Baixe o app para aproveitar ainda mais
Prévia do material em texto
Teoria de Controle e suas aplicações 197 15 Métodos de integração numérica A integração numérica ganhou importância quando grandes sistemas não lineares passaram a descrever sistemas físicos de grande porte. Entre eles podemos citar as grandes redes elétricas modeladas por suas equações algebrico-diferenciais, com fenômenos não lineares representados. Nestes casos, a solução tem que obrigatoriamente ser obtida através de simulação no domínio do tempo, pois só podemos empregar a solução no domínio da frequência em sistemas lineares, onde é aplicada a transformada de Laplace e são empregadas regras da Álgebra Linear para fazer a análise do comportamento dinâmico do sistema, sem a necessidade de simulações no domínio do tempo. 15.1 Método de Euler simples O método de Euler simples, também conhecido por Euler explícito, é o mais simples entre todos os métodos de integração numérica e também o que mais produz erros de 2ª discretização. É chamado de explícito, pelo fato de no cálculo do valor da variável de saída, em um determinado instante, depender apenas dos valores da entrada e saída no instante imediatamente anterior. Inicialmente vamos observar como devemos proceder para resolver uma equação diferencial de 1ª ordem qualquer, dada por: ) ( ty,f dt dy A solução analítica dessa equação é encontrada aplicando-se a integração. Isto é: Teoria de Controle e suas aplicações 198 Cdtty,fty ) ()( Por esse motivo que os métodos numéricos utilizados para resolver esse tipo de equação são chamados de métodos de integração. Podemos observar que na sua solução, a constante C depende de condições de contorno, para que esta possa ser determinada. Caso contrário, a solução será dada por uma família de curvas, cuja solução é calculada pela integral indefinida da função ) ( ty,f . Para a solução numérica dessa equação, sempre será necessário fornecer as condições iniciais, obtidas através das condições de contorno. As condições iniciais servem para começar o processo de integração, cujo cálculo é feito pela área compreendida entre a curva e o eixo das abscissas, onde geralmente é o eixo que representa o tempo. Nos métodos numéricos de integração é feita uma aproximação dos termos diferenciais para diferenças, discretizando o problema. Os erros relacionados com essa aproximação são chamados de erros de 2ª discretização, uma vez que os de 1ª discretização estão relacionados com os erros que o computador comete na representação dos números reais e complexos. Então, com as aproximações mencionadas, a integral utilizada na solução da equação diferencial se transforma em um somatório de parcelas discretizadas no tempo, cuja parcela de discretização passa de diferencial de tempo (dt) para uma diferença de tempo (t). Essa diferença de tempo também é muito conhecida como passo de integração (h). Teoria de Controle e suas aplicações 199 Com isso a solução de ) ( ty,f dt dy passa de maxt t dtty,fty 1 ) ()( para maxt tt tty,fty 1 ) ()( , que é dada pela soma acumulada das áreas de retângulos de altura ) ( ty,f e largura t, conforme está ilustrado na Figura 15.1. Figura 15.1 – Integração pelo Método de Euler Simples Como o problema foi discretizado e amostrado no tempo, a solução numérica do problema é dada por uma sequência de valores sob forma de tabela onde podemos atribuir um índice p para cada um deles, indicando o respectivo passo de integração, como segue: Teoria de Controle e suas aplicações 200 Tabela 15.1 – Evolução da solução do método de Euler simples p tempo y 1 t1 y1 2 t2 = t1 + h y2 = y1 + h f(y1, t1) p tp+1 = tp + h yp+1 = yp + h f(yp, tp) np hnthtt p n max p )1(11 yn+1 = yn + h f(yn, tn) Facilmente podemos observar que o número total de passos de integração (np) é dado por: 1 1 h tt n maxp É muito comum se fazer a observação gráfica do resultado, uma vez que é muito difícil analisar o comportamento da solução através de valores numéricos. Para isso, basta ligarmos os pontos obtidos por seguimentos de reta. Uma forma gráfica para vizualizar como é feito o cálculo da área abaixo da curva em um passo de integração pelo método de Euler simples é ilustrada na Figura 15.2. Podemos verificar que a referida área é obtida pelo cálculo da área do retângulo e que o erro cometido por esse método é bem grosseiro, cujo valor está representado por . No gráfico da esquerda, que representa a solução, as respectivas áreas do gráfico da direita se transformam em ordenadas, pois há um processo de integração. Teoria de Controle e suas aplicações 201 Figura 15.2 – Método de Euler Simples Podemos apresentar o que foi mostrado graficamente na Figura 15.2 sob forma de algoritmo a ser implementado em computador digital, da seguinte maneira: Façado Fim ) ( 2 1Faça :iniciais Valores 1 1 11 htt t,yfhyy h t ,,,p t,y pp pppp max Para generalizar o problema, vamos agora considerar um sistema de equações diferenciais de 1ª ordem descrito por: ) ( ) ( ) ( 21 212 2 211 1 t,y,,y,yf dt dy t,y,,y,yf dt dy t,y,,y,yf dt dy nn n n n Teoria de Controle e suas aplicações 202 Podemos estender o algoritmo da solução apresentada para uma única equação diferencial pelo método de Euler simples para a seguinte forma: Façado Fim Façado Fim ) ( , 2 1Faça 2 1Faça :iniciais Valores 1 21 1 111 2 1 1 htt t,y,,y,yhfyy n,,k h t ,,,p t,y,,y,y pp pp n pp k p k p k max n Vamos considerar agora uma outra forma para a equação diferencial de 1ª ordem, dada por: u=a y+y Sendo y a variável de estado e u a entrada do sistema. Integrando a equação no intervalo de t a (t+t), isto é, em um passo de integração, obtemos a seguinte expressão: tt t tt t tt t u dt = a y dt + dy A sua solução é dada por: ttu=ttya+tytty )( )( )()( E, portanto, chegamos a: )( )() 1()( 21 tuttyta=tty CC Mais uma vez, podemos observar que o método é explícito porque o valor de )( tty só depende dos valores de y(t) e y(t), que já são conhecidos. Podemos fazer uma representação da solução do sistema em notação discretizada, amostrada em intervalos h, da seguinte forma: Teoria de Controle e suas aplicações 203 ppp uCy=Cy 21 1 e 1 h=tt pp 15.2 Método de Euler implícito O método de Euler implícto é muito utilizado nos casos em que possíveis oscilações numéricas podem atrapalhar o cálculo do processo de integração. O grande problema da sua utilização está no fato de além de amortecer as oscilações numéricas indesejáveis, ele também amortece as oscilações reais, mascarando uma possível instabilidade do sistema. Portanto, a sua utilização requer uma análise mais aprofundada do sistema a ser resolvido. Este método é muito parecido com o método de Euler simples. A diferença consiste basicamente no cálculo da área entre a curva que representa a função ) ( ty,f dt dy e o eixo dos tempos. Essa área é calculada pelo retângulo com base h e altura ) ( ht,yf * . Como a altura desse retângulo depende do valor da variável y, no instante t + h, isto é, no mesmo instante de cálculo da variável, há a necessidade de se aplicar um processo iterativo até que a diferença entre o valor de y calculado e o respectivo valor anterior seja menor que uma dada tolerância. Por esse motivo é que esse método de integração faz parte da família dos métodos implícitos. Uma forma gráfica para vizualizar como é feito o cálculo da área abaixo da curva em um passo de integração pelo método de Euler implícito é apresentada na Figura 15.3.Podemos verificar que a referida área é obtida pelo cálculo da área do retângulo, cujo valor do erro está representado por . No gráfico da esquerda, que representa a solução, as respectivas áreas do gráfico da direita se transformam em ordenadas, pois há um processo de integração. Teoria de Controle e suas aplicações 204 Figura 15.3 – Método de Euler Implícito Então, podemos esboçar um algoritmo correspondente à utilização do método de Euler implícito, a seguir: Façado Fim enquanto Faça do Fim 1faça então E0 Se ) ( 0 1 enquantoFaça 1 ) ( 2 1Faça :iniciais Valores 1 1 1 1 1 11 htt yy conv,tolerância y yy conv t,yhfyy conv conv conv t,yhfyy h t ,,,p ,ty pp pant p antp pantpp pppant max Observamos que, no início de cada passo de integração, é feito o cálculo de uma estimativa para o valor de y no final do intervalo, para que o processo de convergência Teoria de Controle e suas aplicações 205 possa ser iniciado. Nesse algoritmo fizemos esse cálculo tomando como base a derivada da variável y no início do intervalo. Porém, nem sempre essa é a melhor estratégia para se obter o menor número médio de iterações por passo, quando se cobre todo o tempo de simulação. Sistema de equações diferenciais de 1ª ordem: ) ( ) ( ) ( 21 212 2 211 1 t,y,,y,yf dt dy t,y,,y,yf dt dy t,y,,y,yf dt dy nn n n n Algoritmo da solução pelo método de Euler implícito: Façado Fim enquanto Faça do Fim Façado Fim 1faça então E0 Se ) ( , 2 1Faça 0 1 enquantoFaça 1 Façado Fim ) ( , 2 1Faça 2 1Faça :iniciais Valores 1 1 1 1 21 1 21 111 2 1 1 htt yy conv,tolerância y yy conv t,y,,y,yhfyy n,,k conv conv conv t,y,,y,yhfyy n,,k h t ,,,p t,y,,y,y pp p k ant k p k ant k p k pant n antant k p k p k pp n pp k p k ant k max n Teoria de Controle e suas aplicações 206 Vamos considerar agora uma outra forma para a equação diferencial de 1ª ordem: u=a y+y Sendo y a variável de estado e u a entrada do sistema. Integrando a equação no intervalo de t a (t + t), isto é, em um passo de integração, obtemos a seguinte expressão: tt t tt t tt t u dt = a y dt + dy A sua solução é dada por: tttu=tttya+tytty )( )( )()( E, portanto, podemos chegar a: tttut=yttyta )( )()() 1( Ou, então: )( 1 )( 1 1 )( 21 ttu ta t ty ta =tty CC Podemos observar mais uma vez que o método é implícito, porque o valor de )( tty não depende só do valor de y(t), que é conhecido, mas também depende do valor de )( ttu , que não é conhecido. Esta característica é uma das razões da necessidade da solução ser iterativa. Para diminuir o número de iterações deste método de integração implícito, podemos aplicar a extrapolação quadrática de u(t), que é mais eficiente em relação às demais. Provaremos mais adiante que a sua expressão é dada por )2()]()([3)( ttuttutu=ttu , desde que o passo de integração seja constante nos instantes )( e ),( ),2( ttttttt . Teoria de Controle e suas aplicações 207 Podemos fazer uma representação da solução do sistema em notação discretizada, amostrada em intervalos h, da seguinte forma: 1 21 1 ppp uCy=Cy e 1 h=tt pp A Figura 15.4 mostra o polinômio de segundo grau a ser utilizado na extrapolação quadrática para o cálculo do valor inicial de )( ttu , em função dos valores conhecidos das entradas nos três instantes anteriores a )( tt , isto é, )2( e )( ),( ttuttutu . Figura 15.4 – Extrapolação Quadrática A expressão geral da função quadrática no tempo é dada por: CBtAttu 2)( Então, podemos utilizar os três pontos nos instantes anteriores a )( tt para formar o sistema de equações lineares e obtermos os valores dos coeficientes A, B e C. )2()2()2( )()()( )( 2 3 2 2 2 1 CttBttAttuu CttBttAttuu CBtAttuu Na forma matricial, temos: Teoria de Controle e suas aplicações 208 1)2()2( 1)()( 1 3 2 1 2 2 2 u u u C B A tttt tttt tt Do sistema de equações anterior podemos obter as expressões de A, B e C, utilizando a regra de Cramer, como segue: 2 321 2 2 2 3 2 1 )(2 2 1)2()2( 1)()( 1 1)2( 1)( 1 t uuu tttt tttt tt ttu ttu tu A 2 321 2 2 2 3 2 2 2 1 2 )(2 )2( )(4 )32( 1)2()2( 1)()( 1 1)2( 1)( 1 t uttuttutt tttt tttt tt utt utt ut B 2 3 2 2 2 1 22 2 2 2 3 2 2 2 1 2 )(2 )( )4(2 ])(23[ 1)2()2( 1)()( 1 )2()2( )()( t utttutttutttt tttt tttt tt utttt utttt utt C Com os valores de A, B e C determinados podemos obter a expressão de )( ttu , substituindo-os na equação geral, como segue: Teoria de Controle e suas aplicações 209 2 3 2 2 2 1 22 2 321 2 2 321 )(2 )( )4(2 ])(23[ )( )(2 )2( )(4 )32( )( )(2 2 )( t utttutttutttt tt t uttuttutt tt t uuu ttu Então, chegamos na equação final: )2()]()([3)(3)( 321 ttuttutuuuu=ttu Podemos observar o baixo esforço computacional para se fazer a extrapolação quadrática, isto é, utiliza-se apenas uma operação de multiplicação e duas adições. O ganho no desempenho computacional compensa fazer essas operações no início de cada passo de integração, pois diminui bastante o número global de iterações. Na aplicação da extrapolação quadrática é exigido que se tenha 3 valores consecutivos já calculados, com isso no início ou em algum instante que haja descontinuidade devido a possíveis perturbações aplicadas ao sistema, há a necessidade de utilizar alguma extratégia na obtenção desses 3 valores. Uma delas pode ser não se fazer nenhum tipo de extrapolação, isto é, pode-se partir o processo de integração utilizando o mesmo valor do instante anterior. Isso não onera o tempo global de simulação, pois a extrapolação não será usada somente no instante inicial e nos instantes em que aconteçam descontinuidades no sistema. 15.3 Método de Euler modificado No método de Euler modificado a área de cada passo de integração é calculada pela área do trapézio com base h e alturas ) ( ty,f e ) ( ht,yf * , nos instantes t e (t+h), respectivamente, conforme mostrado na Figura 15.5. Também é um método implícito, Teoria de Controle e suas aplicações 210 pois a altura ao final do intervalo depende do valor de y, que não é conhecido. Então, no processo iterativo de otenção de y, o seu valor inicial é calculado pelo método de Euler simples. A convergência do processo iterativo é obtida no momento que a diferença entre o valor de y calculado e o respectivo valor anterior seja menor que uma dada tolerância. Figura 15.5 – Método de Euler Modificado Podemos esboçar um algoritmo correspondente à utilização do método de Euler modificado, como segue: Teoria de Controle e suas aplicações 211 Façado Fim enquanto Faça do Fim 2 1faça então E0 Se )( 2 )( 0 1 enquantoFaça 1 ) ( 2 1Faça :iniciais Valores 1 1 1 1 11 htt BA A conv,tolerância y yy conv BA h yy hhA,tyfB hAyy conv conv conv t,yfA h t ,,,p ,ty pp p antp pp pp pant pp max Observamos que, no início de cada passo de integração, é feito o cálculo de uma estimativa para o valor de y no final do intervalo, para que o processo de convergência possa ser iniciado. Nesse algoritmo, para representar o método de Euler modificado, esse cálculo é feito tomando como base a derivada da variável y no início do intervalo. Porém, nem sempre essa é a melhor estratégia para se obter o menor número médio de iterações por passo, quando se cobre todo o tempo de simulação. Para o problema mais geral, vamos considerar agora um sistema de equações diferenciais de 1ª ordem descrito por: Teoria de Controle e suas aplicações 212 ) ( ) ( ) ( 21 212 2 211 1 t,y,,y,yf dt dy t,y,,y,yf dt dy t,y,,y,yf dt dy nn n n n Podemos estender o algoritmo da solução apresentada para uma única equação diferencial pelo método de Euler modificado para a seguinte forma: Façado Fim enquanto Faça do Fim Façado Fim 2 1faça então E0 Se )( 2 ) ( , 2 1Faça 0 1 enquantoFaça 1 Façado Fim ) ( , 2 1Faça 2 1Faça :iniciais Valores 1 1 1 1 21 21 111 2 1 1 htt BA A conv,tolerância y yy conv BA h yy t,y,,y,yfB hAyy n,,k conv conv conv t,y,,y,yfA n,,k h t ,,,p t,y,,y,y pp kk k p k ant k p k kk p k p k pant n antant kk k p k ant k pp n pp kk max n Teoria de Controle e suas aplicações 213 Vamos considerar agora uma outra forma para a equação diferencial de 1ª ordem, a seguir: u=a y+y Sendo y a variável de estado e u a entrada do sistema. Integrando a equação no intervalo de t a (t+t), isto é, em um passo de integração, obtemos a seguinte expressão: tt t tt t tt t u dt = a y dt + dy A sua solução é dada por: )]()([ 2 )]()([ 2 )()( tuttu t =tytty t a+tytty E, portanto chegamos a: )( 2 1 2 )( 2 1 2 )( 2 1 2 1 )( 221 ttu t a t +tu t a t +t y t a t a =tty CCC O termo b1 é dependente apenas dos valores históricos y(t) e u(t), enquanto que o termo b2 é uma função de u(t+t). Podemos, então, fazer uma representação da solução do sistema em notação discretizada, amostrada em intervalos h, da seguinte forma: 1 221 1 pppp uCuCy=Cy e 1 h=tt pp Observamos que o método é implícito, porque o valor de )( tty não depende só dos valores de y(t) e u(t), que são conhecidos, mas também depende do valor de )( ttu , que não é conhecido. Esta característica é uma das razões da necessidade da solução ser iterativa. Para diminuir o número de iterações deste método de integração implícito, podemos aplicar a extrapolação quadrática de u(t), que é mais eficiente em Teoria de Controle e suas aplicações 214 relação às demais. Quando isso é feito, o método de Euler modificado passa a ser chamado de método trapezoidal implícito. Se não for feito o processo iterativo e nem algum tipo de extrapolação, esse método de 2ª ordem passa a ser chamado de método de Runge-Kutta de 2ª ordem. A ordem dos métodos de integração está associada com o erro global produzido pela soma dos erros de cada passo de integração. Uma análise superficial pode ser feita considerando que uma função possa ser desenvolvida em série de Taylor, como segue: !3 )( )( 2 )( )()()()( 32 t tg t tgttgtgttg '''''' Se associarmos dt dy a )()( tftg' , então )(1 ttgy p , )( pp tgy , )()( 2 2 p'p'' tftg dt yd , )()( 3 3 p''p''' tftg dt yd e assim por diante. Substituindo na equação desenvolvida em série de Taylor, passamos a ter: )( !3 )( !2 )( 32 1 p''p'ppp tf h tf h thfyy Com essa equação, podemos ver que os métodos de 1ª ordem só utilizam os dois primeiros termos da série. Com isso, o erro cometido em cada passo de integração é dado pela soma dos termos seguintes. Podemos observar que os termos posteriores sempre serão menores que os anteriores, pois o coeficiente de cada termo é formado por uma função potência de h no numerador e uma função fatorial do índice do termo no denominador. Isso faz com que o coeficiente de cada termo tenda para zero a medida que o índice do termo cresce. Então, podemos dizer que o erro cometido em um passo de integração é da ordem de h2, pois está associado com o maior termo da série do seu cálculo. Como o erro global é dado pela soma dos erros de cada passo de integração, Teoria de Controle e suas aplicações 215 dizemos que ele é da ordem de h para os métodos de 1ª ordem. Para os métodos de 2ª ordem, o erro global é da ordem de h2, e assim por diante. 15.4 Método de Runge-Kutta de 4ª ordem Para o cálculo do valor da variável de estado no passo de integração seguinte, o método de Runge-Kutta de 4ª Ordem utiliza a média ponderada dos valores das derivadas da variável de estado em quatro pontos, como apresentado na Figura 15.6. Figura 15.6 – Método de Runge-Kutta de 4ª ordem Teoria de Controle e suas aplicações 216 O primeiro é ponto ) ,( pp ty , isto é, no início do intervalo. O segundo é o ponto )2/ ,2/( hthAy pp , localizado no meio do intervalo. O terceiro, também localizado no meio do intervalo, é o ponto )2/ ,2/( hthBy pp . O quarto é ponto ) ,( hthCy pp , está no final do intervalo. Inicialmente vamos observar como devemos proceder para resolver uma equação diferencial de 1ª ordem qualquer, dada por: )( y,tf dt dy htt DCBA h yy ht,hCyfD h t,B h yfC h A,t h yfB ,tyfA h t ,,,p ,ty pp pp pp pp pp pp max 1 1 11 )22( 6 )( ) 22 ( ) 22 ( )( 21 :iniciais Valores Seja agora um sistema de equações diferenciais de 1ª ordem descrito por: )( )( )( 21 212 2 211 1 ,tx,,,xxf dt dx ,tx,,,xxf dt dx ,tx,,,xxf dt dx nn n n n A solução pelo método de Runge-Kutta de 4ª ordem é dada a seguir: Teoria de Controle e suas aplicações 217 htt DCBA h xx DCBA h xx DCBA h xx ht,hCx,,hCx,hCxfD ht,hCx,,hCx,hCxfD ht,hCx,,hCx,hCxfD h t,B h x,,B h x,B h xfC h t,B h x,,B h x,B h xfC h t,B h x,,B h x,B h xfC h t,A h x,,A h x,A h xfB h t,A h x,,A h x,A h xfB h t,A h x,,A h x,A h xfB t,x,,x,xfA t,x,,x,xfA t,x,,x,xfA h t ,,,p t,x,,x,x pp nnnn p n p n pp pp p n p n pp nn p n p n pp p n p n pp p n p n pp nn p n p n pp p n p n pp p n p n pp nn p n p n pp p n p n pp pp n pp nn pp n pp pp n pp max n 1 1 22222 1 2 11111 1 1 2211 221122 221111 2211 221122 221111 2211 221122 221111 21 2122 2111 111 2 1 1 )22( 6 )22( 6 )22( 6 ) ( ) ( ) ( ) 2 2 2 2 ( ) 2 2 2 2 ( ) 2 2 2 2 ( ) 2 2 2 2 ( ) 2 2 2 2 ( ) 2 2 2 2 ( ) ( ) ( ) ( 2 1:iniciais Valores Teoria de Controle e suas aplicações 218 15.5 Estimativa para o valor do passo de integração O passo de integração (h), como já foi dito anteriormente, é a parcela de discretização no tempo que é feito para se resolver numericamente um sistema envolvendo equações diferenciais. O seu valor deve ser escolhido adequadamente de modo a não causar oscilações numéricas no processo de cálculo, quando este é maior do que um certo valor. Valores muito pequenos, além de proporcionar um esforço computacional muito grande, também podem ocasionar problemas numéricos, pois o computador comete erros de 1ª discretização na representação dos número reais, portanto, em termos práticos, o valor de h não deve ser menor do que 100 vezes o valor do da máquina. O valor ideal para h pode ser obtido, de acordo com o método de integração aplicado, de tal forma que não provoque erro excessivo no cálculo da área abaixo da curva dada por )( y,tf dt dy , acarretando que o segmento de reta obtido da ligação de 2 pontos consecutivos da solução numérica possa praticamente ser aproximado à curva entre esses pontos. O problema consiste em ter uma maneira prática de se medir as aproximações mencionadas. É importante mencionar que esta só pode ser utilizada em sistemas lineares onde os seus autovalores possam ser calculados. Em sistemas não lineares não há alternativa para isso, isto é, a única forma de se obter o melhor valor para h é com um processo de tentativas, começando com um determinado valor e avaliando a resposta no tempo, em seguida se reduz o seu valor e novamente avalia-se a resposta no tempo, comparando-se as duas. Caso essas respostas sejam diferentes, prossegue-se diminuindo o valor de h até que as respostas sejam praticamente coincidentes, então, o seu valor ideal será o mediatamente superior, pois atenderá aos requisitos mencionados. Teoria de Controle e suas aplicações 219 Para uma melhor visualização do problema, vamos considerar que a resposta de um sistema linear tenha um par de autovalores complexos conjugados 1 = + j e 2 = – j. Associado a esses autovalores está a resposta no domínio do tempo dada por tjtj eKeKty )(2 )( 1)( ou, em outra forma mais amigável por ) ()( tsenKety t . A transformação de uma forma para a outra pode ser obtida através do método das frações parciais aplicado na solução de equações diferenciais homogêneas. Pela segunda forma podemos traçar o gráfico apresentado na Figura 15.7, onde podem ser observados a constante de tempo 1 T e o período de oscilação 2 . Esses parâmetros são fundamentais para que possamos estimar o passo de integração, cujo valor deve ser um submúltiplo do menor deles, devido às razões já apresentadas. Portanto, podemos obter a expressão n ,Tmin h )( , com o valor de n sendo dependente do método de integração a ser aplicado. Valores obtidos com a prática indicam n = 100 para o método de Euler simples, n = 20 para o método de Euler Modificado com apenas uma correção e n = 10 para o método de Runge-Kutta de 4ª ordem. A redução do valor de n e, consequentemente o aumento do valor de h, pode ser feita em função da precisão do cálculo da área empregado pelo método de integração. Quanto maior for o valor do passo de integração, melhor será o desempemho computacional, pois teremos um menor número de passos a serem calculados para cobrir o mesmo tempo máximo de simulação. A função min(T,) fornece o menor valor entre todas as constantes de tempo e todos os períodos de oscilação do sistema em estudo (que podem ter vários estados Teoria de Controle e suas aplicações 220 representados) deve ser utilizada para garantir que os segmentos de reta formados pelos pontos consecutivos da solução numérica formem a curva de resposta com uma boa aproximação. De uma maneira geral a resposta no domínio do tempo de um sistema linear é dada por tn tt neKeKeKty 21 21)( , se não tiver multiplicidade de autovalores, caso contrário fica na forma t n t m tm m mneKeKetKtKKty 21 1 1 21 )()( , considerando m sendo o fator de multiplicidade do autovalor 1. Figura 15.7 – Constante de Tempo e Período de Oscilação O cálculo da constante de tempo pode ser feito através da função tan(), que é obtida pela divisão de K pelo valor de T. Também a função tan() pode ser calculada pela derivada da envoltória da função y(t) no instante inicial. Teoria de Controle e suas aplicações 221 KeK T K t t 0 )tan( Com isso, podemos concluir que 1 T . Por definição a constante de tempo é o valor do tempo em que a tangente à curva da envoltória da função y(t) no instante inicial leva para atingir o valor final de regime permanente y(∞). Tomando como base essa definição, podemos concluir que o valor de tem que ser negativo, caso contrário não existe regime permanente, isto é, o valor final y(∞) tende para infinito. Podemos dizer também, pelas mesmas razões, que para um sistema ser estável, os seus autovalores devem estar posicionados no semiplano da esquerda do plano complexo. A definição de período de oscilação é dada pelo tempo que um valor máximo da função y(t) leva para atingir o valor máximo seguinte, completando um ciclo. Como sabemos que f 2 e que f 1 , com sendo a pulsação em rad/s, f a frequência em Hz e o período de oscilação em segundos, podemos obter a relação 2 . Associado a um par de autovalores complexos conjugados está uma equação diferencial homogênea de 2ª ordem, que podemos escrevê-la da seguinte forma: 02 2 2 y dt dy dt yd nn Cujo polinômio característico é 022 nn e suas raízes são: jj n nnn 1 2 442 2 222 Teoria de Controle e suas aplicações 222 onde: n n 21 22222222222 1 cos nnn n nn n )( A Figura 15.8 mostra em uma forma gráfica a definição do coeficiente de amortecimento , relacionado com o autovalor = + j . Figura 15.8 – Coeficiente de amortecimento Então, por definição: ntoamortecime de ecoeficient 0)para a (igual oscilação de natural frequência n Teoria de Controle e suas aplicações 223 15.6 Estimativa para o valor do tempo máximo de simulação Aproveitando o que foi dito no item anterior e observando a Figura 15.7, podemos ver que o tempo máximo de simulação (tmax) só depende da parcela relacionada com o amortecimento da resposta no domínio do tempo. Nesse tipo de problema só estamos interessados em observar o regime transitório da resposta, portanto só devemos fazer os cálculos até o instante que o valor da variável de estado esteja praticamente constante, estabelecendo um determinado valor para uma banda morta ., na qual seus valores permanecem dentro. Pelo exposto, podemos estabelecer uma estimativa de tmax como um múltiplo da maior contante de tempo do sistema. O valor 5 é muito usado para esse múltiplo, que na envoltória da curva fornece um valor de aproximadamente 0,00674 do valor inicial, que corresponde a fazermos t = 5T, sendo calculado por e-5T/T = e-5. Então, podemos dizer que )max( 5 Ttmax . A função max(T) fornece o maior valor entre todas as constantes de tempo do sistema em estudo, que podem ter vários estados representados. Esta função deve ser utilizada para que realmente todo o sistema tenha atingido o regime permanente, pois a sua resposta global é dada pela soma de cada resposta individual, por estarmos considerando um sistema linear e portanto, é válida a aplicação do teorema da superposição. 15.7 Transformação de uma equação diferencial em um sistema Para que possamos resolver numericamente uma equação diferencialhomogênea de um grau n qualquer temos que tranformá-la em um sistema de equações diferenciais Teoria de Controle e suas aplicações 224 de 1ª ordem. Uma das formas mais usadas para se obter essa transformação é criando (n-1) variáveis auxiliares, sendo cada uma delas dada pela derivada em cascata da antecessora. uxa dt dx a dt xd a dt xd a n n nn n n 10 1 11 1 1 1 1 n n n n n nn n dt xd dt dx dt xd dt xd dt dx x dt xd dt dx x dt dx x 1 1 1 1 2 2 2 1 2 1 2 2 3 1 2 Substituindo na equação original, temos: uxaxaxa dt dx a nn n n 10211 Então, o sistema transformado passa a ser: n nnn n n a xaxaxau dt dx x dt dx x dt dx x dt dx 12110 1 3 2 2 1 Em notação matricial: Teoria de Controle e suas aplicações 225 u a x x x x x x a a a a a a a a a a a a dt dx dt dx dt dx dt dx dt dx dt dx n n n n n n n n n n nnn n n n 1 0 0 0 0 0 100000 010000 000000 000100 000010 1 2 3 2 1 123210 1 2 3 2 1 Podemos observar que a matriz A é formada por elementos que são iguais a 1 na posição imediatamente acima da diagonal principal, os elementos da última linha são iguais aos coeficientes da equação diferencial em sentido inverso dividido pelo primeiro coeficiente com o sinal trocado. Todos os demais elementos são nulos. 15.8 Exemplos de aplicação dos métodos de integração Neste item apresentamos alguns exemplos de aplicação dos métodos de integração apresentados. 15.8.1 Exemplo 1 Sendo dado o seguinte circuito elétrico: Teoria de Controle e suas aplicações 226 a) Escrever o sistema de equações diferenciais de 1a ordem, utilizando apenas as variáveis de estado. b) Calcular os valores estimados para o passo de integração, o tempo máximo de simulação a serem utilizados na solução pelo método de Euler Modificado, o número de passos e o coeficiente de amortecimento. c) Indicar como resolver o sistema pelo método de Euler Modificado. d) Traçar os gráficos das variáveis de estado em função do tempo, destacando os seus respectivos valores iniciais e finais. Condições de contorno: chave aberta por um longo tempo. Solução: Encontrando a função dt d Li L1C L 0 iRe i L e dt d L iRee i L1C0L dt d (15.8.1.1) Encontrando a função dt d Ce 2 CC L R ee Ci dt d CR eiR e 2 CL2C dt d (15.8.1.2) Com a formulação em espaço de estados: uxy uxx D C BA Teoria de Controle e suas aplicações 227 u xy y y u x x dt d dt d 0 C L 2 1 0 C L 2 1 C L e D 0 0 e i C 10 01 e B 0 L 1 e i A CR 1 C 1 L 1- L R e i LC 1 LCR R e L 1i CR 1 CR 1 C 1 L 1- L R CR 1e L 1-i i 1 2 1 CL 2 2 1 2 C L L dt d dt d dt d dt d dt d dt d CL 2 L 2 1 e L 1i CR 1 i LC 1 LCR R dt d dt d CL 2 L 2 1 e i CR L i C 1 CR R (15.8.1.3) Derivando a equação (15.8.1.1): 0 i R e i L L1 C 2 L 2 dt d dt d dt d (15.8.1.4) Substituindo a equação (15.8.1.3) na equação (15.8.1.4): 0 i R i CR L i C 1 CR Ri L L1 L 2 L 2 1 2 L 2 dt d dt d dt d 0 i CRR i Li )R(R i LCR L21 L L212 L 2 2 dt d dt d dt d Teoria de Controle e suas aplicações 228 0i )R(R i C)RR(L i LCR L21 L 212 L 2 2 dt d dt d (15.8.1.5) A equação é homogênea de 2ª ordem, com o seguinte polinômio característico: 0 RR C)RR(L LCR 2121 2 2 rr As raízes do polinômio são: LC2R )RLC(RR4C)RR(LC)RR(L 2 212 2 2121 21 ,r 12,7268 2,833321 jjr , Onde: Constante de tempo: s, , 35290 83332 11 T Período de oscilação: s,, 49370726812 2 Passo de integração: s, , n , h 01760 20 35290)min( (n=20 para Euler Modificado) Tempo máximo de simulação: s,tmax 76471)max(5 Número de passos de integração: 100 h t n maxp Coeficiente de amortecimento: %, ,, , 7321 72681283332 83332 2222 Teoria de Controle e suas aplicações 229 Algoritmo para a solução pelo Método de Euler Modificado: Façado Fim enquanto Faça do Fim 2 BA A 2 BA A 1faça então e e e OU i i i E0 Se )B(A 2 ee )B(A 2 ii CR )A(e)A(iR B L )A(iR)A(ee B Aee Aii 0 1 enquantoFaça 1 CR eiR A L iRee A 2 1Faça 0 t,0e ,0i :iniciais Valores 1 22 2 11 1 1 C C 1 C 1 L L 1 L 22C 1 C 11L 1 L 2 2C1L2 2 1L12C0 1 2CC 1LL 2 CL2 2 L1C0 1 11 C 1 L htt conv,toltolconv h h hh hh h h conv conv conv h t ,,,p pp p antp p antp pp pp pp pp pant pant pp pp max Teoria de Controle e suas aplicações 230 Gráficos: Valores iniciais: iL = 0 A eC = 0 V Valores finais: V 98040 051 50 e RR R e A 019610 051 1 RR e i 0 21 2 C 21 0 L , , Diagrama em blocos no domínio da frequência: Tomando a transformada de Laplace da equação (15.8.1.1): Teoria de Controle e suas aplicações 231 C0L1L1C0LL1C0L eei LRiReei L L iRee i ss dt d Então: L R ee i 1 C0 L s . Tomando a transformada de Laplace da equação (15.8.1.2): L2C2CL2C2 2 CL2C iRe CR1ei R e CR CR eiR e ss dt d Então: C R 1 iR e 2 L2 C s . Com as expressões de IL e eC no domínio da frequência, podemos desenhar o seguinte diagrama em blocos: Matlab clear all close all tol=1.e-6 itmax=100 e0=1 R1=1 R2=50 L=0.2 C=0.03 AA=[-R1/L -1/L; 1/C -1/(R2*C)] BB=[1/L; 0] CC=[1 0; Teoria de Controle e suas aplicações 232 0 1] DD=[0; 0] lamb=eig(AA) a=R2*L*C b=L+R1*R2*C c=R1+R2 r1=(-b+sqrt(b^2-4*a*c))/2/a r2=(-b-sqrt(b^2-4*a*c))/2/a sigma=real(lamb(1)) omega=imag(lamb(1)) T=-1/sigma Tal=2*pi/omega h=min(T,Tal)/20 tmax=5*T np=tmax/h zeta=-sigma/sqrt(sigma^2+omega^2)*100 step(AA,BB,CC,DD) t(1)=0; il(1)=0; ec(1)=0; for p=1:tmax/h A1=(e0-ec(p)-R1*il(p))/L; A2=(R2*il(p)-ec(p))/R2/C; ily=il(p); ecy=ec(p); it=0; erro=1; while (erro==1 && it < itmax) it=it+1; B1=(e0-(ec(p)+h*A2)-R1*(il(p)+h*A1))/L; B2=(R2*(il(p)+h*A1)-(ec(p)+h*A2))/R2/C; ilx=il(p)+h/2*(A1+B1); ecx=ec(p)+h/2*(A2+B2); if ( abs((ilx-ily)/ilx) >tol || abs((ecx-ecy)/ecx) >tol ) Teoria de Controle e suas aplicações 233 ily=ilx; ecy=ecx; A1=(A1+B1)/2; A2=(A2+B2)/2; else erro=0; end end il(p+1)=ilx; ec(p+1)=ecx;t(p+1)=t(p)+h; end figure subplot(2,1,1) plot(t,il,'b-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'il (A)','FontName','Times','FontSize',12 ) grid axis( [ 0 1.8 -0.2 0.3 ] ) subplot(2,1,2) plot(t,ec,'b-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'ec (V)','FontName','Times','FontSize',12 ) grid axis( [ 0 1.8 0 1.5 ] ) 15.8.2 Exemplo 2 Sendo dado o seguinte circuito elétrico: Teoria de Controle e suas aplicações 234 a) Escrever o sistema de equações diferenciais de 1a ordem, utilizando apenas as variáveis de estado. b) Calcular os valores estimados para o passo de integração, o tempo máximo de simulação a serem utilizados na solução pelo método de Runge-Kutta de 4ª ordem, o número de passos e o coeficiente de amortecimento. c) Indicar como resolver o sistema pelo método de Runge-Kutta de 4ª ordem. d) Traçar os gráficos das variáveis de estado em função do tempo, destacando os seus respectivos valores iniciais e finais. Condições de contorno: chave aberta por um longo tempo. Encontrando a função dt d Li : C L 2 1 L1 L 2 C L L1 L 0 e i L R R iR i L R e i L i R i Le dt d dt ddt d dt d C 2 1 L 2 21L 2 21 C 2 1 L1 L 2 1 0 eR R i R RRi L R RR e R R iR i L R R 1 e dt d dt d L)R(R eRiRReR i 21 C1L2102L dt d (15.8.2.1) Encontrando a função dt d Ce 1 L 0 L C R i Le i e C dt d dt d dt d dt d L 0L1 C 1 i LeiR e CR Substituindo a expressão de dt d Li Teoria de Controle e suas aplicações 235 )R(R eRiRReR e L)R(R eRiRReR LeiR e CR 21 C1L2102 0 21 C1L2102 0L1 C 1 dt d C1L2102210L211 C 211 eRiRReR)R(Rei )R(RR e C )R(RR dt d C1L2110L21L 2 1 C 211 eRiRRReiRRiR e C )R(RR dt d C110L 2 1 C 211 eRReiR e C )R(RR dt d C )R(R iRee e 21 L1C0C dt d (15.8.2.2) Em formulação de espaço de estados: uxy uxx D C B A u xy y y u x x dt d dt d 0 C L 2 1 0 21 21 2 C L 2121 1 21 1 21 21 C L e D 0 0 e i C 10 01 e B C )R(R 1 L)R(R R e i A C )R(R 1 C )R(R R L)R(R R L)R(R RR e i 21 211 C 1 L 2 21 21 2 1 C 21 1L 21 2 21 2 1 2 21 21 C 21 1L 21 2121 1 21 1 21 21 21 C 21 1L L RR )R(RR e CR i L LC)R(R RRR e LC)R(R CRi LC)R(R L LC)R(R R LC)R(R RR e L)R(R Ri C )R(R 1 C )R(R 1 C )R(R R L)R(R R L)R(R RR C )R(R 1e L)R(R Ri i dt d dt d dt d dt d dt d dt d dt d dt d dt d dt d CL 1 L e C i R L i Teoria de Controle e suas aplicações 236 0 e CR i Li R C1 L L1 dt d dt d (15.8.2.3) Derivando a equação (1): dt d dt d dt d C 1 L 212 L 2 21 e R i RR i L)R(R dt d dt d dt d L 22 L 2 1 21C i R i L R RRe (15.8.2.4) Substituindo a equação (4) na equação (3): 0 i R i L R RR CR i Li R L22 L 2 1 21 1 L L1 dt d dt d dt d 0 i CRR i LC)R(R i LiR L212 L 2 21 L L1 dt d dt d dt d 0iR i C)RR(L i LC)R(R L1 L 212 L 2 21 dt d dt d 0i RR Ri RR CRRLi LC L 21 1L 21 21 2 L 2 dt d dt d (15.8.2.5) Equação homogênea de segunda ordem com o seguinte polinômio característico: 0 RR R RR CRRL LC 21 1 21 212 rr As raízes do polinômio são: 2LC RR LCR4 RR CRRL RR CRRL 21 1 2 21 21 21 21 21 ,r jjr , 9,3314 2,857121 Teoria de Controle e suas aplicações 237 Constante de tempo: s, , 35000 85712 11 Período de oscilação: s, , 67330 33149 22 Passo de integração: s, , n ),min( h 035000 10 35000 (n=10 para Runge-Kutta de 4ª ordem) Tempo máximo de simulação: s,)max(tmax 75015 Número de passos de integração: 50 h t n maxp Coeficiente de amortecimento: %, ,, , 27729 3314985712 85712 2222 Teoria de Controle e suas aplicações 238 Método de Runge-Kutta de 4ª ordem: h h h hh hh hh hh hh hh htp pp pp pp pp pp pp pp pp pp pp pp max t t )D2C2B(A 6 ee )D2C2B(A 6 ii C )R(R )C(iR)C(ee D L)R(R CeR)C(iRReR D C )R(R 2 B iR 2 B ee C L)R(R 2 B eR 2 B iRReR C C )R(R 2 A iR 2 A ee B L)R(R 2 A eR 2 A iRReR B C RR iRee A L)R(R eRiRReR A / 1, 0t 0e 0i 1 2222C 1 C 1111L 1 L 21 1L12C0 2 21 2C11L2102 1 21 1 L1 2 C0 2 21 2 C1 1 L2102 1 21 1 L1 2 C0 2 21 2 C1 1 L2102 1 21 L1C0 2 21 C1L2102 1 1 1 C 1 L Teoria de Controle e suas aplicações 239 Gráficos: Valores iniciais: iL = 0 A eC = 0 V Valores finais: iL = e0 / R1 = 0,05 A eC = 0 V Matlab clear all close all Teoria de Controle e suas aplicações 240 e0=1 R1=20 R2=1 L=0.2 C=0.05 AA=[-R1*R2/(R1+R2)/L R1/(R1+R2)/L; -R1/(R1+R2)/C -1/(R1+R2)/C] BB=[R2/(R1+R2)/L; 1/(R1+R2)/C] CC=[1 0; 0 1] DD=[0; 0] lamb=eig(AA) a=L*C b=(R1*R2*C+L)/(R1+R2) c=R1/(R1+R2) r1=(-b+sqrt(b^2-4*a*c))/2/a r2=(-b-sqrt(b^2-4*a*c))/2/a sigma=real(lamb(1)) omega=imag(lamb(1)) T=-1/sigma Tal=2*pi/omega h=min(T,Tal)/10 tmax=5*T np=tmax/h zeta=-sigma/sqrt(sigma^2+omega^2)*100 step(AA,BB,CC,DD) t(1)=0; il(1)=0; ec(1)=0; for p=1:tmax/h A1=(R2*e0-R1*R2*il(p)+R1*ec(p))/((R1+R2)*L); A2=(e0-ec(p)-R1*il(p))/(R1+R2)/C; B1=(R2*e0-R1*R2*(il(p)+h*A1/2)+R1*(ec(p)+h*A2/2))/((R1+R2)*L); Teoria de Controle e suas aplicações 241 B2=(e0-(ec(p)+h*A2/2)-R1*(il(p)+h*A1/2))/(R1+R2)/C; C1=(R2*e0-R1*R2*(il(p)+h*B1/2)+R1*(ec(p)+h*B2/2))/((R1+R2)*L); C2=(e0-(ec(p)+h*B2/2)-R1*(il(p)+h*B1/2))/(R1+R2)/C; D1=(R2*e0-R1*R2*(il(p)+h*C1)+R1*(ec(p)+h*C2))/((R1+R2)*L); D2=(e0-(ec(p)+h*C2)-R1*(il(p)+h*C1))/(R1+R2)/C; il(p+1)=il(p)+h/6*(A1+2*B1+2*C1+D1); ec(p+1)=ec(p)+h/6*(A2+2*B2+2*C2+D2); t(p+1)=t(p)+h; end figure subplot(2,1,1) plot(t,il,'b-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'il (A)','FontName','Times','FontSize',12 ) grid axis( [ 0 1.8 0 0.08 ] ) subplot(2,1,2) plot(t,ec,'b-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'ec (V)','FontName','Times','FontSize',12 ) grid axis( [ 0 1.8 -0.04 0.08 ] ) 15.8.3 Exemplo 3 Sendo dado o seguinte circuito elétrico: Teoria de Controle e suas aplicações 242 a) Escrever o sistema de equações diferenciais de 1a ordem, utilizando apenas as variáveis de estado. b) Calcular os valores estimados para o passo de integração, o tempo máximo de simulação a serem utilizados na solução pelo método de Runge-Kutta de 4ª ordem, o número de passos e o coeficiente de amortecimento. c) Indicar como resolver o sistema pelo método de Runge-Kutta de 4ª ordem.d) Traçar os gráficos das variáveis de estado em função do tempo, destacando os seus respectivos valores iniciais e finais. Condições de contorno: chave aberta por um longo tempo tempo e capacitor C2 descarregado antes do fechamento da chave. Encontrando a função dt d Li ) cos(EiR i Le mL1 L c1 tdt d L iRe E i L1C1mL )tcos( dt d (15.8.3.1) Teoria de Controle e suas aplicações 243 Encontrando a função dt d C1e 2 C2C1C1 1L R eee Ci dt d 12 L2C1C2C1 CR iRee e dt d (15.8.3.2) Encontrando a função dt d C2e C2C1 C2 22 ee e CR dt d 22 C2C1C2 CR ee e dt d (15.8.3.3) Em formulação de espaço de estados: uxy uxx D C B A u xy y y y u x x dt d dt d dt d 0 C2 C1 L 2 2 1 0 C2 C1 L 2222 12121 1 C2 C1 L e D 0 0 0 e e i C 100 010 001 e B 0 0 L 1 e e i A CR 1 CR 1 0 CR 1 CR 1 C 1 0 L 1 L R e e i Teoria de Controle e suas aplicações 244 Método de Runge-Kutta de 4ª ordem: Parâmetros: 000010 0000010 010 100 50 0 3 2 138000 2 60 2121 ,C,C,LR,R Eff m Valores iniciais: 0 0 1 1 tan 2 cos 1 1 tancos 1 1 2 2 1 2 11 1 11 1 1 2 1 2 1 1 11 1 t e C LRC R C L E e C LR R C L E i C m C m L Teoria de Controle e suas aplicações 245 ht t DCBA h e e DCBA h e e DCBA h ii CR hCehCe D CR hBiRhBehBe D L hCiRhCe)htE D CR B he B he C CR B hiR B he B he C L B hiR B he h tω E C CR A he A he B CR A hiR A he A he B L A hiR A he h tω E B CR ee A CR iRee A iRetE A htp pp p C p C p C p C p L p L p C p C p L p C p C p L p C p m p C p C p L p C p C p L p C p m p C p C p L p C p C p L p C p m p C p C p L p C p C p L p C p m 1 33332 1 2 22221 1 1 1111 1 22 3221 3 12 122132 2 1121 1 22 3 2 2 1 3 12 1 2 2 1 3 2 2 1 1 2 1 1 22 3 2 2 1 3 12 1 2 2 1 3 2 2 1 1 2 1 1 22 21 3 12 212 2 11 1 max )22( 6 )22( 6 )22( 6 ( cos 22 222 22 ) 2 (cos 22 222 22 ) 2 (cos L ) cos( / 1, Teoria de Controle e suas aplicações 246 Gráficos: Preto: eC1 e iL cinza: eC2 e iC2 Alterando-se o valor de C1 para o valor de C2, pode-se fazer uma simulação de operação de fechamento em back-to-back, e os gráficos ficam: Preto: eC1 e iL cinza: eC2 e iC2 Teoria de Controle e suas aplicações 247 Matlab clear all close all e0=138000*sqrt(2)/sqrt(3) f=60 w=2*pi*f fi=0 R1=0.5 R2=100 L=0.01 C1=0.000001 C2=0.00001 A=[-R1/L -1/L 0; Teoria de Controle e suas aplicações 248 1/C1 -1/R2/C1 1/R2/C1; 0 1/R2/C2 -1/R2/C2] B=[1/L; 0 0] C=[1 0 0; 0 1 0; 0 0 1] D=[0; 0; 0] y=[ 1 1/(R2*C1)+1/(R2*C2)+R1/L R1/(R2*L*C1)+R1/(R2*L*C2)+1/(L*C1) 1/(R2*L*C1*C2) ] roots(y) lamb=eig(A) sigma1=real(lamb(1)) sigma2=real(lamb(3)) omega=imag(lamb(1)) freq=omega/2/pi T1=-1/sigma1 T2=-1/sigma2 Tal=2*pi/omega h=min(T1,T2); h=min(h,Tal)/10 Tmax=5*max(T1,T2) Tf=1/f Tmax=max(Tmax,2*Tf) np=Tmax/h zeta1=-sigma1/sqrt(sigma1^2+omega^2)*100 zeta2=100 step(A,B,C,D) t(1)=0; il(1)=e0*cos(fi-atan((w*L-1/w/C1)/R1))/sqrt(R1*R1+(w*L-1/w/C1)^2); Teoria de Controle e suas aplicações 249 ec1(1)=e0*cos(fi-pi/2-atan((w*L-1/w/C1)/R1))/sqrt(R1*R1+(w*L-1/w/C1)^2)/w/C1; ec2(1)=0; ic2(1)=0; for p=1:Tmax/h a1=(e0*cos(w*t(p)+fi)-R1*il(p)-ec1(p))/L; a2=(ec2(p)-ec1(p)+R2*il(p))/R2/C1; a3=(ec1(p)-ec2(p))/R2/C2; b1=(e0*cos(w*(t(p)+h/2)+fi)-R1*(il(p)+h*a1/2)-(ec1(p)+h*a2/2))/L; b2=((ec2(p)+h*a3/2)-(ec1(p)+h*a2/2)+R2*(il(p)+h*a1/2))/R2/C1; b3=((ec1(p)+h*a2/2)-(ec2(p)+h*a3/2))/R2/C2; c1=(e0*cos(w*(t(p)+h/2)+fi)-R1*(il(p)+h*b1/2)-(ec1(p)+h*b2/2))/L; c2=((ec2(p)+h*b3/2)-(ec1(p)+h*b2/2)+R2*(il(p)+h*b1/2))/R2/C1; c3=((ec1(p)+h*b2/2)-(ec2(p)+h*b3/2))/R2/C2; d1=(e0*cos(w*(t(p)+h)+fi)-R1*(il(p)+h*c1)-(ec1(p)+h*c2))/L; d2=((ec2(p)+h*c3)-(ec1(p)+h*c2)+R2*(il(p)+h*c1))/R2/C1; d3=((ec1(p)+h*c2)-(ec2(p)+h*c3))/R2/C2; il(p+1)=il(p)+h/6*(a1+2*b1+2*c1+d1); ec1(p+1)=ec1(p)+h/6*(a2+2*b2+2*c2+d2); ec2(p+1)=ec2(p)+h/6*(a3+2*b3+2*c3+d3); ic2(p+1)=(ec1(p+1)-ec2(p+1))/R2; t(p+1)=t(p)+h; end ilmin=min(il) ilmax=max(il) ec1min=min(ec1) ec1max=max(ec1) ec2min=min(ec2) ec2max=max(ec2) ic2min=min(ic2) ic2max=max(ic2) ecmin=min(ec1min,ec2min); ecmax=max(ec1max,ec2max); imin=min(ilmin,ic2min); imax=max(ilmax,ic2max); figure Teoria de Controle e suas aplicações 250 subplot(2,1,1) hold on plot(t,ec1,'b-','LineWidth',2) plot(t,ec2,'r-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'ec1, ec2 (V)','FontName','Times','FontSize',12 ) box grid hold off axis( [ 0 Tmax ecmin ecmax ] ) subplot(2,1,2) hold on plot(t,il,'b-','LineWidth',2) plot(t,ic2,'r-','LineWidth',2) xlabel( 'Tempo (s)','FontName','Times','FontSize',12 ) ylabel( 'il, ic2 (A)','FontName','Times','FontSize',12 ) box grid axis( [ 0 Tmax imin imax ] ) hold off 15.8.4 Exemplo 4 Resolver o sistema abaixo pelo método trapezoidal implícito: Teoria de Controle e suas aplicações 251 Ml lKMgsen dt d lKMgsenFPsen dt d Ml dt dv MMaF lKKvF lv aR a )( M K sen l g dt d dt d 0 2 2 2 2 sen l g dt d M K dt d M K sen l g dt d dt d com: g = 9,81 m/s2 Teoria de Controle e suas aplicações 252 l = 1 m K = 0,5 kg/s M = 2 kg Considerar = 0 e = 60º como condições iniciais. Fazer os gráficos de versus t, versus t e versus . Para pequenas amplitudes de sen , então: 0 2 2 l g dt d M K dt d Cuja equação característica é 0 2 l g M K . Então os autovalores são 2 4 2 l g M K M K , que geralmente são complexos conjugados, e com isso temos uma constante de tempo T e um período de oscilação , dados por: s 8 2 K M T e s 0082 4 4 2 , M K l g Se for desprezado o atrito: s 00622 , g l Teoria de Controle e suas aplicações 253 Figura 15.9 – Posição angular Figura 15.10 – Velocidade angular Teoria de Controle e suas aplicações 254 Figura 15.11 – Trajetória × Figura 15.12 – Força de tração na barra
Compartilhar