Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução MODELAGEM DE SISTEMASMODELAGEM DE SISTEMAS MODELAGEM DE SISTEMAS MODELAGEM DE SISTEMAS DINÂMICOSDINÂMICOS Au to r ( a ) : M e . G u i l h e r m e A f o n s o B e n to M e l l o R ev i s o r : Fa b i o J o s e R i c a rd o Tempo de leitura do conteúdo estimado em 1 hora e 50 minutos. Olá, estudante! Vamos iniciar nosso estudo falando sobre os meios existentes para realizar a modelagem de sistemas , visto que há diversas formas de realizar a modelagem de um processo. Nesta unidade, será apresentada a introdução à identi�cação , baseada em mecanismos e métodos para realizar e reconhecer a modelagem de sistemas, identificar os sistemas pelo método relé , realizar a estimação de parâmetros de controle através de métodos de otimização quadrática e regressão linear e, por fim, utilizar softwares para realizar a simulação dos processos. Bons estudos! Prezado(a) estudante, você sabia que a modelagem consiste em uma maneira de poder representar um sistema de forma �dedigna e com todas as suas características ? Além disso, a modelagem permite compreender o sistema como um todo, permite-se que sejam possíveis realizar melhorias , além disso, a representação do processo pode simpli�car a realidade. O modelo selecionado para representar um sistema pode apresentar diversos níveis de precisão e isso varia a partir do modelo que for utilizado , sendo que os modelos que estejam os mais próximos da realidade do processo são considerados melhores, vale ressaltar que não existe apenas um único modelo correto, mas várias formas de interpretar o sistema (CALSAVARA, 2005). Introdução à identificação de sistemas É comum que a representação do sistema dependa do conhecimento de especialistas, de engenheiros(as), para poder realizar a representação, como as observadas a seguir. Entretanto há ainda outras possibilidades que permitem a representação de um sistema, baseadas na utilização ou puramente representativa , como ao desenhar a mão um projeto, sem especificações. Pode ser representado por meio de cadeias de hierarquia ou mesmo um esquema de funcionamento do sistema. Diferentes são as formas de representar um sistema, mas os(as) engenheiros(as) devem sempre saber a hora de usar cada tipo de modelagem, sendo que não há um único meio de representar um processo . Um modelo pode ser definido a partir de um conjunto de equações , que representa um criterioso modelo matemático , o qual expressa os dados de atributos das entradas e saídas do sistema, sendo estes obtidos por meio de fenômenos previamente conhecidos. A modelagem deve ser feita a partir de vários atributos, como substâncias , matérias-primas , propriedades químicas , dispositivos , equipamentos , controladores , bem como de todos os elementos que estejam associados a um dispositivo que se queira modelar. Essa modelagem pode ser elaborada de várias formas, as mais comuns são a representação por blocos e a representação matemática. Reconhecer modelos fenomenológicos, empíricos e mistos A modelagem matemática de sistemas representa um conjunto de equações matemáticas, baseado no sistema real , que dispõe de uma ou mais equações, utilizando-se das variáveis de entrada e saída , além de que pode representar a presença , ou não , de perturbações do sistema. Deve-se levar em consideração, também, os dispositivos que estão associados ao sistema, como controladores , medidores , indicadores e, eventualmente , os tipos de operação que o operador realiza naquele equipamento. Essa modelagem poderá ser originada por três meios: fundamentais; fenomenológicos; empíricos. Para Silva (2013), os modelos fundamentais também podem ser denominados modelos teóricos ou fenômenos de transporte . Eles baseiam-se no uso das leis da física e química, com o objetivo de descrever o sistema , de tal forma que se obtenha os atributos de entrada e saída mediante experimentação ou por meio da literatura existente para tais. Os modelos fenomenológicos , assim como o nome sugere, consistem em descrever os processos por meio dos fenômenos apresentados, utilizando-se dos princípios da conservação de energia, Leis de Newton, Lei de Ohm, equações diferenciais, variáveis com condições iniciais e condições de contorno (PEREIRA, 2011). Os fenomenológicos podem ser classi�cados de acordo com a natureza (determinístico ou estocástico), dependência do tempo (estacionário ou dinâmico) e equações resultantes (algébricas, equações diferenciais ordinárias ou equações diferenciais parciais) (PEREIRA, 2011). A modelagem empírica é oriunda da interação do homem com o sistema . Esse modelo é bastante restrito , super�cial e pode ainda não representar adequadamente o sistema (ADORNO; MARTINS; SILVA, 2013). Então, necessita da utilização de técnicas para operacionalizar as variáveis com o desempenho do processo. Há, ainda, a modelagem híbrida ou mista , que correlaciona os tipos existentes de modelagens. Reconhecer as etapas de modelagem empírica Nos modelos empíricos, devido à sua característica limitada e muitas vezes super�cial , para realizar a modelagem de sistemas por esse método, é necessário utilizar um conjunto de técnicas de regressão , a fim de que se possa operacionalizar pelo método empírico (SILVA, 2013). Para Pereira (2011), o modelo empírico é comumente identificado como uma “ caixa-preta ”, da qual não se conhece quais foram os meios pelos quais ela foi gerada/construída , entretanto devem-se utilizar técnicas que permitam a relação entre as variáveis dependentes e as independentes, através das funções de transferência . A função de transferência apresenta a relação da saída do sistema com a entrada , sendo que a saída do sistema é aquilo que se espera medir ou avaliar , frequentemente são as variáveis que são mensuradas no processo, como a pressão, o nível, a temperatura, a vazão, a velocidade etc. Florêncio (2009, p. 14) descreve etapas para o desenvolvimento de modelagem empírica por: 1.Especi�cação do modelo estatístico a ser utilizado; 2.Estimação dos parâmetros das variáveis; 3.Teste de especi�cação do modelo; 4.Veri�cação das violações das premissas da técnica selecionada; 5.Testes de hipóteses; 6.Identi�cação de pontos in�uenciantes; 7.Escolha da técnica. Vale ressaltar que a especificação das variáveis do processo neste modelo depende da escolha do profissional, desde que a variável faça parte do sistema . Para cada um dos elementos listados na modelagem empírica, deve-se realizar um tipo de teste para a veri�cação dos pontos, como: teste de normalidade Jarque-Bera; método dos mínimos quadrados; teste Reset de Ramsey; teste de significância parcial e geral de coeficientes; teste sobre os outliers etc. (FLORÊNCIO, 2009). Um dos métodos para diagnosticar o modelo selecionado é a análise de regressão linear . O método da regressão consiste em analisar a relação entre duas ou mais variáveis do processo, de forma que se possa identi�car e estimar outras a partir destas variáveis (ÁVILA; SILVA; RODRIGUES, 2020). Um exemplo disso é determinar o número de tomadas em uma sala baseado na área total do ambiente, ou, ainda, determinar a vazão de ar frio de um condicionador de ar para resfriar um ambiente. Para isso, geralmente, há a construção de um grá�co que apresenta a relação entre duas variáveis do processo, denominado grá�co de dispersão . Através do diagrama de dispersão, é possível compreender melhor como funciona a relação entre as variáveis do processo, permite um maior rendimento , e�ciência , capacidade de melhorias do processo, a identi�cação de possíveis problemas , dentre outros (PEREIRA, 2016). Com o gráfico de dispersão, é possível determinar a correlação , que mede a relação entre as variáveis, e, com a regressão, fornece uma função de reta que relaciona as variáveis. O cálculo da correlação é dado na Equação 4.1. Na Equação 4.1, ‘r’ é o coeficiente de correlação de Pearson , um índice que varia de -1 a +1 e que demonstra a intensidade de relação linear entre as variáveis, sendo que: r = -1 our = 1, correlação perfeita negativa ou positiva; -1 < r < -0,95 ou 0,95 > r > 1, correlação muito forte, negativa ou positiva; -0,95 < r < -0,65 ou 0,65 > r > 0,95, correlação forte, negativa ou positiva; -0,65 < r < -0,35 ou 0,35 > r > 0,65, correlação moderada, negativa ou positiva; -0,35 < r < -0,03 ou 0,03 > r > 0,35, correlação fraca, negativa ou positiva; -0,03 < r < 0,03, correlação nula. A correlação é interpretativa . Portanto, pode-se identi�car e interpretar o resultado obtido. Salienta-se, também, que, eventualmente, pode haver uma in�nidade de valores, os quais podem impossibilitar a realização dos cálculos a mão e, portanto, recomenda-se o uso de softwares matemáticos , como o Matlab, o Octave, o Scilab, o Excel ou outros, a fim de simpli�car e reduzir a carga de cálculos necessários. Inclusive, no Excel e em softwares livres semelhantes, há fórmulas prontas que facilitam a obtenção dos resultados. Já no Matlab, no Octave, no Scilab e em semelhantes, necessita-se de conhecimento da linguagem de programação, para operação no console ou no editor, para se obter a análise adequada dos resultados. Equação 4.1 : r = n.∑ −∑ .∑xiyi xi yi n. − (∑ .∑i 2 xi)2 n.∑ − (∑yi 2 yi)2 − −−−−−−−−−−−−−− √ − −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− √ Através da regressão linear , pode-se obter uma reta, que representa a relação entre as variáveis selecionadas, dada pela Equação 4.2. Sendo que, para obtenção de 𝝰 e 𝛽, deve-se realizar as Equações 4.3 e 4.4. Através da Equação 4.2, também é possível identificar o quão forte é a relação entre as variáveis selecionadas . Observe o gráfico de dispersão apresentado na Figura 4.1 a seguir: Figura 4.1 - Grá�co de dispersão de duas variáveis Fonte: Elaborada pelo autor. #PraCegoVer : é apresentado um gráfico de dispersão de duas variáveis no software Matlab na Figura 4.1. Ele tem forma retangular, sendo que, no eixo horizontal, há a numeração inicial em 213 e finaliza em 224, escrito variável dependente; no eixo vertical, a numeração inicia em 15, variando de 0,5 até 19,5, escrito variável independente. No gráfico, é apresentado um conjunto de 35 quadrados vermelhos pequenos, nas seguintes coordenadas (222,7;15,7), (217,7;17), (219,4;16,3), (220,9;16,1), (214,4;18,6), (216,5;17,8), (213;19,5), (221,7;16), (224,7;15,3), (215,5;18,3), (220;16,3), (218,6;16,7), (223,5;15,7), (217;17,4), (221,5;16,1), (218,4;16,8), (213,6;19,3), (221,2;16,2), (219,9;15,9), (222,2;19,1), (213,9;18), (216;17), (218,1;16), (222;15,4), (224,1;18,6), (214,9;18,7), (214,2;15,6), (223,3;17,6), (216,7;18,5), (215,3;15,5), (223,8;16,1), (220,6;18,2), (215,8;17,3), (217,3;17,3) e (219,2;16,5). Há uma reta azul em traço-ponto iniciando na coordenada (213,6;19,3) e finalizando em (224,7;15,3). Há três identificações no gráfico, sendo a primeira y = -0,35627 vezes xis + 94,9574; a segunda r = -0,97596; a terceira com a escrita “Reta de regressão”. Acima do gráfico, está escrito “Diagrama de dispersão de correlação muito forte”. Com a disposição dos pontos, dada pela relação das variáveis selecionadas, também pode-se determinar o erro entre a reta de regressão e os pontos determinados pelas variáveis. Com esse erro ou aproximação dos pontos à reta, podemos verificar que a correlação é inversa, pois o coeficiente de Pearson é negativo, e que a correlação é muito forte, visto que o valor de ‘r’ é igual a -0,97596, que se localiza entre -1 e -0,95. Analisar a dinâmica de dados experimentais frente a modelos lineares Equação 4.2 : y = α.x + β Equação 4.3 : α = n.∑( , ) −∑ ∑xi yi xi yi n.∑( ) − (∑xi 2 xi)2 Equação 4.4 : β = − α.ȳ̄̄ x̄̄̄ Ao analisar um sistema, deve-se sempre estar atento ao estado das variáveis do processo . As variáveis mais comuns são nível , pressão , temperatura , vazão , velocidade . Geralmente, presentes em sistemas nos quais há envolvimento de fluidos líquidos e gasosos. Mas você não deve analisar apenas o estado das variáveis, deve-se conhecer o processo como um todo. Em uma malha de sistema, normalmente, há elementos de entrada (variáveis do sistema, dados de preset , perturbações), os somadores, os controladores, a planta industrial (que geralmente é o “objeto” a ser controlado) e as saídas , como apresentado na Figura 4.2: Figura 4.2 - Diagrama de blocos de um sistema de controle em malha fechada Fonte: Elaborada pelo autor. #PraCegoVer : foi apresentado na figura um diagrama de blocos. No lado esquerdo, há uma identificação escrita “Entradas”, com uma seta conectada em uma circunferência de fundo branco, com a identificação do sinal de adição (+); em seguida, uma seta conectada em um bloco quadrado identificado com o nome “Controle”. Sai do bloco “Controle” uma seta que se conecta a um outro bloco quadrado, identificado como “Planta”. Da “Planta”, saem duas linhas, uma que está conectada às saídas do sistema e outra que desce abaixo dos blocos “Controle” e “Planta” e se conecta ao sinal de subtração (-) do bloco circular, representando um sistema em realimentação. Vale lembrar que, em uma representação em blocos , pode haver também outros elementos em um sistema, tal como bloco de medição de sensores (controle de variáveis), ou um bloco para controlar o erro de medição, erro de assentamento, dentre outros. A análise deve partir da equaçãoA análise deve partir da equação característica do processo, que podecaracterística do processo, que pode ser obtida através da função deser obtida através da função de transferência. Para Pérez (2012), étransferência. Para Pérez (2012), é possível descrever um sistema pelapossível descrever um sistema pela relação da saída com a entrada dorelação da saída com a entrada do sistema a partir da transformação desistema a partir da transformação de Por meio da função de transferência, é possível determinar se um sistema é estável , ou não , através dos polos e zeros . De fato, pode-se facilmente utilizar a informação para desenvolver controle para o sistema, projetar outros polos e zeros, atentando-se às outras propriedades para determinar se um sistema está estável ou tende à estabilidade (OLIVEIRA; AGUIAR; VARGAS, 2016). Figura 4.3 - Exemplo de sistema em blocos Fonte: Elaborada pelo autor. #PraCegoVer : foi apresentada uma figura composta por E(s) com uma seta da esquerda para direita apontando para o sinal de positivo de uma circunferência à direita (bloco somador). O bloco somador é uma circunferência composta por um sinal de positivo do lado esquerdo e por um sinal negativo na parte inferior. À direita do bloco somador, há uma seta preta conectada a outro bloco, desta vez, retangular, com a inscrição “s+3”. Saindo deste bloco, há uma seta preta conectada a outro bloco retangular, com a equação “s” sobre “s mais 6”. Deste bloco sai uma seta preta apontada para a direita, com a inscrição “Y(s)”, e sai também uma seta que passa por debaixo dos outros dois blocos retangulares e se conecta ao sinal negativo do bloco somador. Para resolver esse sistema, deve-se conhecer a função de transferência do sistema , promovendo a relação da saída Y(s) dividida pela entrada E(s). Com a função de transferência, podemos identi�car a equação característica do sistema, além de poder simular , assim, a resposta do sistema no tempo e identi�car a resposta para possíveis interferências ; com isso, projetar controladores para evitar estes problemas. O primeiro passo para identificar a estabilidade do sistema é encontrar os zeros e polos da função de transferência, de tal forma que, quando os polos e zeros, após a localização destes, sistema, a partir da transformação desistema, a partir da transformação de uma equação diferencial ordináriauma equação diferencial ordinária (EDO), originando a função de(EDO), originando a função de transferência do processo. transferência do processo. Equação 4.5 : = Y (s) E(s) + 3.ss2 + 4.s + 6s2 estiverem no semipleno esquerdo (relativo a todo plano de -∞ a 0 em relação ao eixo horizontal real), o sistema está estável , caso contrário, poderáser considerado não estável . Como identificar os polos e zeros? Igualar o numerador a zero e o fazer o mesmo com o denominador (igualar a zero), sendo que os elementos que zeram o numerador encontrarão os zeros da função de transferência; e, ao igualar o denominador a zero, os polos serão encontrados. Os zeros encontrados serão 0 e -3; enquanto os polos serão complexos, sendo -2+1,414j e -2- 1,414j. Observando os elementos, pode-se dizer que o sistema é estável , uma vez que os elementos estão contidos no semiplano esquerdo do sistema. praticar Vamos Praticar A regressão linear corresponde a um método que permite identi�car a relação entre duas variáveis. Esse tipo de mecanismo é uma estratégia para testar conhecimentos empíricos, além de desenvolver sistemas que podem realizar a conferência e a veri�cação de parâmetros em uma linha industrial. Uma das aplicações é o desenvolvimento de próprias funções que representam um sistema de refrigeração e variação de temperatura. Sejam (0,1), (1,6), (-1,-1), (-2,-7) e (5,11) os pontos medidos em uma linha de produção que avalia a relação de temperatura de dois cilindros conectados, analise os pontos e calcule a correlação de Pearson e a reta que representa a dispersão das variáveis de temperatura. Equação 4.6 : + 3.s = 0s2 Equação 4.7 : + 4.s + 6 = 0s2 Os processos podem ser identi�cados baseados na sua complexidade e nas suas funcionalidades , também podem ser discriminados conforme a sua composição . Como mencionado anteriormente, um processo pode sofrer interferências mediante perturbações , que podem ocorrer em quaisquer elementos do processo. Algumas dessas interferências são forçadas sobre os sistemas, a fim de verificar a estabilidade dos processos. Reconhecer um sistema em malha fechada Os sistemas podem ser representados de duas formas: malha aberta (Figura 4.4) e malha fechada (Figura 4.5). No sistema em malha aberta, a saída a ser controlada depende apenas dos dados da planta , dos dados de entrada do sistema e de possíveis perturbações que podem ocorrer no processo; no sistema em malha fechada, a saída a ser controlada depende da ação da própria saída para ser controlada, além do elemento de entrada, é também chamada de sistema em realimentação ou sistema com feedback (OGATA, 2010). Figura 4.4 - Representação em blocos de um sistema em malha aberta Fonte: Elaborada pelo autor. #PraCegoVer : foram apresentados três blocos no sistema, sendo um diagrama sequencial realimentado. No início, é informado um elemento denominado “Entrada”; posteriormente, o bloco denominado “Planta”, que se refere ao ambiente que será modelado; e, por fim, o indicativo de “Saída”. No sistema em malha aberta, observando a Figura 4.4, a saída depende única e exclusivamente da natureza da entrada em relação ao elemento “Planta”, ou seja, o impacto da saída é Identificação pelo método relé controlado apenas pela “Planta”, o que pode representar uma condição de pouco ou nenhum controle, dependendo do que há na entrada do processo. Nesse tipo de processo, a variação da entrada, por exemplo, uma perturbação, pode interferir completamente no resultado de saída. Já a Figura 4.5 representa um sistema em malha fechada, na qual há uma realimentação no sistema. Portanto, pode-se controlar o processo utilizando alguns mecanismos, como o elemento somador, ou mesmo um bloco de controle por meio de análise de variáveis (sensoriamento). Figura 4.5 - Representação em blocos de um sistema em malha fechada Fonte: Elaborada pelo autor. #PraCegoVer : foram apresentados três blocos no sistema, sendo um diagrama sequencial realimentado. No início, é informado um elemento denominado “Entrada”; a seguir, o bloco somador com dois ícones, apresentando adição e subtração; posteriormente, o bloco denominado “Planta”, que se refere ao ambiente que será modelado; e, por fim, o indicativo de “Saída”. Entre o bloco de planta e a saída, há uma conexão que se liga até o bloco somador no sinal de subtração. Os sistemas em malha fechada comumente são utilizados para realizar um controle de uma determinada variável desejada, como controlar a quantidade de fluido dentro de um reservatório, ou mesmo controlar os gastos de uma casa quanto ao consumo energético diário. Na verdade, o controle em malha fechada possui inúmeras aplicações na área industrial. Entretanto há outros métodos para determinar se um sistema é estável, ou não. Identi�car os polos e zeros consiste no método do lugar das raízes (ou root locus ); os critérios de Routh , de Jury e os diagramas de Bode e de Nyquist podem ser utilizados também na avaliação de estabilidade de um sistema (TOGNETTI; FIORILLO, 2015). Reconhecer a resposta senoidal de um sistema em malha fechada As perturbações são interferências que podem acontecer em qualquer momento de funcionamento de um sistema, há interferências passageiras e há aquelas que causam dano e, de fato, impedem o correto funcionamento do processo. Contudo há um conjunto de perturbações de testes , que são utilizadas para simular e experimentar o funcionamento de um sistema (RAMIREZ, 2009): impulso; degrau; pulso; rampa; senoidal. Essas perturbações são as mais comuns e são utilizadas em testes e experimentos, a fim de analisar a resposta do sistema a interferências que podem acontecer, como a troca de dados em um display de interface homem-máquina (IHM), alteração de parâmetros de controladores lógicos programáveis, inversores de frequência etc. As perturbações podem ser quaisquer sinais que ocorrem e impactam o funcionamento do sistema. Entretanto, essas variações podem ser utilizadas para testar o bom funcionamento e a qualidade do controlador do processo. Um exemplo de interferência senoidal são as harmônicas na rede de distribuição de energia, comuns perturbações no ambiente industrial que correspondem a composições do tipo seno na linha de energia. Tais perturbações impactam diretamente, como com ruídos de períodos Perturbação do tipo degrau : representa uma variação da amplitude do sistema em um determinado instante que se mantém por tempo indeterminado. Um exemplo disso é uma mudança brusca na entrada do processo. Perturbação do tipo impulso : representa algo instantâneo, pode ser uma vibração ou variação do próprio sistema. A vibração do tipo degrau representa uma alteração da amplitude do sistema que se mantém constante até que seja interrompida (momento em que se acaba a interferência, a presença de novas interferências ou a ação de controladores para minimizar ou eliminar a interferência) (RAMIREZ, 2009). A interferência do tipo pulso corresponde a uma ação semelhante ao degrau, contudo é passageira, ocorre em um determinado período e se encerra. Perturbação do tipo rampa : interfere gradativamente no sistema, é comumente relacionada à alteração de valores de setpoint ou valores de referência em sistemas supervisórios e IHM; e, por fim, a perturbação do tipo senoidal, representa uma alteração em forma de sinal de senoide, ou seja, uma entrada seno ou cosseno no sistema. indeterminados, que podem promover a leitura incorreta de sensores, atuadores, odômetros etc. É justamente a ação desta perturbação, a senoidal, que serão apresentadas as seguintes considerações. As características de um sinal senoidal são amplitude (A), comprimento de onda (λ) e frequência (f). E a representação matemática é dada na Equação 4.8 (RESNICK; HALLIDAY; KRANE, 2007). Para sinais elétricos ou a perturbação em si, deve-se levar em consideração a contribuição angular e o impacto dela nos sistemas. No caso das harmônicas , são as composições da Equação 4.9 apresentada que interferem nos sinais, dispositivos, equipamentos e quaisquer outros equipamentos elétricos e eletroeletrônicos, mas que, infelizmente, as interferências na composição da onda fundamental senoidal não apresenta frequência de�nida (DECKMANN; POMILIO, 2020). A transformada de Laplace para a função senoidal é dada por (PÉREZ, 2012). A função senoidal também possuicurva característica, apresentada na Figura 4.6 a seguir. Como que uma função seno pode agir em um sistema? S A I B A M A I S Uma harmônica consiste em um distúrbio em frequência de vibração que causa o fenômeno de ressonância na rede elétrica, de forma similar à frequência fundamental. Esse tipo de perturbação é comum em dispositivos que estejam sujeitos à saturação magnética, como transformadores e motores elétricos. Fontes chaveadas, como encontradas em computadores e outros dispositivos eletrônicos, também são equipamentos que podem originar harmônicos nas redes elétricas. Saiba mais em: https://www.dsce.fee.unicamp.br/~antenor/pdffiles/qualidade/a5.pdf Fonte: Deckmann e Pomilio (2020). Equação 4.8 : y(θ) = A.sen(θ) Equação 4.9 : v(t) = A.sen(2.π.f. t + φ) Equação 4.10 : V (s) = ω +s2 ω2 https://www.dsce.fee.unicamp.br/~antenor/pdffiles/qualidade/a5.pdf Figura 4.6 - Sinal senoidal de uma fase da rede de energia elétrica Fonte: Elaborada pelo autor. #PraCegoVer : foi apresentado um gráfico retangular, em que no eixo horizontal mostra o tempo em segundos, que se inicia em 0 e finaliza em 0,05 segundos, variando em 0,01 segundos; no eixo vertical, apresenta-se a tensão em Volts, iniciando em -127 Volts e finalizando em 127 Volts, apresentando outros valores, como -100, -50, 0, 50 e 100 Volts. Cada item desse em cruzamento dos itens do eixo horizontal com eixo vertical possui um tracejado ao fundo. Dentro do gráfico, a curva característica em cor vermelha demonstra que, quando varia o período (tempo), há alteração da curva com semiplanos positivos e semiplanos negativos, sendo que há um semicírculo positivo conectado em um negativo, e assim sucessivamente. Acima da figura, há um título escrito “Sinal senoidal de 60 Hz”. Então, o impacto da função senoidal corresponde da mesma forma em circuitos , assim como as composições da função senoidal (harmônicas). De certo modo, pode-se dizer que a função senoidal “ reescreve ” a equação final, tal que sistemas que já possuem uma curva característica podem sofrer danos irreversíveis , prejudicando o funcionamento, a leitura incorreta dos sensores e dispositivos e, consequentemente, produz efeitos no controle de alguns processos. Um exemplo disso é o funcionamento inadequado de inversores de frequência, que podem ser dependentes de entradas que sofreram danos relativos à variação da entrada. Veja, a seguir, na Figura 4.7, a resposta no domínio do tempo da Equação 4.5 e o impacto da função senoidal e harmônica na Equação 4.5. Figura 4.7 - a) Resposta no domínio do tempo para a Equação 4.5; b) Resposta à entrada senoidal no domínio do tempo para a Equação 4.5; c) Resposta à entrada de composição senoidal no domínio do tempo para a Equação 4.5 Fonte: Elaborada pelo autor. #PraCegoVer : foram apresentados três gráficos retangulares, em que, na horizontal, há identificação de números crescentes, iniciando em 0,5 até 10, variando em 0,5, com tempo em segundos; na vertical, escrito y (t), iniciando de -1,2 até 0, variando em 0,1, crescente, amplitude dos sinais. Identificados os gráficos por a, b e c. Sendo “a” a “Resposta no domínio do tempo para a Equação 4.5”, a resposta em azul inicia em y = -1.1, há uma curva suave com pico para baixo que sobe exponencialmente até mais ou menos 2,8 segundos e entre em modo de regime permanente; em b, há um sinal representado em y = -0,4, resposta da Equação 4.5 à entrada senoidal, representado por vários elementos senos com semiplanos positivos e semiplanos negativos, como se fossem ondas na cor vermelha, acima, há identificação de “Resposta à entrada senoidal de 5 rad/s”; em ‘c’ há a identificação de uma “Resposta a composição senoidal”, em verde, com picos indefinidos, porém arredondados, como na senoidal, entretanto cada qual com picos diferentes, sem amplitude definida, com início em y = -0,5. Como é possível visualizar graficamente, há uma grande diferença quando o sistema sofre a entrada de senoides . Consequentemente, altera a equação característica do sistema. Equação4.11 : Y (s) = ⋅ + 3.ss2 + 4.s + 6s2 ω +s2 ω2 REFLITA No caso das composições de senoides , como nas harmônicas , a tendência do sistema é não estabilizar , deve-se, entretanto, sempre conhecer as ações de cada uma das entradas ou poder prever quais tipos de entradas ou quais tipos de in�uências o processo pode vir a sofrer com o passar do tempo. É claro que isso varia de processo para processo e também depende de inúmeras ações desde a tomada de decisões por parte de humanos, assim como o processamento de informações por parte do próprio sistema. Método de sintonia do relé Como dito anteriormente, todo processo está sujeito a ocorrências de perturbações e interferências , oriundas das mais diversas fontes , desde vibrações de equipamentos devido à fixação incorreta do equipamento no solo/piso até variações advindas da rede de energia, as quais podem prejudicar a performance e o rendimento do sistema. Entretanto há métodos de sintonia de parâmetros que permitem a simpli�cação , a redução e até a eliminação destas imperfeições. Obviamente, quando se busca realizar a sintonia do sistema, também se objetiva encontrar meios que tornem o sistema mais estável ou que tenda para estabilidade . Para Saraiva (2011), o critério do controle de um sistema é a estabilidade e a medição do tempo morto , tendo como ponto de partida a função de transferência do sistema. O tempo morto consiste em um intervalo de tempo em que o sistema sofre uma alteração de qualquer espécie e o tempo em que são identi�cados por componentes do sistema. Pode-se associar ao momento em que o equipamento entra em contato com o meio e o tempo que leva para dar resposta , sendo que há vários métodos para realizar a sintonia de sistemas (SENAI, 1999). Tentativa e erro ou método de aproximação sucessiva. Ziegler-Nichols em malha fechada. Autossintonia. Método de Chidambaram. Observe que a entrada senoidal no sistema provoca a entrada forçada de dois pólos iguais em j⍵. Isso é capaz de tornar o sistema não estável, tendo em vista que a Equação 4.5 já possui dois polos em -2+1,414j e -2-1,414j? Método de Luyben. Método dos relés em malha fechada. Dentre outros. O método dos relés em malha fechada, proposto por Åström e Hägglund, em 1994, indica impor oscilações de amplitude controlada , utilizando-se de relés , com a finalidade de obter a amplitude de oscilação e o período de atuação do relé e, com isso, poder determinar o período último ( ) e o ganho último ( ) do sistema; para utilizar a técnica do método relé na sintonia de controladores, baseia-se na função descritiva dos relés (NEVES, 2009). Na literatura, é possível encontrar o controle/sintonia pelo método dos relés como controlador ON-OFF, de tempo morto reduzido e auto tuning de Åström-Hägglung (SANTOS; MAGRO, 2016). Para Seidel (2004), a função descritiva também pode ser utilizada para representar sistemas não lineares, assim como em Pinto (2014, p. 28). Na análise por função descritiva, supõe-se que apenas a componente harmônica fundamental da saída é signi�cativa. Tal suposição é frequentemente válida, uma vez que harmônicas superiores de saída de um elemento não-linear são frequentemente de menor amplitude do que a amplitude da harmônica fundamental. Conhecendo os parâmetros e a função descritiva do relé, é possível determinar os parâmetros para sintonia de um controlador PID (proporcional, integrador e derivativo), sendo que a função descritiva do relé é dada na Equação 4.12. Sendo “h” a amplitude atuado no relé e “a” a amplitude da oscilação. Dessa forma, para uma entrada senoidal x(t), a saída pode ser expressa por (PINTO, 2014): A representação do método relé em malha fechada em blocos é dada pela Figura 4.8 a seguir, vamos analisar seu conteúdo. TU KU Equação 4.12 : N(a) = 4.h a.π Equação4.13 : y(t) = + .sen(n.ω. t + φ)A0 ∑ n=1 ∞ Yn Figura 4.8 - Representação em blocos do sistema de sintonia pelo método relé Fonte: Adaptada de Pinto (2014).#PraCegoVer : há uma representação em blocos do sistema, em que há um “E(s)” com uma seta apontando para uma circunferência (bloco somador) no sinal de positivo. À direita, há um bloco retangular em vermelho, escrito "Erro'' e três retas paralelas, sendo, de baixo para cima, “-h”, sem identificação e “+h”, que representa o bloco de sintonia do relé. À direita, há uma seta conectando outro bloco retangular escrito “Planta”, à direita do bloco “Planta” há uma seta apontando para Y(s) e também conectando o sinal de negativo do bloco somador, passando por baixo dos blocos de sintonia do relé e da planta. Sendo sua curva característica semelhante a um conjunto de pulsos retangulares de amplitude “h”, assim como demonstrada na Figura 4.9 a seguir. Vamos analisá-la. Figura 4.9 - Saída do controlador pelo método relé Fonte: Elaborada pelo autor. #PraCegoVer : há um gráfico retangular, em que, na horizontal, há a identificação de números crescentes, iniciando em 0 até 30, variando em 5, com tempo em segundos; na vertical, está escrito “Amplitude (V)”, iniciando em -100 até 100, apresentando outros valores de baixo para cima, -100 a 100, variando em 25, crescente, amplitude dos sinais em Volts. No gráfico, há um sinal em azul representando a amplitude da saída do controlador relé (com duas barras uma em cada extremidade, delimitando a altura da amplitude com um “h” escrito). Esse sinal azul retangular, iniciando em -50 Volts, sobe até +50 Volts, mantém-se por T segundos e reinicia o processo. Portanto, pode-se definir os parâmetros através do método do relé e, utilizando os parâmetros de ganho do método de oscilação de Ziegler-Nichols , configurar o controlador do método relé para sintonia de controladores PID em malha fechada (NEVES, 2009). Considerando que o controlador PID possui a configuração característica, sendo: Dessa forma, substituindo-se os valores das Equações 4.14, 4.15 e 4.16 na equação característica do controlador PID, pode-se determinar a sintonia pelo método do relé em malha fechada. Com isso, a resposta do sistema à aplicação senoidal e à sintonia pelo método do relé, obtém-se a seguinte leitura de saída, apresentada na Figura 4.10. Vamos analisá-la para entender melhor esse conceito. Figura 4.10 - Saída do controlador pelo método do relé Fonte: Pinto et al. (2015, p. 4). #PraCegoVer : na figura, é apresentado um gráfico retangular, em que, na horizontal, consta o tempo em segundos e, na vertical, a amplitude em Volts. No interior do gráfico, há a representação do modo de pulsar do relé, como ciclos retangulares em um instante semiplano positivo e semiplano negativo em outro instante, como uma senoide, porém retangular de amplitude “h”. Mais ao centro do gráfico, há a forma de onda resultante do sistema, ou resposta à sintonia do método do relé, com a redução da amplitude do sinal de saída e com atenuação dos picos, com formato de barbatana de tubarão, de amplitude “a” e período Tu. Uma vez determinados os valores apresentados nas Equações 4.14, 4.15 e 4.16, pode-se diminuir o coe�ciente de overshoot até 25%, o sistema forçado por relé promove a oscilação com amplitude reduzida , e essa amplitude pode ser controlada mediante alterações dos Equação 4.14 : = 0, 6.N(a)KC Equação 4.15 : =τI TU 2 Equação 4.16 : =τD TU 8 Equação4.17 : C(s) = .(1 + + .S)Kc 1 .sτI τD parâmetros de entrada; tanto que esse processo pode ser aplicado a diversos sistemas instáveis (SANTOS; MAGRO, 2016). Conhecimento Teste seus Conhecimentos (Atividade não pontuada) A sintonia de sistemas serve como ferramenta para tornar os processos mais estáveis, processos que já são compostos por controladores, como do tipo PID (proporcional, integrador e derivativo), que fazem o controle do pico de resposta do sistema, controle de assentamento para regime permanente e podem fazer com que a curva característica do sistema seja amortizada. Entretanto, quaisquer equipamentos estão sujeitos à instabilidade e a incertezas, e o método dos relés em malha fechada possui objetivo de impor oscilações com amplitude regulada, utilizando-se de relés (NEVES, 2009). Considere que a função descritiva do relé é dada por: E que os parâmetros do controlador PID são: Determine o controlador PID, sabendo que a amplitude do relé é de 5 Volts, do sistema 2,5 Volts e período da oscilação em 0,5 segundos. Considere ‘A’ para esse sistema hipotético igual a π. Assinale a alternativa correta . a) b) c) N(a) = 4.h a.π C(s) = .(1 + + .S)Kc 1 .sτI τD C(s) = 0, 25.(1 + + 0, 0625.s)1 1,2.s C(s) = 0, 5.(1 + + 0, 0625.s)1 0,25.s C(s) = 1, 2.(1 + + 0, 0625.s)1 0,25.s d) e) Prezado(a) estudante, você sabia que uma das grandes problemáticas da estimação de parâmetros para sistemas é a necessidade computacional ? As simulações requerem grande capacidade de memória do computador. Ainda, o potencial do equipamento deve ser capaz de realizar um volume enorme de informações simultaneamente. Então, pode-se dizer que o gargalo da simulação está associado à capacidade computacional dos dispositivos em poder gerar a resposta em espaço curto de tempo e com precisão. Na estimação de parâmetros de controladores não é diferente. Requer seleção dos melhores métodos e também da modelagem adequada dos sistemas, para poder apresentar valores fidedignos ao processo. Regressão de modelos por otimização quadrática Antes de iniciar esta seção, deve-se entender exatamente do que se trata a otimização quadrática . A função quadrática é uma função polinomial de segundo grau , ou seja, é representada por uma equação que seu maior grau é dois, como uma parábola. Pode-se dizer que a parábola é um exemplo de função quadrática, já que possui expoente 2 em f(x) = x2. Sua função característica é definida por: C(s) = 0, 5.(1 + + 0, 25.s)1 0,0625.s C(s) = 2.(1 + + 0, 5.s)1 0,5.s Estimação de parâmetros pelos mínimos quadrados Segundo o Departamento de Métodos Matemáticos (2007), a otimização busca identi�car os valores máximos e mínimos de uma função em um determinado espaço de tempo . Comumente, requer conhecimentos de cálculo diferencial, que, no entanto, podem ser reduzidos à carga massiva de cálculos quando se utiliza funções quadráticas , porém a identificação da função que representa o sistema nem sempre é tão fácil localizar ou identificar. Nepomuceno (2015) descreve que, inicialmente, na antiguidade, por volta de 300 a.C., a otimização era relativa a resolver problemas geométricos . O autor considerou, também, que, nos séculos XVI e XVII, não houve um grande aprimoramento da otimização, visto que ainda não havia avançado no tema dos cálculos diferenciais. Sendo marcada a otimização no século XIX, com o algoritmo criado pelos pesquisadores Hamilton e Jacobi. Por meio da otimização, é possível identificar os melhores parâmetros e as soluções para cada situação . Eventualmente, a um sistema, pode haver inúmeras formas de representá-lo ou resolvê-lo; na otimização, busca-se identificar estes melhores métodos para representar o sistema. Então, conhecendo a Equação 4.18, pode-se determinar a extremidade dessa função, que é também denominada de vértice do gráfico, que possui coordenadas (x,y), sendo: Os modelos de regressão são utilizados para diversas aplicações, de tal forma que se apresenta uma relação entre o elemento de saída e o elemento denominado de variável explicativa , assim como apresentado na Equação 4.18. Esta equação, entretanto, pode ser remodelada baseada na lei de Mitscherlich (FIORENTIN, 2016). Para Fiorentin (2016), as vantagens associadas a modelos não lineares estão associadas ao conhecimento do sistema a ser modelado, sendo que pode apresentar atributos de uso prático , conhecimento do diagrama de dispersão , respostas mais satisfatórias e não haver restrições quanto à forma da função. Através do método de completar quadrados, baseado na Equação 4.18, divide-se pelo índice do elemento de maior grau, no caso, grau 2. Equação 4.18 : f(x) = A. + B.x + Cx2 Equação 4.19: x = − b 2.a Equação 4.20 : y = − + 4.a.cb2 4.a Equação 4.21 : f(x) = a.[1 − ]e−b.(x−c) Equação 4.22 : + .x + = 0x2 B A C A Isolando-se a variável “x”, podem-se identificar as raízes do sistema, através da equação de Bhaskara , que também é uma das fórmulas quadráticas. Por exemplo, seja um sistema cuja equação de carga em um capacitor descrita por: Baseado na Equação 4.24, pode-se identificar que, no instante 0 , a carga no capacitor será de -9 C (Coulomb). No caso de uma representação gráfica, apresentada na Figura 4.11, desta mesma equação, tem-se: Figura 4.11 - Representação da curva de carga no capacitor, utilizando Matlab Fonte: Elaborada pelo autor. #PraCegoVer : foi apresentado um retângulo em que, na horizontal, há a identificação de tempo em segundos, com valores crescentes iniciados em -6 até 4, variando em 1; na vertical, há a identificação da carga no capacitor em Coulomb, com valores crescentes iniciados em -10 até 15, variando em 5. No gráfico, as divisórias dos semiplanos positivo e negativo, esquerdo e direito, são linhas espessas na cor preta. O gráfico que representa a carga do capacitor na cor azul é uma parábola com o bocal voltado para cima, em que o vértice da parábola está em (-1;-10), e os pontos que tocam o eixo das abscissas são: x = -4,2 e x = 2,2, aproximadamente. Acima do retângulo, há a identificação de curva de carga do capacitor com a função que representa f de tê = 1 vezes t ao quadrado mais 2 vezes tê menos 9. Utilizando-se os parâmetros da Equação 4.19, identifica-se o ponto na abscissa na qual a curva apresenta a extremidade da função, também chamada de vértice , neste caso, em x = -1, neste ponto, y(-1) = -10. Entretanto, há diversos mecanismos para realizar uma otimização para sistemas não lineares. Equação 4.23 : x = −B+− − 4.A.CB 2− −−−−−−−−−√ 2.A Equação 4.24 : y(t) = + 2.t − 9t2 #PraCegoVer : o infográfico estático está representado por uma imagem com sete linhas horizontais em tons diferentes de cores, enumeradas de 1 a 7, de cima para baixo. Os números estão em círculos de fundo branco, escritos na cor que corresponde à cor da linha. O infográfico apresenta essa estrutura, com o título “Métodos para otimização de sistemas”, apresentando o seguinte texto, na primeira linha, na cor vermelha, que corresponde ao número 1: “Espaço de estados”. Na segunda linha, na cor salmão, que corresponde ao número 2, apresenta o seguinte texto: “Transformada de Laplace”. Na terceira linha, na cor azul ciano, que corresponde ao número 3, apresenta o seguinte texto: “Linearização por séries de Taylor”. Na quarta linha, na cor azul-claro, que corresponde ao número 4, apresenta o seguinte texto: “Identificação da função de transferência”. Na quinta linha, na cor verde, que corresponde ao número 5, apresenta o seguinte texto: “Newton-Raphson”. Na sexta linha, na cor azul-piscina, que corresponde ao número 6, apresenta o seguinte texto: “Método de Han- Powell”. Na sétima e última linha, na cor roxa, que corresponde ao número 7, apresenta o seguinte texto: “Lugar das raízes (polos e zeros)”. O método de Newton-Raphson (de Isaac Newton e Joseph Raphson), por exemplo, objetiva localizar e estimar as raízes de uma função, semelhante ao caso da linearização por série de Taylor e ao método de Newton, por meio de uma aproximação de parâmetros iniciais (ANDRADE, 1999). Os parâmetros iniciais auxiliam na parametrização de diversos componentes industriais, como controladores PID, inversores de frequência, soft-starters, controle de chaveamento de circuitos eletrônicos, parametrização de banco de capacitores e, consequentemente, podem permitir a identi�cação de atributos de variáveis . Enfim, cabe ao especialista determinar qual é o melhor método para atingir determinados objetivos, assim como compete ao especialista utilizar softwares que permitam a redução da complicação algébrica, de tal forma que este consiga aplicar os conhecimentos e os resultados na otimização e sintonia de sistemas. Modelar sistemas dinâmicos através dos mínimos quadrados O método dos mínimos quadrados (MMQ) corresponde a um procedimento para realizar ajuste de curvas . Assim como em alguns tipos de otimização utilizando funções quadráticas , inicialmente, baseou-se no estudo de extremidades, valores mínimos e máximos . Todavia, como salientado, o MMQ consiste em um mecanismo que, a partir de um conjunto de pontos representativos , pode identificar uma reta que melhor os representa, semelhante ao processo de identificação da reta de dispersão (ALMEIDA, 2015). Observe, por exemplo, os seguintes pontos com suas coordenadas x e y: (1,3), (2,5), (3,1), (4,4), (5,6) e (6,7). Então, o objetivo deste método é identi�car a “melhor” função que, a partir dos dados informados, representa esse conjunto de pontos. Para tanto, é necessário realizar o ajuste linear simples ou regressão linear sobre o conjunto de pontos informados. A grosso modo, pode-se dizer que o MMQ corresponde a encontrar a equação da reta na qual a soma das distâncias ao quadrado é mínima, sendo apresentada na Equação 4.25. Então, a equação que representa os 6 pontos propostos é: Substituindo os valores dos “x” em relação às coordenadas, apresenta-se a Equação 4.27: Então, para identificar A e B da equação da função, deve-se realizar as derivadas parciais da Equação 4.27 em relação a “A”, depois em relação a “B” e igualar a zero. Dessa forma, obtêm-se duas Equações 4.29 e 4.31, com duas incógnitas. Lembrando que a equação da reta é dada por y(x) = A.x + B. Simplificando as equações dos sistemas lineares, obtém-se A = 0,7429 e B = 1,7333. Portanto, a reta que melhor descreve os seis pontos apresentados é dada por: Equação 4.25 : d(A,B) = (∑ i=1 n di) 2 Equação 4.26 : d(A,B) = [(A. + B) − 3 + [(A. + B) − 5 + [(A. + B) − 1 +x1 ] 2 x2 ] 2 x3 ] 2 [(A. + B) − 4 + [(A. + B) − 6 + [(A. + B) − 7x4 ] 2 x5 ] 2 x6 ] 2 Equação 4.27 : d(A,B) = [(A + B) − 3 + [(A.2 + B) − 5 + [(A.3 + B) − 1 +]2 ]2 ]2 [(A.4 + B) − 4 + [(A.5 + B) − 6 + [(A.6 + B) − 7]2 ]2 ]2 Equação 4.28 : = 2.(A + B − 3).1 + 2.(2.A + B − 5).2 + 2.(3.A + B − 1).3+ dF(A,B) dA 2.(4.A + B − 4).4 + 2.(5.A + B − 6).5 + 2.(6.A + B − 7).6 = 0 Equação 4.29 : = 182.A + 42.B − 208 = 0 dF(A,B) dA Equação 4.30 : = 2.(A + B − 3) + 2.(2.A + B − 5) + 2.(3.A + B − 1)+ dF(A,B) dB 2.(4.A + B − 4) + 2.(5.A + B − 6) + 2.(6.A + B − 7) = 0 Equação 4.31 : = 42.A + 12.B − 52 = 0 dF(A,B) dB Figura 4.12 - Representação do sistema de coordenadas com a reta que melhor representa o conjunto de pontos Fonte: Elaborada pelo autor. #PraCegoVer : foi apresentado, na figura, um plano cartesiano xy. Na horizontal, está identificado “x” com números crescentes de 0 a 8; na vertical, está identificado “y” com números crescentes de 0 a 8. Na imagem, estão identificados 6 pontos com as seguintes coordenadas (1,3), (2,5), (3,1), (4,4), (5,6) e (6,7), com a cor azul e com início aproximado em (0;1,85) e término em (8;7,8), uma reta na cor vermelha. Vale ressaltar que a melhor função que descreve este sistema de coordenadas é uma reta , entretanto, quando o sistema é representado como uma função com ciclos positivos e negativos , deve-se levar em consideração outras funções possíveis, como é o caso do seno e cosseno , exponencial e logarítmica , dentre outras. E caso fosse a situação, deverá relacionar os pontos das coordenadas, posteriormente, realizar as derivas e operacionalizar com sistemas lineares de primeira ordem. Conhecimento Teste seus Conhecimentos (Atividade não pontuada) O método dos mínimos quadrados (MMQ) corresponde a um mecanismo para realizar ajuste de curvas, seja qualquer função que o sistema necessite. O desenvolvimento do método compete no ajuste linear simples ou regressão linear, na qual se refere àquela função que melhor descreve uma quantidade de pontos. ALMEIDA, R. N. O método dos mínimos quadrados : estudo e aplicações para o ensino médio. 2015. Dissertação (Mestrado em Matemática) – Centro de Ciências e Tecnologia,Universidade Estadual do Norte Fluminense Darcy Ribeiro, Campos dos Goytacazes, 2015. Disponível em: https://uenf.br/posgraduacao/matematica/wp- Equação 4.32 : y(x) = 0, 7429.x + 1, 7333 https://uenf.br/posgraduacao/matematica/wp-content/uploads/sites/14/2017/09/28052015Renato-Neves-de-Almeida.pdf content/uploads/sites/14/2017/09/28052015Renato-Neves-de-Almeida.pdf . Acesso em: 18 maio 2021. Seja, por exemplo, os seguintes pontos com suas coordenadas x e y: (1,3), (2,5) e (6,7). Calcule a equação da reta que melhor representa os pontos apresentados. Atente-se para a função característica do MMQ: Assinale a alternativa correta. a) b) c) d) e) Prezado(a) estudante, você sabia que os algoritmos são mecanismos que podem ser utilizados para minimizar os problemas, assim como softwares de computador? A seguir, veremos algoritmos para otimização e a utilização de métodos para identificação de sistemas utilizando simulador. d(A,B) = (∑ i=1 n di) 2 y(x) = 9.x + 15 y(x) = 82.x + 18 y(s) = 3.A + 1.B − 5 y(x) = 2, 86.x + 0, 71 y(x) = 0, 71.x + 2, 86 Algoritmos para identificação de sistemas com simulador https://uenf.br/posgraduacao/matematica/wp-content/uploads/sites/14/2017/09/28052015Renato-Neves-de-Almeida.pdf Os algoritmos de otimização para sistemas de função quadrática possuem solução com número �nito de passos , enquanto os sistemas não lineares podem não haver, tal como a utilização de grande número ciclos de verificação, entretanto, após a utilização dos algoritmos, espera-se que o processo seja convergente (PEREIRA, 2002). Vale ressaltar que processos que sejam divergentes também correspondem a sistemas não estáveis , e um dos fatores a se considerar em sistemas de otimização é facilitar ou tornar o sistema estável , logo, convergente. Os algoritmos em sistemas não lineares são procedimentos iterativos , de tal forma que os pontos a serem gerados, partem de um ponto de referência x0, pela Equação 4.33 (PEREIRA, 2002). Sendo “t” o parâmetro escalar e “d” a direção de busca. O método de Newton-Raphson utiliza-se da expansão das Séries de Taylor para realizar a otimização do sistema. Vale ressaltar que as Séries de Taylor (Equação 4.34), também são referências para realizar a otimização de sistemas. Equação 4.33 : x = + t.dx0 Equação 4.34 : T (x) = [ ]∑ i=0 ∞ ( ). (x −f i x0 x0)i i! S A I B A M A I S As séries de Taylor permitem uma aproximação do valor esperado, essa aproximação compete a uma “qualidade” de poder otimizar funções, como é o caso das equações diferenciais ordinárias (EDO). Permitindo transformar uma EDO de ordem n em função de uma única variável de expoente 1, simplificando os cálculos, consequentemente, a resposta, na linearização das EDO. Saiba mais acessando o link a seguir: http://www2.ene.unb.br/estognetti/files/20151/5_Aula4-Representacoes_modelos.pdf Fonte: Tognetti e Fiorillo (2015). http://www2.ene.unb.br/estognetti/files/20151/5_Aula4-Representacoes_modelos.pdf Portanto, conhecendo as Séries de Taylor, é possível aplicar o método de expansão de Newton, sendo a Equação 4.34 (PEREIRA, 2002; TOGNETTI; FIORILLO, 2015). Como “d” corresponde a um deslocamento da variável explicativa, neste caso, tem-se “g” como vetor gradiente da função e “h” como a hessiana da função em : Substituindo na Equação 4.35, tem-se que: No MatLab, por exemplo, caso queira localizar os valores máximos e mínimos , pode-se aplicar as seguintes funções. >> Máximo = >> Mínimo = Considerando a proximidade entre “ ” e “ ”, o método de Newton-Raphson apresenta um método iterativo que pode ser representado por (ANDRADE, 1999): Em que “n” é maior ou igual a zero. Observe que, este método, para localizar o próximo valor (raiz) do sistema, necessita de dados anteriores , da medição da função em um ponto e da divisão pela sua derivada primeira neste ponto. Sugere-se a resolução deste tipo de iteração em softwares , como Matlab, Scilab, Octave ou semelhantes, devido à quantidade de operações matemáticas. Para tanto, pode ser descrito no Matlab por: >> syms f(x) >> x(1) = x0; >> for i = 1:n >> x(i+1) = x(i) - f(i)/diff(f(i),x); Equação 4.35 : f(x) = f( ) + ( )(x − ) + (x − . ( ). (x − )x0 f ′ x0 x0 1 2 x0) t f ′′ x0 x0 x0 Equação 4.36 : d = (x − ) → x = d +x0 x0 Equação 4.37 : g = ( )f ′ x0 Equação 4.38 : h = ( )f ′′ x0 Equação 4.39 : f(x) = f( ) + .g + .h.x0 d t 1 2 dt+1 max(f( ) + g. + ( ).h. )x0 dt 1 2 d t+1 min(f( ) + g. + ( ).h. t + 1))x0 dt 1 2 d( x x0 Equação 4.40 : = −xn+1 xn f( )xn ( )f ′ xn >> end Observe que, quando “n” possui um valor muito grande, pode impossibilitar a resolução manual, devido ao número de iterações. Vale lembrar que se deve determinar os valores baseado na equação característica da função que descreve o sistema. fonte: Wattana Langkapayom / 123RF. Pode-se determinar também as raízes de um sistema via métodos computacionais, visto que, geralmente, os sistemas industriais são bastante complexos e detêm um grande número de variáveis. Essas raízes podem servir para identificar os zeros e os polos de um sistema, a fim de determinar a estabilidade do mesmo, ou para auxiliar o profissional a identi�car a melhor forma de controlar o sistema. Conhecendo o numerador e o denominador da função de transferência do sistema, pode-se utilizar a função solve(x) para identi�car as raízes , ou seja, é como se igualasse cada componente a zero e fizesse a redução linear até que se encontre os parâmetros desejados. Para elaboração da Figura 4.12, foi feita a aplicação de um algoritmo para realizar a composição e a identificação dos parâmetros, conforme o MMQ: >> x = [1 2 3 4 5 6]; >> y = [3 5 1 4 6 7]; >> plot(x,y,'*b','MarkerSize',8); Entretanto, como todos os dispositivos que envolvem sistemas computacionais, a resolução de sistemas com múltiplas entradas e saídas requer equipamentos e dispositivos robustos para que possa realizar a resolução e a simplificação destes. Para determinados processos, isso pode tornar-se oneroso , tanto monetariamente quanto em tempo para aguardar a resposta do sistema. >> syms a b m; >> F = 0; >> for i=1:length(x) >> ; >> end >> dFa = diff(F,a); >> dFb = diff(F,b); >> B(1) = -1*subs(subs(dFa,a,0),b,0); >> B(2) = -1*subs(subs(dFb,a,0),b,0); >> K = subs(subs(dFa,b,0)+B(1),a,1); >> L = subs(subs(dFb,b,0)+B(2),a,1); >> M = subs(subs(dFa,a,0)+B(1),b,1); >> N = subs(subs(dFb,a,0)+B(2),b,1); >> S = [K M;L N]; >> Saida = inv(S)*(B') >> fy = Saida(1)*m+Saida(2); >> t = 0:0.01:8; >> ffy = subs(fy,m,t); >> plot(t,ffy,'r','LineWidth',2); >> xlabel('x'); ylabel('y'); Para tanto, a utilização de softwares para simular , testar e con�gurar parâmetros é sempre importante , além disso, recomenda-se, fortemente que o estudante treine e se aperfeiçoe no uso de softwares , principalmente os voltados para área de Engenharia, a fim de reduzir a mão de obra e o tempo de execução das atividades. F = F + (((a ∗ x(i) + b) − y(i)) ).2 praticar Vamos Praticar Como sabemos, o método de Newton-Raphson utiliza as séries de Taylor para promover a otimização de sistemas. Entretanto, deve-se realizar a escolha do ponto inicial do qual partirão as iterações. Para Santos (2018), a escolha de um ponto muito afastado, ou sem qualquer critério, pode incorrer na quantidade exacerbada de iterações, o que pode impactar diretamente o tempo de resposta do processo, como apontado na Equação 4.40: Dessa forma, podemos identi�car as raízes de funções e encontrar os pontos nos quais a curva/função atinge o eixo das abscissas (eixo x). Seja a seguinte função f(x): Comando da atividade prática: encontre as raízes da equação pelo método de Newton- Raphson, nos intervalos de [-4 -3] e [1 e 2]. Equação 4.40 : = −xn+1 xn f( )xn ( )f ′ xn f(x) = + 2.x− 4x2 Material Complementar F I L M E Jogador nº 1 Ano : 2018 Comentário : o filme apresenta uma condição futurista na qual a realidade virtual representa o que deveria ser a vida real dos personagens. Possui características semelhantesàs do filme Matrix, explorando o conceito de simulação e aprendizado de máquina, inteligência artificial e nova existência real. O processo de simulação da existência corresponde à ação também de realizar o mesmo procedimento em máquinas e dispositivos. TRA I LER L I V R O Projetos, simulações e experiências de laboratório em sistemas de controle Editora : Interciência Autores : Antonio Carlos Zambroni de Souza, Benedito Isaias Lima Lopes, Carlos Alberto Murari Pinheiro e Paulo Cesar Rosa. ISBN : 9788571933491. Comentário : esse livro apresenta conceitos fundamentais sobre os sistemas de controle, bem como capítulos sobre estabilidade de sistemas, utilização de controladores para permitir essa estabilidade. Além disso, apresenta o método do Lugar das Raízes, sendo um dos conceitos fundamentais no controle e na modelagem de sistemas. Outro elemento importante é o caso da sintonia de sistemas, mediante o uso de técnicas como sistema on-off , semelhante ao método dos relés, e especificação de controle para processos. Conclusão Prezado(a) estudante, como você pôde observar durante nosso estudo, há diversas ferramentas disponíveis para modelar um sistema . Pode-se realizar a modelagem mediante os conhecimentos matemáticos , das leis da mecânica , física , química , e, inclusive, por conhecimentos empíricos . Estes necessitam passar por métodos para realizar a confirmação das hipóteses. Os meios para realizar a aferição e testes de processos podem ser muito custosos em relação ao tempo e ao dinheiro , portanto, deve-se promover o teste e a simulação dos sistemas utilizando softwares especí�cos e, nesse caso, softwares poderosos, como Matlab, Scilab e Octave. Referências ADORNO, W. T.; MARTINS, G. A. S.; SILVA, W. G. Modelagem matemática aplicada à transferência de massa em alimentos. Enciclopédia Biosfera , Goiânia, v. 9, n. 16, p. 1465-1478, 2013. Disponível em: https://bit.ly/3wWLeOK . Acesso em: 13 maio 2021. ALMEIDA, R. N. O método dos mínimos quadrados : estudo e aplicações para o ensino médio. 2015. Dissertação (Mestrado em Matemática) – Centro de Ciências e Tecnologia, Universidade Estadual do Norte Fluminense Darcy Ribeiro, Campos dos Goytacazes, 2015. Disponível em: https://bit.ly/3zTuDgF . Acesso em: 18 maio 2021. ANDRADE, D. O método de Newton-Raphson . Cálculo Diferencial e Integral: um KIT de Sobrevivência. Maringá: Universidade Estadual de Maringá, 1999. Disponível em: http://www.dma.uem.br/kit/calculo- numerico-2/copy_of_kit-newtonraphson.pdf . Acesso em: 18 maio 2021. ÁVILA, L.; SILVA, R.; RODRIGUES, W. Análise de regressão linear simples . Belo Horizonte, 2020. Disponível em: ftp://est.ufmg.br/pub/glaura/BioInfo/Apresentacoes/Regress%E3o%20Linear.pdf . Acesso em: 13 maio 2021. https://bit.ly/3wWLeOK https://bit.ly/3zTuDgF http://www.dma.uem.br/kit/calculo-numerico-2/copy_of_kit-newtonraphson.pdf ftp://est.ufmg.br/pub/glaura/BioInfo/Apresentacoes/Regress%E3o%20Linear.pdf CALSAVARA, A. Introdução à modelagem . Curitiba: Pontifícia Universidade Católica, 2005. Disponível em: https://bit.ly/2T7dyPI . Acesso em: 12 maio 2021. DECKMANN, S. M.; POMILIO, J. A. Distúrbios em frequência: causas, efeitos, soluções e normas. In : DECKMANN, S. M.; POMILIO, J. A. Avaliação da qualidade da energia elétrica . Campinas: Universidade Estadual de Campinas, 2020. Disponível em: https://www.dsce.fee.unicamp.br/~antenor/pdffiles/qualidade/a5.pdf . Acesso em: 15 maio 2021. FIORENTIN, L. D. Estratégias de regulação de povoamentos de Pinus ellottii e Pinus taeda utilizando programação linear . 2016. Dissertação (Mestrado em Engenharia Florestal) – Programa de Pós- Graduação em Engenharia Florestal – Universidade Federal do Paraná, Curitiba, 2016. Disponível em: http://www.floresta.ufpr.br/pos-graduacao/defesas/pdf_ms/2016/d717.pdf . Acesso em: 21 maio 2021. FLORÊNCIO, L. A. Utilização do software (gratuito) R na engenharia de avaliações. In: Congresso Brasileiro de Engenharia de Avaliação e Perícias, 15., 2009, São Paulo. Anais eletrônicos [...]. São Paulo: Ibape, 2009. Disponível em: http://www.mrcl.com.br/xvcobreap/65.pdf . Acesso em: 13 maio 2021. JOGADOR Nº 1 - Trailer Oficial 1 (leg) [HD]. [ S. l.: s. n .], 2018. 1 vídeo (2 min 25 s). Publicado pelo canal Warner Bros. Pictures Brasil. Disponível em: https://www.youtube.com/watch?v=q_1OJNcTld0 . Acesso em: 30 maio 2021. NEPOMUCENO, E. G. Técnicas de otimização . São João del-Rei: Universidade Federal de São João del-Rei, 2015. Disponível em: https://www.ufsj.edu.br/portal2- repositorio/File/nepomuceno/aulaotimhist.pdf . Acesso em: 19 maio 2021. NEVES, M. G. S. Auto-tuning de controladores PID pelo método Relay : optimização de controle em automação industrial. 2009. Dissertação (Mestrado em Engenharia Electrotécnica e de Computadores) – Instituto Superior Técnico, Universidade Técnica de Lisboa, Lisboa, 2009. Disponível em: https://fenix.tecnico.ulisboa.pt/downloadFile/395139427475/Dissertação de Mestrado - Auto- tuning de Controladores PID pelo método Relay.pdf . Acesso em: 20 maio 2021. OGATA, K. Engenharia de Controle Moderno . 5. ed. São Paulo: Pearson, 2010. OLIVEIRA, V.; AGUIAR, M.; VARGAS, J. Engenharia de controle : fundamentos e aulas de laboratório. Rio de Janeiro: GEN LTC, 2016. PEREIRA, A. Projeto ótimo de pórticos planos com restrição à �ambagem . 2002. Dissertação (Mestrado em Engenharia Civil) – Programa de Pós-Graduação em Engenharia Civil, Departamento de Engenharia Civil, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2002. Disponível em: https://www.maxwell.vrac.puc-rio.br/3332/3332_3.PDF . Acesso em: 18 maio 2021. PEREIRA, E. R. Diagrama de dispersão . Sapucaia do Sul: Instituto Federal Sul-Rio-Grandense, 2016. Disponível em: http://static.sapucaia.ifsul.edu.br/professores/eveline/EST.%20QUAL.%20- https://bit.ly/2T7dyPI https://www.dsce.fee.unicamp.br/~antenor/pdffiles/qualidade/a5.pdf http://www.floresta.ufpr.br/pos-graduacao/defesas/pdf_ms/2016/d717.pdf http://www.mrcl.com.br/xvcobreap/65.pdf https://www.youtube.com/watch?v=q_1OJNcTld0 https://www.ufsj.edu.br/portal2-repositorio/File/nepomuceno/aulaotimhist.pdf https://fenix.tecnico.ulisboa.pt/downloadFile/395139427475/Disserta%C3%A7%C3%A3o%20de%20Mestrado%20-%20Auto-tuning%20de%20Controladores%20PID%20pelo%20m%C3%A9todo%20Relay.pdf https://www.maxwell.vrac.puc-rio.br/3332/3332_3.PDF http://static.sapucaia.ifsul.edu.br/professores/eveline/EST.%20QUAL.%20-%20T%C3%89C.%20PL%C3%81ST/2%C2%B0Sem/7%20Diagrama%20de%20Dispers%C3%A3o.pdf %20TÉC.%20PLÁST/2°Sem/7%20Diagrama%20de%20Dispersão.pdf . Acesso em: 13 maio 2021. PEREIRA, F. M. Introdução a modelagem matemática e simulação de processos . Lorena: Universidade de São Paulo, 2011. Disponível em: http://www.dequi.eel.usp.br/~felix/MSP.pdf . Acesso em: 13 maio 2021. PÉREZ, S. G. Breves apuntes de la Transformada de Laplace . Málaga, 2012. Disponível em: http://www2.isa.uma.es/C12/Diapositivas/Document%20Library/Transformada%20de%20Laplace.pdf . Acesso em: 28 abr. 2021. PINTO, J. E. M. G. Aplicação prática do método de sintonia de controladores PID utilizando o método do relé com histerese . 2014. Dissertação (Mestrado em Ciências) – Universidade Federal do Rio Grande do Norte, Natal, 2014. Disponível em: https://repositorio.ufrn.br/jspui/bitstream/123456789/15507/1/JanEMGP_DISSERT.pdf . Acesso em: 18 maio 2021. PINTO, J. E. M. G. et al . Software baseado no método do relé para sintonia de controladores PID a partir da identificação da dinâmica da malha. In: Congresso Rio Automação, 1., 2015, Rio de Janeiro. Anais eletrônicos [...]. Rio de Janeiro: IBP, 2015. Disponível em: https://bit.ly/3gVjjtb . Acesso em: 18 maio 2021. PROBLEMAS de otimização. Rio de Janeiro: Universidade Federal do Rio de Janeiro, 2007. Disponível em: http://www.dmm.im.ufrj.br/projeto/projetoc/precalculo/sala/conteudo/capitulos/cap101s4.html . Acesso em: 18 maio 2021. RAMIREZ, N. I. B. Dinâmica e modelagem de processos . Niterói: Universidade Federal do Rio de Janeiro, 2009. Disponívelem: http://www.eq.ufrj.br/docentes/ninoska/docs_PDF/Aula_Modelagem_%20LADEQ_1sem09.pdf . Acesso em: 20 abr. 2021. RESNICK, R.; HALLIDAY, D.; KRANE, K. S. Física 2 . 5. ed. Rio de Janeiro: LTC, 2007. SANTOS, J. C. A. O método de Newton-Raphson na solução da equação : uma motivação para o estudo da existência de logaritmo de números negativos. 2018. Dissertação (Mestrado em Matemática) – Universidade Federal de Goiás, Catalão, 2018. Disponível em: https://bit.ly/2UzR6PQ . Acesso em: 24 maio 2021. SANTOS, T. S.; MAGRO, F. V. G. Análise da resposta do método de sintonia dos relés com Labview. Revista UNINGÁ Review , Maringá, v. 28, n. 3, p. 108-112, 2016. Disponível em: https://www.mastereditora.com.br/periodico/20161204_230209.pdf . Acesso em: 21 maio 2021. SARAIVA, F. A. Métodos de sintonia em controladores PID . 2011. Trabalho de Conclusão de Curso (Bacharel em Engenharia de Telecomunicações) – Centro Universitário La Salle, Canoas, 2011. Disponível em: https://silo.tips/download/felipe-de-andrade-saraiva-metodos-de-sintonia-em- controladores-pid . Acesso em: 18 maio 2021. =2x x2 http://static.sapucaia.ifsul.edu.br/professores/eveline/EST.%20QUAL.%20-%20T%C3%89C.%20PL%C3%81ST/2%C2%B0Sem/7%20Diagrama%20de%20Dispers%C3%A3o.pdf http://www.dequi.eel.usp.br/~felix/MSP.pdf http://www2.isa.uma.es/C12/Diapositivas/Document%20Library/Transformada%20de%20Laplace.pdf https://repositorio.ufrn.br/jspui/bitstream/123456789/15507/1/JanEMGP_DISSERT.pdf https://bit.ly/3gVjjtb http://www.dmm.im.ufrj.br/projeto/projetoc/precalculo/sala/conteudo/capitulos/cap101s4.html http://www.eq.ufrj.br/docentes/ninoska/docs_PDF/Aula_Modelagem_%20LADEQ_1sem09.pdf https://bit.ly/2UzR6PQ https://www.mastereditora.com.br/periodico/20161204_230209.pdf https://silo.tips/download/felipe-de-andrade-saraiva-metodos-de-sintonia-em-controladores-pid SEIDEL, Á. R. Técnicas de projeto para o reator eletrônico auto-oscilante empregando ferramentas de controle . 2004. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Santa Maria, Santa Maria, 2004. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/3695/alysson%20seidel.pdf . Acesso em: 23 maio 2021. SENAI – SERVIÇO NACIONAL DE APRENDIZAGEM INDUSTRIAL. Fundamentos de controle de processo . Vitória: SENAI/ES, 1999. Disponível em: http://www.dequi.eel.usp.br/~felix/Controle.pdf . Acesso em: 18 maio 2021. SILVA, A. C. Modelagem e simulação . Goiás: UFG, 2013. Disponível em: https://files.cercomp.ufg.br/weby/up/596/o/3_%20Modelagem%20e%20simulação.pdf . Acesso em: 10 maio 2021. TOGNETTI, E. S.; FIORILLO, D. Controle de processos : representação de modelos. Brasília: Universidade de Brasília, 2015. Disponível em: http://www2.ene.unb.br/estognetti/files/20151/5_Aula4-Representacoes_modelos.pdf . Acesso em: 27 abr. 2021. https://repositorio.ufsm.br/bitstream/handle/1/3695/alysson%20seidel.pdf http://www.dequi.eel.usp.br/~felix/Controle.pdf https://files.cercomp.ufg.br/weby/up/596/o/3_%20Modelagem%20e%20simula%C3%A7%C3%A3o.pdf http://www2.ene.unb.br/estognetti/files/20151/5_Aula4-Representacoes_modelos.pdf
Compartilhar