autor. 3.3 LABVIEW O LabVIEW é uma plataforma de desenvolvimento que utiliza uma linguagem de programação visual de nome “G”, muito utilizada na engenharia e desenvolvida pela National Instruments. O software é comumente aplicado em aquisição de dados, controle e automação industrial, sendo compatível com os mais variados sistemas operacionais incluindo o Microsoft Windows, Linux e Mac OS X.(Hans-Petter, 2012). 29 3.3.1 SUPERVISÓRIO O sistema supervisório, e os sistemas SCADA (Supervisory Control and Data Aquisition), tem como objetivo absorver e armazenar as informações provenientes de sensores colocados no processo, em um banco de dados para posteriormente serem manipulados, analisados e apresentados ao usuário. As informações capturadas são de crucial importância para um bom monitoramento e avaliação do processo estudado, pois através delas o operador pode intervir ou não no processo de forma rápida e precisa. No trabalho apresentado foi elaborado um pequeno supervisório para o motor de corrente contínua estudado, no intuito de simular uma situação industrial e também disponibilizar uma pequena planta didática. A figura 5 mostra a interface realizada no Labview, onde ocorrerá a monitoração dos dados e a aplicação de um controle PID para testes de comunicação entre a planta em Matlab/Simscape e o supervisório desenvolvido. Figura 5 - Interface de monitoramento do Motor CC em LabVIEW Fonte: Próprio Autor 30 Os testes realizados serão apresentados no capítulo 4.2.2. 3.4 OPC O padrão desenvolvido pela OPC Foundation é baseado na tecnologia OLE (Object Linking and Embedding) / DCOM (Distribuited Component Object Model) , e teve como objetivo o acesso de dados em tempo real dentro de um sistema operacional Windows, este padrão estabelece as regras para que sejam desenvolvidos sistemas com interfaces padrões para comunicação dos dispositivos de campo (CLPs, sensores, balanças, etc.) com sistemas de monitoração, supervisão e gerenciamento (SCADA, MES, ERP, etc.). (Fonseca, 2002). Como já foi dito anteriormente, foi necessário estabelecer uma comunicação para transferência de dados entre as plataformas LabVIEW e Matlab. A escolha do padrão OPC (OLE for Process Control) teve vários motivos, alguns deles foram : o sistema operacional utilizado nos computadores para a realização desde trabalho e o forte crescimento do padrão no meio industrial. Através do OPC toolbox disponível em Matlab, foi possível realizar a troca de informações entre a planta e o supervisório desenvolvido e realizar testes significativos. A figura 6 mostra dois dos três blocos utilizados para a realização da comunicação entre plataformas, sendo eles: - O bloco OPC configuration, onde se configura, basicamente, quem e onde se disponibilizará as informações e o tempo de aquisição e envio de dados configurado para tempo real. - OPC read é o bloco responsável por ler as informações provenientes do supervisório, ou seja, no caso da implementação do PID em LabVIEW o sinal de controle será transportado para o Simscape através deste bloco. - OPC write, bloco que efetua a leitura dos dados disponíveis pela planta em Simscape e os disponibiliza para a LabVIEW, ele é responsável pela atualização das variáveis do processo que são importantíssimas para a ação de controle. 31 Figura 6 - Blocos OPC em Simulink para comunicação com o Supervisório. Fonte: Próprio autor 4 CONTROLE Neste capítulo são apresentadas as simulações em malha fechada, com o objetivo de se controlar a velocidade angular do motor CC. Como dito anteriormente, a corrente de armadura pode sofrer surtos que alçam até oito vezes o valor da corrente nominal, logo o desafio de controle será levar a PV (Process Variable, ou variável de processo em português), ao setpoint (valor de referência) sem que ocorra um surto de corrente que prejudique os aspectos físicos do equipamento. A análise dos controladores utilizados nas simulações e suas sintonias, também serão discutidas nesta seção do trabalho. Primeiramente, foi implementado um controlador linear em feedback para que fosse possível controlar a velocidade do motor CC através da MV (Mannipulated Variable, ou variável manipulada) tensão. Posteriormente, foi implementado o controle MPC (Model Predictive Control), com o mesmo objetivo já citado, porém a técnica utilizada por esse tipo de controle é muito mais robusta e moderna, logo espera-se um desempenho mais eficiente. Por fim, os controladores terão suas performances comparadas através da análisedos resultados obtidos nas simulações. 4.1 PID 32 O controlador linear PID é o mais utilizado na indústria devido a sua aplicabilidade geral, segundo (Ogata, 2010). Esse tipo de controlador possui grande aplicabilidade em processos de variadas áreas da engenharia. A combinação de três controladores, determinam a formação de um PID: P - Proporcional; I - Integrador; D - Derivativo; Figura 7 - Representação em diagrama de blocos de um PID Fonte: Matas, 2012 Neste trabalho, o controlador PID foi implementado com a estratégia feedback, onde a PV será medida para o cálculo do erro, com posterior atuação do controlador, esse tipo de estratégia relaciona uma MV com uma PV. A figura 8 mostra a malha de controle para o PID em feedback. Figura 8 - Representação em diagrama de blocos de uma malha fechada com um PID Fonte: Matas, 2012 O modelo matemático do controlador PID por ser expresso como: 𝑢(𝑡) = 𝐾 [𝑒(𝑡) + 1 𝑇𝑖 ⁄ ∫ 𝑒(𝑠)𝑑𝑠 + 𝑇𝑑 𝑦 0 𝑑𝑒(𝑡) 𝑑𝑡 ] (18) 33 𝑒(𝑡) = 𝑟(𝑡) − 𝑦(𝑡) (19) Onde: 𝑢(𝑡) - Variável de controle; 𝑒(𝑡) - Erro de controle; 𝑦(𝑡) - Valor medido da saída; 𝑟(𝑡) - Valor de referência; A atuação de PID’s em motores CC, é muito comum, quando utilizados para o controle de velocidade angular, porém o controle fica limitado a apenas uma saída do processo, sendo assim a corrente de armadura fica sem ação de controle direto. Como já foi visto, a corrente de armadura na partida de motores sofre mudanças de grande amplitude em um pequeno espaço de tempo, causando danos a partes físicas do motor, logo deve-se levar em consideração o comportamento desta variável, para a determinação dos parâmetros do controlador. 4.1.1 SINTONIA A utilização do PID no controle de processos, em sua maioria, é ajustada em campo, normalmente o operador que possui uma certa sensibilidade do processo fica responsável por esse ajuste, porém diferentes tipos de regras surgem na literatura, já que o desempenho do controlador é diretamente afetado por essa sintonia. A definição dos parâmetros proporcional, integrativo e derivativo do controlador devem satisfazer a algumas premissas como a estabilidade da malha fechada, razão de declínio e tempo de resposta em malha fechada. Para se obter uma boa sintonia é necessário se conhecer o processo, ou seja, ter modelos que representem bem o comportamento do processo. (FONTES, et. al, 2014) Neste trabalho foi utilizado o método da sintonia ótima para a determinação dos parâmetros do controlador clássico, devido a flexibilidade do método quanto a estrutura da função de transferência do processo e pelo objetivo da comparação de desempenho com o MPC, já que agora as duas estratégias de controle serão baseadas em problemas de otimização. 34 A sintonia ótima visa a minimização do erro, ou seja, o valor entre a variável controlada e o valor desejado devem ser o menor possível. Esta função e representada como: 𝑚𝑖𝑛(𝑃,𝐼,𝐷)(𝛼(𝑒(𝑡))) (15) A função objetivo (𝛼) normalmente é descrita por integrais de erro, as quatro principais são: 𝐼𝑆𝐸(𝑡) = ∫ 𝑒(𝑡)2𝑑𝑡 𝑡 0 (16) 𝐼𝑇𝑆𝐸(𝑡) = ∫ 𝑡. 𝑒(𝑡)2𝑑𝑡 𝑡 0 (17) 𝐼𝐴𝐸(𝑡) = ∫ 𝑒(𝑡)𝑑𝑡 𝑡 0 (18) 𝐼𝑇𝐴𝐸(𝑡) = ∫ 𝑡. 𝑒(𝑡)𝑑𝑡 𝑡 0 (19) Para a sintonia do controlador foi utilizado o critério ISE que se utiliza do erro quadrático para a avaliação de desempenho da malha de controle, pois o MPC, que será tratado posteriormente na secção 4.3, também utiliza métodos quadráticos para o controle do sistema, sendo assim, uma melhor comparação entre as duas estratégias. Após a definição do critério de desempenho, foram realizados diversos testes para alcançar os melhores parâmetros de sintonia, como mostra a tabela abaixo: Tabela 2: Parâmetros de Sintonia. Variável Controlada Ação Proporcional (K) Ação Integral (𝑇𝑖) Ação Derivativa (𝑇𝑑) 𝑤 0.4760 33.6700 0.0001 Fonte: Próprio Autor 4.2 SIMULAÇÃO Para verificar a comunicação e a controlabilidade do processo, foi aplicado um setpoint de 800 rad/s para a velocidade angular do motor CC já em sua partida, para que possa ser analisada também a corrente de armadura. Assim, foram analisados os gráficos de cada plataforma separadamente. 4.2.1 MATLAB 35 Primeiramente, o PID sintonizado foi testado em Matlab, já que a planta do motor CC está sendo executada na mesma plataforma através do Simscape. Os resultados encontrados estão ilustrados nos gráficos 1 e 2. Gráficos 1 – Resultados PID em Matlab na plataforma Simscape Fonte: Própria Autor Percebe-se que o comportamento da variável manipulada foi muito parecido com a da variável controlada. O controle foi efetuado sem qualquer tipo de oscilação, evidenciando uma ação precisa e suave do controlador levando assim o sistema ao seu setpoint. 36 Gráfico 2: Corrente – PID com sintonia ótima Fonte: Própria Autor A corrente de armadura reagiu de forma rápida, na partida do motor, chegando a um valor muito mais alto que a corrente em regime estacionário, porém obteve uma melhor performance quando comparada ao sistema em malha aberta, este por sua vez obteve um pico de corrente acrescido em torno de duas o valor obtido com a utilização do controle clássico, como mostra o gráfico 3. Gráfico 3: Corrente- malha aberta 37 Fonte: Própria autor 4.2.2 LABVIEW A aplicação do mesmo controle PID sintonizado, em Matlab na plataforma labVIEW, gerou respostas um pouco diferentes das anteriormente obtidas, como pode ser visto no gráfico 4. Gráfico 4 – Resultados PID em Matlab na plataforma LabVIEW 38 Fonte: Própria autor Apesar do controlador conseguir levar a PV ao seu setpoint, o comportamento do mesmo mostrou-se muito mais agressivo, gerando oscilações tanto na PV quanto na MV. Este comportamento oscilatório do sinal de controle também gerou problemas na corrente de armadura, que apresentou valores negativos representando uma força contraria ao sentido de rotação do motor, como ilustra o gráfico 5: Gráfico 5: Corrente – PID LabVIEW 39 Fonte: Própria autor Percebeu-se então que as informações entre os softwares eram trocadas de forma correta, porem essa transferência de dados não era em tempo real, similar ao que acontece na indústria. Com a identificação do problema, foi buscado na literatura algo que pudesse sanar este entrave. Em Pastorello (2008), também foi verificado a existência desse problema. Na tentativa de se conseguir um melhor controle do processo através do supervisório, verificou-se que o LabVIEW atuava de forma mais rápida que a disponibilidade de dados via OPC do Matlab, isto ocorre por diversos fatores entre eles, o meio de transporte da informação (caso industrial) e a velocidade de processamento do computador ser diferente para cada software, essa incompatibilidade variava de acordo com a configuração das máquinas em que eram testadas, porém o LabVIEW sempre possuía um ciclo mais rápido, assim foi realizado um atraso no loop de processamento de controle para tentar se aproximar do Matlab. Gráfico 6 – Velocidade LabVIEW 40 Fonte: Própria autor Diferentemente da simulação anterior, o atraso realizado no processamento do LabVIEW gerou uma ação de controle mais suave e sem muitas oscilações. A corrente também apresentou um comportamento mais aceitável, porém de valores muito mais altos que o controle realizado no Simulink. Gráfico 7 – Corrente LabVIEW 41 Fonte: Própria autor O desempenho do novo controlador em LabVIEW apresentou melhor resultado que o anterior em mesma plataforma, evidenciando assim, o problema descrito em Pastorello (2008), porém o cálculo da diferença de tempo entre os softwares não foi possível, devido as diversas causas que podematrasar ou não o processamento de uma máquina, como: configuração, sistema operacional e etc. 4.3 MPC Os controladores preditivos (MPC, em inglês, Model Predictive Control) são tipos de controladores que possuem larga aceitação em aplicações industriais, por conferir alto desempenho ao sistema e operar sem intervenções dos engenheiros por logos períodos de tempo. (Barão, 1997). A metodologia do uso de controladores do tipo preditivo é direcionada para sistemas multivariáveis de forte interação entre as variáveis manipuladas e controladas. O MPC é uma técnica moderna de controle que possui a capacidade de perceber o sistema como um todo, diferentemente do controle clássico, onde a percepção do controlador se dá apenas entre uma PV e uma MV, porém existem 42 estratégias de controle clássico que superam essa relação forçando o controlador a perceber outra PV a exemplo do controle em cascata, porém o MPC possui melhor compreensão em sistemas MIMO, pois este, utiliza apenas uma malha de controle, onde todas as variáveis controladas do sistema são analisadas e comparadas aos seus respectivos setpoints, gerando a ação de controle das variáveis manipuladas, podendo atuar no sistema de forma antecipatória devido ao já conhecimento dos distúrbios causados entre as variáveis do processo e suas respectivas restrições. Almeida (2011) determina os principais elementos para a estrutura básica do MPC: Trajetória de Referências - representa o comportamento do sinal desejado para a saída no futuro. É o conhecimento prévio desta trajetória que garante ao controlador uma característica antecipativa. Modelo - modelo matemático do processo que deve ser capaz de representar o seu comportamento dinâmico de forma suficientemente precisa. Conforme a necessidade este modelo pode ser linear ou não-linear e podendo, ainda, ser atualizado através de métodos de identificação on line conferindo ao controlador uma característica adaptativa. Preditor - fornece através do modelo matemático uma previsão da saída futura com base na informação atual da planta. Otimizador - minimiza a função custo a cada período de amostragem de forma a obter uma ação de controle que garanta um desempenho adequado ao sistema. A função a ser minimizada pode contemplar, além de parcelas associadas ao erro futuro e ao incremento no sinal de controle, outros termos que forneçam ao controlador propriedades que melhorem o seu desempenho frente às particularidades do processo. Quando da utilização de uma função custo quadrática, modelos lineares e na ausência de restrições o problema de otimização apresenta uma solução analítica, caso contrário, algum método de otimização numérica deve ser empregado. 43 Figura 9 - Estrutura de um Controlador Preditivo. Complementa ainda Almeida (2011), que o MPC realiza previsões do comportamento futuro do processo para o cálculo do sinal de controle, onde estas são feitas através de um modelo matemático do processo sobre um intervalo de tempo denominado “horizonte de previsão” ilustrado na Figura 10: Figura 10 - Horizontes de Previsão OTIMIZADOR MODELO PROCESSO PREDITOR controle erro de previsão previsão da saída saída + – TRAJETÓRIA DE REFERÊNCIAS Fonte: Almeida,2011 Tempo t t+Nu-1 t+N2 t-1 Futuro Passado u y Saída prevista Controle futuro Referência futura t+1 t+Nu Fonte: Almeida,2011 44 Onde o horizonte de previsão final (N2) representa o intervalo futuro da PV que será prevista, e o horizonte de controle (Nu) corresponde ao número de ações de controle consideradas. Para a implementação moderna de controladores preditivos lineares, segundo Silva (2014), os MPC se baseiam no seguinte problema de otimização: min △𝑢 𝑉𝑘 = ∑[𝑒𝑘+𝑗 𝑇 ]𝑄[𝑒𝑘+𝑗] 𝑝 𝑗=0 + ∑ [△ 𝑢𝑘+𝑗 𝑇 ]𝑅[△ 𝑢𝑘+𝑗] 𝑚−1 𝑗=0 (18) Sujeito a: 𝑗 ≥ 0 𝑢𝑚𝑖𝑛 ≤ 𝑢𝑘+𝑗 ≤ 𝑢𝑚𝑖𝑛 |△ 𝑢𝑘+𝑗| ≤△ 𝑢𝑚𝑎𝑥 … Onde: k é o instante atual do sistema controlado; p é o número de instantes de tempo no futuro que o controlador deve analisar a resposta do sistema. Ele é denominado horizonte de predição do controlador; m é o número de instantes de tempo no futuro que o controlador deve realizar ações de controle sobre o sistema. Ele é denominado horizonte de controle do controlador. Para 𝑝 ≤ 𝑘 + 𝑗 < 𝑚,△ 𝑢𝑘+𝑗 = 0; △ 𝑢𝑘+𝑗 é a diferença entre o vetor de variáveis manipuladas no instante 𝑘 + 𝑗 e no instante 𝑘 + 𝑗 − 1; 𝑒𝑘+𝑗 é a diferença entre o vetor de controladas do sistema no instante k+j e os set-points do controlador; Q é denominada matriz de ponderação das variáveis controladas. A matriz determina a importância relativa das variáveis controladas para o controlador; 45 R é denominada matriz de ponderação das variáveis manipuladas. A matriz determina a importância relativa das variáveis manipuladas para o controlador. Esta técnica irá possibilitar o controle de velocidade do motor de corrente contínua levando-se em conta a restrição em outra PV, a corrente de armadura, esta não deve obter valores muitos altos devido aos problemas já citados no capitulo 2, forçando o motor a partir de forma mais suave para que não ocorram os picos de corrente prejudiciais. 4.3.1 PARÂMETROS O controle MPC, assim como o controle clássico, também deve ter seus parâmetros sintonizados para melhor desempenho. Para escolha destes valores foi realizado uma análise de sensibilidade, que consistia em uma variação dos parâmetros. Primeiramente foi atribuído um conjunto inicial e aleatório de parâmetros iniciais para a sintonia, após a definição desses dados iniciais e a realização de alguns testes, as especificações do controlador foram variadas de forma isolada, encontrando assim uma certa faixa de valores possíveis para cada parâmetro, posteriormente foram realizados mais alguns testes, que envolveram combinações entre esses intervalos, já adquiridos para cada item, resultando assim nos dados representados na tabela 3, sem que todas as possibilidades de combinações tenham sido testadas devido ao grande número de possibilidades e a pequena melhora ou não da resposta do sistema. Tabela 3 – Resultado dos testes com combinações entre intervalos. Parâmetros Antes Depois Horizonte de predição 100 560 Horizonte de controle 8 71 Matriz de Importância [ 3 1 ] [ 1 1.6] Matriz de supressão de movimentos [1] [5] Fonte: Própria do Autor 46 Para uma avaliação quantitativa das sintonias a serem ilustradas na próxima seção deste capítulo, foram utilizados os critérios ISE para a análise das PV’s, valores máximos de corrente, velocidade e MV, o tempo para estabilização e a variância do sinal de controle, este último utilizado por Pinto (2014), que permite avaliar o esforço de controle sobre os atuadores, onde estes devem ter o menor valor possível para uma maior vida útil do elemento atuador, conforme a expressão abaixo. 𝑠 ∝𝑢 2 (𝑡) = 1 𝑛 − 1 ∑[𝑢(𝑘) − �̂�]2 𝑛 𝑘=1 Onde: �̂� - Média do sinal de controle = 1 𝑁 ∑ 𝑢(𝑘)𝑁𝑘=1 4.3.2 SIMULAÇÃO Nesta seção se apresenta os gráficos obtidos na sintonia do MPC em Matlab/simulink com uma restrição na corrente de armadura, foi realizada também uma análise quantitativa, mantendo a mesma configuração do setpoint realizado no caso PID. Gráfico 8 – Velocidade e MV – Controlador MPC (Antes). 47 Fonte: Própria Autor Gráfico 9 – Corrente: Controlador MPC (Antes) Fonte: Própria Autor 48 Gráfico 10 – Velocidade e MV – Controlador MPC (Depois). Fonte: Própria Autor Gráfico 11 – Corrente: Controlador MPC (Depois) Fonte: Própria Autor 49 Tabela 4 – Resultados parâmetros MPC em Matlab/simulink. Critério Antes Depois ISE 1.2377e+04 1.3385e+04 Max. Velocidade 799.9992 800.0504 Max. Corrente 1.0548 1.0472 Tempo deEst. Velocidade 0.0877 0.2365 Tempo de Est. Corrente 0.0870 0.2030 Critério Antes Depois Max. valor de MV 20.2010 17.7362 Tempo de Est. 0.0909 0.2355 Variância 24.395969 21.693643 Fonte: Própria Autor Os resultados exibidos, evidenciaram alguns aspectos importantes entre as duas sintonias. A maioria dos critérios utilizados para a análise de desempenho, demostraram-se um pouco diferentes, porém o máximo valor da MV foi bem menor na sintonia posterior, como pode ser visto nos gráficos das MVs, o que gerou uma maior variância na sintonia anterior. O erro quadrático foi menor na primeira sintonia, apesar da mesma ter tempos de estabilização menores, o que mostrou uma maior agressividade do controlador. Em relação aos valores máximos da PVs, a análise mostrou uma similaridade muito grande entre ambas as sintonias, portanto, o desempenho mais suave do segundo controlador foi muito satisfatório já que estamos querendo um bom controle de velocidade sem que o atuador e a corrente sejam sacrificados. Com a análise dos dados mostrados, visivelmente percebe-se diferenças de desempenho entre as duas sintonias, evidenciando assim que a análise de sensibilidade foi satisfatória devido ao desempenho suave do segundo controlador, quando comparado a primeira sintonia testada. Através da análise quantitativa foi comprovado a melhor estabilidade do sistema com a segunda sintonia, apresentando uma menor variância do sinal de controle e pico de corrente. 4.4 SIMULAÇÃO ILUSTRATIVA 50 Nesta seção é apresentada ilustrações comparativas dos dois tipos de controladores estudados. O objetivo a ser alcançado aqui é auxiliar um projeto de controle com características similares a desde trabalho, através de dados gráficos e numéricos. Com os resultados obtidos no controle clássico e no MPC, foram ilustrados, através de dois novos testes, o desempenho dos controladores somente na plataforma Matlab, devido ao atraso de comunicação da plataforma com o Labview, como já foi relatado anteriormente. 4.4.1 TESTE 1 O teste consiste em uma variação do setpoint na velocidade angular do motor CC, este teste tem como intuito analisar o comportamento do sistema caso seja necessária uma mudança no processo sem que seja necessária uma interrupção do mesmo. Com a utilização da função degrau, a variação no setpoint foi realizada da seguinte forma: o sistema iniciara com uma referência de 800 rad/s como já foi feito anteriormente, e no tempo 0,4 segundos a referência será modificada para o valor de 1000 rad/s. As respostas dos sistemas estão ilustrados no gráfico 14. Gráfico 12 – Testes 1 51 Fonte: Própria do Autor Tabela 5 – Testes 1 Critério PID MPC ISE 1.0434e+04 1.4078e+04 Max. Velocidade 1000.0000 999.9507 Max. Corrente 1.8795 1.0472 Tempo de Est. Velocidade 0.6246 0.6195 Tempo de Est. Corrente 0.5646 0.5575 52 Critério PID MPC Max. valor de MV 22.1689 22.1678 Tempo de Est. 0.6046 0.5885 Variância 28.994657 20.788871 Fonte: Própria do Autor Através da análise gráfica e dos dados obtidos, é notório o melhor desempenho do MPC na maioria dos critérios de avaliação apesar de possuir um erro quadrático maior que o PID, porém fatores importantes como o valor máximo de corrente e variância da MV demonstraram valores muito mais satisfatórios para o objetivo deste trabalho. 4.4.2 TESTE 2 No segundo teste, foi aplicado mais um degrau no setpoint da velocidade angular, sendo o que o valor inicial aplicado no tempo 0 segundos foi de 600 rad/s, no tempo 0.4 segundos esse valor foi alterado para 700 rad/s e por fim mais um degrau aos 0,7 segundos chegando aos 950 rad/s. 53 Gráfico 13 – Testes 2 Fonte: Própria do Autor 54 Tabela 6 – Testes 2 Criterio PID MPC ISE 6.6454e+03 7.6560e+03 Max. Velocidade 949.9887 949.9799 Max. Corrente 1.4095 1.0473 Tempo de Est. Velocidade 0.9281 0.9125 Tempo de Est. Corrente 0.8687 0.8635 Criterio PID MPC Max. valor de MV 21.0603 21.0600 Tempo de Est. 0.9081 0.8955 Variancia 30.552006 16.959824 Fonte: Própria do Autor Mesmo com uma maior variação dos setpoint, o MPC continuou a apresentar um melhor desempenho quando comparado ao controle clássico, repetindo a sua superioridade nos mesmos critérios do teste anterior. 55 5 CONCLUSÃO E TRABALHOS FUTUROS 5.1 CONCLUSÃO O presente trabalho de conclusão de curso, propôs uma ilustração de desempenho entre dois tipos de controladores, o PID e o MPC, aplicados a um motor de corrente contínua para o controle de velocidade sem que ocorressem abruptos valores na corrente de armadura, também foi proposto neste trabalho a utilização de ferramentas específicas como o Simscape do Matlab e um supervisório na plataforma LabVIEW para simular uma situação real de comunicação e através do último software citado, realizar o controle da planta montada. No primeiro capítulo foi realizada uma introdução sobre motores de corrente contínua e exibido algumas das problemáticas existentes neste tipo de processo. Após entendido a problemática, no segundo capítulo foram mostradas a modelagem do sistema para que o mesmo pudesse ser simulado. No capitulo posterior foram exibidas as ferramentas utilizadas neste trabalho. Nelas foram feitas algumas simulações e pequenos testes para comprovação de funcionamento. Nesta secção, também foi mostrado a tela principal do supervisório realizado com intuito didático, além de explanar sobre o problema de comunicação encontrado no OPC. A seção sobre controle, foi mostrado as estratégias que seriam utilizadas e comparadas. Nesta parte do trabalho foram exibidas algumas simulações para teste de sintonia tanto do controle clássico como o do controle preditivo, realizando também o controle PID via LabVIEW. Por fim, foi realizada a comparação entre as duas estratégias e verificado de forma simulada o melhor desempenho do controle preditivo, como já era esperado para esse trabalho, já que o mesmo consegue enxergar o sistema como um todo além de possuir a habilidade de prever a resposta do sistema e se antecipar a ela, como já foi dito. 56 5.2 TRABALHOS FUTUROS Apesar do resultado deste trabalho ter exibido o melhor desempenho do MPC para o controle de um motor CC, os testes foram estritamente virtuais, e provavelmente nem todas as variáveis foram levadas em consideração, além disso existe o fato que o controle preditivo exige um maior esforço computacional que talvez na prática, possa gerar complicações. Com isso um trabalho a ser realizado seria a implementação desse controle em um motor real. A implementação de um supervisório tem como perspectiva de um trabalho futuro, a sua implementação na prática, com utilização de controladores lógicos programáveis e utilização de outros protocolos já disponíveis no mercado, de forma a conseguir estabelecer uma comunicação entre operador, controle e planta em tempo real, além de ser mais uma ferramenta de auxilio didático para o curso de engenharia. Um outro desafio despertado pelo o trabalho desenvolvido, e os a serem desenvolvidos, é que os mesmos possam ajudar em um futuro projeto de mestrado na área de controle. 57 REFERÊNCIAS ABREU, A. C. A. F.; CARVALHO, D.O. controle de velocidade de um motor série CC. [Monografia] Graduação em Engenharia Elétrica. Instituto Militar de Engenharia. Rio de Janeiro (RJ). 2013. ABREU, B. F. Detecção dos parâmetros de um motor de corrente contínua utilizando algoritmos genéticos. [Monografia] Especialização em Sistemas Inteligentes Aplicados à Automação. Instituto Federal do Espírito Santo. Vitória (ES). 2014. ALMEIDA, G. M. Controle preditivo sintonizado via algoritmo genético aplicado em processos siderúrgicos. [Tese] Doutorado emEngenharia Elétrica. Universidade Federal do Espırito Santo. Vitória (ES). 2011. BALDURSSON, S. BLDC Motor Modelling and Control – A Matlab®/Simulink® Implementation. [Thesis] Master in Electric Power Engineering. Institutionen för Energi och Miljö. Göteborg, Sverige. 2005. BARÃO. R. C. Algoritmos de controle ótimo quadrático com restrições. [Dissertação] Mestrado em Engenharia Elétrica. Escola Politécnica da Universidade de São Paulo. São Paulo (SP). 1997. BISHOP, R. H. Modern Control Systems with LabVIEWTM. Marquette University. National Technology and Science Press National Technology and Science Press. 2012. CAMACHO, E.F. and C.Bordons. Model predictive control. Springer-Verlag, London. 1999. ENOCKSSON, S. Modeling in MathWorks Simscape by building a model of an automatic gearbox. UPPSALA Universitet. Mars. 2011. FARUQ, M. F. B. M. PID controller design for controlling DC motor speed using Matlab application. [Thesis] Bachelor of Electrical Engineering. Universiti Malaysia Pahang. Pahang.Malásia. Nov/2008. FILHO, M.V.A.C. Modelagem, controle e otimização de Processos da indústria do etanol: uma aplicação em energia solar. [Tese] Doutorado em Engenharia de Automação e Sistemas. Universidade Federal de Santa Catarina. Florianópolis (SC). Fev/2013. FONSECA, M. de O. Comunicação OPC - Uma abordagem prática. VI Seminário de Automação de Processos, Associação Brasileira de Metalurgia e Materiais. Vitória (ES). Out/ 2002. FONTES, R. M.; NARCISO, M.; PEREIRA, Y. G. Ferramenta educacional para simulação de um controlador PID utilizando o aplicativo Excel. ENBEQ – XV 58 Encontro Brasileiro sobre o Ensino de Engenharia Química. Florianópolis (SC). Out/2014. FRANCHI, C.M. Acionamentos elétricos. 4ª Edição. Ed. Érica. São Paulo (SP). 2008. GARCIA, C. (1997). Modelagem e Simulação. São Paulo, Editora da Universidade de São Paulo. GOMES, T. Z.; FENILI, A. Modelagem Matemática e Identificação de Parâmetros de um Motor DC. Universidade Federal do ABC. Santo André (SP). 2013. GOPAL, K. Dubey. Fundamentals Eletrical Drives. Alpha Science International, 2009. HALVORSEN, H. P. Model Predictive Control in LabVIEW. M.Sc. Tutorial. Telemark University College.Department of Electrical Engineering, Information Technology and Cybernetics. Jun. 2011. HALVORSEN, H. P. OPC and Real-Time Systems in LabVIEW. Tutorial. Telemark University College.Department of Electrical Engineering, Information Technology and Cybernetics. Jan. 2012. KOSOW, I. L. Máquinas elétricas e Transformadores. Vol 1. 4ª Edição. Ed. Globo. Rio de Janeiro (RJ). 1982. MACIEJOWSKI, J. M. Predictive Control - with Constraints. Prentice-Hall, Pearson Education Limited: England, 2002. MATAS, A. L. Sintonia de controladores PID com controle adaptativo por modelo de referência (MRAC) aplicado a um motor de corrente contínua. Trabalho de Conclusão de Curso. Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos (SP), 2012. MEJÍA, R. I. G. Controle Preditivo Multivariável: Aspectos de Projeto e Simulação. Dissertação (Mestrado em Engenharia Elétrica) - Centro Tecnológico, Universidade Federal de Santa Catarina, Florianópolis, SC. 2003. MOREIRA. V.D., P.A. FERREIRA, W. A. Controle preditivo robusto de sistemas híbridos incertos. XV Congresso Brasileiro de Automática, Gramado, Vol. CDROM. 2004. OGATA, Astrom,K. J; Wittenmark B; Adaptive Control, Second Edition, 1995. PASTORELLO, R. Integração via OPC de controlador preditivo comercial com simulador dinâmico de processos gerando ambiente virtual de testes. [Dissertação] Mestrado em Engenharia de Processos e Bioquímicos. Centro Universitário do Instituto Mauá de Tecnologia. São Caetano do Sul (SP). 2008. 59 PERAZZO, F. A. P. Implantação de um Sistema de Intertravamentos numa planta simulada no Matlab®/ Simulink® com interface de operação Delta V®. Trabalho Final de Graduação em Engenharia Elétrica. Escola Politécnica. Universidade Federal da Bahia. Salvador, BA. 2009. PEREIRA, R. D. O. Sistemas de controle de velocidade digital embarcado de motor de corrente contínua de imã permanente. [Monografia] Bacharelado em Engenharia Elétrica. Universidade Federal do Ceará, Centro de Tecnologia, Departamento de Engenharia Elétrica. Fortaleza (CE). 2013. PEREIRA, R. P. do A. Implantação do controlador preditivo multivariável DMC em uma planta piloto. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal do Espírito Santo, Centro Tecnológico. Vitória (ES). 2011. PINTO, J. E. M. G. Aplicação prática do método de sintonia de controladores PID utilizando o método do relé com histerese. [Dissertação] Mestrado em Engenharia Elétrica e de Computação. Universidade Federal do Rio Grande do Norte. Natal (RN). 2014. PAZZINI, L. H. A. Acionamentos Elétricos. Apostila de Aula. Faculdades Integradas de São Paulo - FISP. São Paulo (SP). 2002. SALAH, Mohammed, S. Z. Parameters Identification of a Permanente Magnet DC Motor. Tese de Graduação, The Islamic University of Gaza, 2009. SANTANA, E.S.; BIM, E; AMARAL, W.C. Algoritmo Preditivo Baseado em Modelo Aplicado ao controle de velocidade do motor de indução. Universidade Estadual de Campinas. Rev. Controle & Automação, vol.19, nº2, p.155-164. Campinas (SP). Abril-Junho 2008. SILVA, C. J. N. Caracterização de um conjunto didático para ensaio de motor de corrente contínua. [Monografia] Graduação em Engenharia Elétrica da Universidade São Francisco. Itatiba (SP). 2012. SILVA, F. C. Planta didática – controle PID digital para motor DC. [Monografia] Bacharelado em Engenharia da Computação. Universidade Positivo/NCET. Curitiba (PR), 2008. SILVA, M. R. N. Aplicação das técnicas de controle em uma planta simulada no Matlab® com interface de operação em Delta V®. Trabalho Final de Graduação em Engenharia Elétrica. Escola Politécnica. Universidade Federal da Bahia. Salvador, BA. 2009. TORRES, A. E. Introdução ao funcionamento e ao acionamento de motores DC. Relatório Técnico de Iniciação Científica. Universidade Federal do Rio de Janeiro. Rio de Janeiro (RJ). Jan-2004. WANG, L. Model Predictive Control System Design and Implementation Using Matlab®. © 2009 Springer-Verlag London Limited. 2009. 60 WEG. Características e especificações de motores de corrente contínua e conversores CA/CC. Jaraguá do Sul: WEG, 2007.
Compartilhar