Baixe o app para aproveitar ainda mais
Prévia do material em texto
Polos complexos cont́ınuos P = α± βj → eαtcos(βt + θ) Polos complexos Discretos P = re±jw → r[cos(wt)± jsen(w)] Realimentação de estados u = −Kx + r{ ẋ = (A− BK)x + Br y = (C −DK)x +Dr Sendo F (s) = (s − λ1)(s − λ2) os polos desejados, devemos aplicas um dos métodos abaixo. 1)Método direto de alocar pólo ∆(λ) = det(A− BK − sI) = F (s) 2)Formula de Ackermann k = [0 0 0 . . . 0 1][B AB . . . An−1B]−1∆mf (A) ∆mf (S) = F (s) = S 2 − (λ1 + λ2)S + λ1λ2 ∆mf (A) = A 2 − (λ1 + λ2)A + λ1λ2I 3)Forma Canônica Controlável Q = C · T T = a1 a2 a3 . . . an−1 1 a2 a3 a4 . . . 0 0 . . . . . . . . . an−1 0 0 . . . 0 0 1 0 0 . . . 0 0 sendo os termos obtidos do polinômio caracteŕıstico. Exemplo A uma matriz 2x2 ∆(SI − A) = S4 + a3S3 + a2S2 + a1S + a0 A = Q−1AQ B = Q−1B C = CQ u = −Kx + r = −K x + r K = KQ Com as transformações acima obtemos A na Forma Canônica Controlável Para determinar Determinar K, fazemos A− B K 0 1 0 0 0 0 1 0 0 0 0 1 −α0 −K0 −α1 −K1 −α2 −K2 −α3 −K3 o polinômio caracteŕıstico é dado por ∆(SI− (A−B K)) = λ4 +(α3 +k3)λ3 +(α2 +k2)λ2 + (α1 + k1)λ + α0 + k0 Sendo ∆(SI − (A− BK)) = F (s) K = KQ−1 Realimentação de Estados - Rastreamento Trata-se do problema servo, fazem y(t) = r(t) Calcular o K Conforme a teoria anterior A B C 0 xeq ueq = 0 r Resolvendo o sistema acima, descobrirá os valores para xeq e ueq . Substituindo na equação abaixo, será posśıvel determinar o ganho para r. u = −Kx + ueq +Kxeq Erro no regime estacionário e(t) = r(t)− y(t) ess = lim t→∞ e(t) = lim s→0 sE(s) No estado estacionário, ẋ(t) = 0. Erro em malha fechada ess = lim s→0 sE(s) = s[R(s)− Y (s)] Y (s) = C(s)G(s) 1 + C(s)G(s) R(S) ess = lim s→0 sE(s) = s [ 1− C(s)G(s) 1 + C(s)G(s) ] R(s) Controle por Alocação de Polos A(s)D(s) + B(s)N(s) = F (s) G(s) = N(s) D(s) C(s) = B(s) A(s) Gmf (s) = C(s)G(s) 1 + C(s)G(s) = N(s)B(s) A(s)D(s) + B(s)N(s) G(s): Planta C(s): Controlador n: grau do ∆(G) m: grau do ∆(C) n+m: grau do ∆(F ) m = n− 1 Solução única m > n− 1 Diversão soluções m < n− 1 controlador não realizável. Dois polinômio são coprimos se não possuem ráızes iguais. G(s) Próprio quando D(s) ≥ N(s); g(∞) = 0 ou C G(s) Stric proper quando D(s) > N(s); |g(∞) = 0 G(s) bipróprio quando D(s) = N(s); g(∞) = C G(s) impróprio quando D(s) < N(s); |g(∞)| =∞ Modelo Interno A(s)Φ(s)D(s) + B(s)N(s) = F (s) onde Φ(s) deve conter a parte ”bibo instável”do denominador de W (s) e R(s) Neste caso o grau da planta percebida pelo controlador será Φ(s)D(s) onde G(s) = N(s) D(s) O ganho na referência para zerar o erro de degrau é dada por: p = F0 B0N0 Realimentação de Estados - Rastreamento com integrador - Seguimento robusto de referência u = −Kx +KI ∫ e(τ)dτ{ ẋ = Ax + Bu v̇ = r − Cx Sistema aumentado ẋ v̇ = A 0 −C 0 x v + B 0 u+ 0 1 r Sistema aumentado em malha fechada u = −Kx +KIv u = − [ K −KI ] [ x v ] y = [ C 0 ] [ x v ] ẋ v̇ = A− BK BKI −C 0 x v + 0 1 r A = A 0 −C 0 B = B 0 K = − [ K −KI ] Para determinar o valor de K, usar A−B K nas técnicas de realimentação de estados Observador de Estados Definimos o erro de observação como: e(t) = x(t)− x̂(t) ẋ− ˙̂x = Ax− Ax̂ + Bu− Bu y − ŷ = Cx− Cx̂ ė = Ae Apenas é posśıvel alocar autovalores SSE, par(C,A) é observável. Podemos determinar o ganho L para o estimador fazendo Aᵀ − CᵀLᵀ e usando as mesmas técnicas para realimentação de estados A− BK. Forma Companheira A ᵀ = Q−1AᵀQ B ᵀ = BᵀQ C ᵀ = Q−1Cᵀ Resolver A−LC comparando com o polinômio desejado F(s) para achar os valores de L Lᵀ = L ᵀ Q−1 Controle Por Observador de Estado ẋ ė = A− BK BK 0 A− LC x e + B 0 r y = [ C 0 ] x e Espaço de Estado Discreto{ x[k + 1] = Ax[k] + Bu[k] y[k] = Cx[k] +Du[k] y(k) = C ·Akx(0) +C (∑k−1 i=0 A k−i−1Bu(i) ) +Du(k) Y (z) = Cz(zI−A)−1x(0) +C(zI−A)−1B ·U(z) +D · U(z) Espaço de Estado Cont́ınuo{ ẋ(t) = Ax(t) + Bu(t) y(t) = Cx(t) +Du(t) y(t) = CeAtx(0) + C (∫ t 0 A t−τBu(τ)dτ ) +Du(t) Y (s) = C(sI−A)−1x(0)+C(sI−A)−1B·U(s)+D·U(s) G(s) = Y (s)/U(s) = C(sI − A)−1B +D Realização e Realização Mı́nima Realização é qualquer espaço de estado que represente a função de transferência. Exemplo Forma Canônica Controlável ou Observável. Realização Mı́nima é a representação com o menor grau posśıvel de variáveis de estados. Neste caso representação sempre é controlável e observável. Transformada de Laplace X(s) = ∫∞ 0 e −stx(t) dt f(t) L{f(t)} 1 1 s δ(t) 1 e−at 1 s+a t 1 s2 te−at s (s+a)2 tn n! sn+1 sen(at) a s2+a2 cos(at) s s2+a2 tsen(at) 2as (s2+a2)2 tcos(at) s 2−a2 (s2+a2)2 e−ktsen(at) a (s+k)2+a2 e−ktcos(at) s+k (s+k)2+a2 1 Propriedades de Laplace L{f(t)} F (s) L{αf(t) + βf(t)} αF (S) + βF (S) L { eatf(t) } F (s− a) L { f ′(t) } sF (s)− f(0) L { f ′′(t) } s2F (s)− sf(0)− f ′(0) L {∫ t 0 f(τ)dτ } 1 s F (s) L{tf(t)} − d ds F (s) L{f(t− a)} easF (s) L {∫ t 0 f(t− τ)g(τ) dτ } F (s)G(s) Transformada de Z X(z) = ∑∞ n=−∞ x[n]z −n z = rejθ A transformada discreta de Fourier é a trans- formada Z calculada sobre o ćırculo unitário (|z| = r = 1) f [n] Z {f [n]} u[n] ou 1 z z−1 δ[n] 1 n z (z−1)2 an z z−a e−an z z−e−a nan az (z−a)2 n2an az(z+a) (z−a)3 (n + 1)an z 2 (z−a)2 sen[an] zsen(a) z2−2z cos(a)+1 cos[an] z(z−cos(a)) z2−2z cos(a)+1 Teorema do Valor Final limt→∞ x(t) = lims→0 sX(s) Teorema do Valor Inicial limt→0 x(t) = lims→∞ sX(s) Propriedades de Z Z {f [n]} F (z) Z {αf [n] + βf [n]} αF (z) + βF (z) Z {f [n−m]} z−mF (z) Z {f [n + 1]} zF (z)− zf [0] Z {f [n + 2]} z2F (z)− z2f [0]− zf [1] Z {anf [n]} F ( z a ) Z {f [n]− f [n− 1]} (1− z−1)F (z) Z {nf [n]} −z dF (z) dz Z {f [−n]} F ( 1 z ) Z {f1[n] ∗ f2[n]} F1(z)F2(z) Teorema do Valor Final limk→∞ x[k] = limz→1(z − 1)X(z) Teorema do Valor Inicial limk→0 x[k] = limz→∞X(z) Sistemas Elétricos Indutor il = 1 L ∫ vl dt vl = L dil dt Capacitor ic = c dvc dt vc = 1c ∫ ic dt Sistemas Mecânicos f = mẍ → Massa f = bẋ → Atrito f = kx → mola ∑ f(x) = −kx − bẋ + fe∑ f(x) = mẍ Laplace do sistema mecânico m(s2X(s)−sx(0)−ẋ(0)) = −kX(s)−b(sX(s)−x(0))+ Fe(s) Considerado o sistema relaxado X(s) = Fe(s) ms2+bs+k Álgebra Linear Seja An×n matriz quadrada de tamanho n. Caso o rank(A) = n, A é composta somente por linhas L.I. HP 48G+ Posto: MTH → MATR→ NORM → NXT → RANK Autovalores: MTH → MATR → NXT → EGV L Autovalores e Autovetores: MTH → MATR → NXT → EGV Ráızes de um polinômio: LSH → SOLVE → POLY → PROOTS Números Complexos: Retangular: a + jb = (a, b) Polar: a + jb = (√ a2 + b2, arctag( b a ) ) = (r, θ) Norma: MTH → NXT → CMPL→ ABS Argumento: CMPL→ ARG Autovalores e Autovetores Próprios Os autovalores de uma matriz podem ser obtidos fazendo det(A− λI) = 0 Seus autovetores podem ser obtidos fazendo (A − λiI)v = 0 sendo i os autovalores obtidos anteriormente. Obs. A matriz V formada dos autovetores sempre deve ser ter posto completo. Autovalores e Autovetores Generalizados Sendo N o espaço nulo, este é calculado como N (A) = size(A)− rank(A). N (A − λkI) é igual ao número de autovetores L.I. associados a λk. N (A − λkI) também é igual quantidade de blocos de Jordan associada ao autovalor λk. O tamanho máximo da cadeia associada ao autovalor λk é determinada por: rank ( (A− λkI)i ) = size(A)−mλk mλk → Multiplicidade do autovalor λk i → tamanho máximo da cadeia. Devemos tentar valores de i até o momento que a igualdade seja verdadeira. Sabendo o tamanho i, o tamanho máximo da cadeia, devemos fazer: (A− λ1)v1 = 0 (A− λ1) 2 v2 = 0 (A− λ1) 3 v3 = 0 . . . (A− λ1) i vi = 0 (A− λ1) i−1 vi 6= 0 Exemplo Considere uma matriz An×n com um autovalor λ de multiplicidade mλ = n, neste caso A tem apenas um autovalor distinto. Suponha que rank(A−λI) = n− 1. Sua nulidade(N ) é determinada por: N (A− λI) = size(A)− rank(A− λI). N (A− λI) = n− (n− 1) = 1. Neste caso A tem apenas 1 autovetor associado a λ e consequentemente 1 bloco de Jordan. Para formar um espaço V completo, é necessário mais n− 1 autovetores linearmente independentes. Propriedades da Matriz de Jordan Nilopotência Considera que o bloco de Jordan para o autovalor λk seja de tamanho M . (J − λkI) i = 0, ∀ i ≥ m J = λ1 1 0 00 λ1 1 0 0 0 λ1 1 0 0 0 λ1 J Continua eJt = eλ1t teλ1t t 2 2! eλ1t t 3 3! eλ1t 0 eλ1t teλ1t t 2 2! eλ1t 0 0 eλ1t teλ1t 0 0 0 eλ1t eAt = V eJtV−1 J Discreta Jk = λk1 kλ k 1 k(k−1) 2! λk1 k(k−1)(k−2) 3! λk1 0 λk1 kλ k 1 k(k−1) 2! λk1 0 0 λk1 kλ k 1 0 0 0 λk1 Ak = V JkV−1 Propriedades da Matriz eAt eAt = I + tA + t 2 2! A2 + t 3 3! A3 + . . . eAte−At = I (eAt)−1 = e−At e(A+B)t 6= eAteBt. A igualdade apenas preserva caso A e B comutam, ou seja AB = BA. d dt eAt = AeAt = eAtA L { eAt } = (sI − A)−1 L { d dt eAt } = sL { eAt } − eAt|t=0 Z { Ak } = z(zI − A)−1 Transformação por similariedade Seja V uma matriz formada por todos os autovetores próprios correspondentes ao autovalores λ1, λ2, . . . , λn. Então temos que A = V−1 · A · V : A = λ1 0 . . . 0 0 λ2 . . . 0 . . . . . . . . . 0 0 . . . λn B = V−1 · B C = C · V Inversão de matriz 2x2 A = [ a b c d ] A−1 = 1 det(A) [ d −b −c a ] Inversão de matriz 3x3 A = [ a b c d e f g h i ] A−1 = 1|A|C ᵀ Sendo C a matriz de cofatores e Cᵀ a matriz adjunta Cᵀ = + ∣∣∣ e fh i ∣∣∣ − ∣∣∣ b ch i ∣∣∣ + ∣∣∣ b ce f ∣∣∣ − ∣∣∣d fg i ∣∣∣ + ∣∣∣a cg i ∣∣∣ − ∣∣∣a cd f ∣∣∣ + ∣∣∣d eg h ∣∣∣ − ∣∣∣a bg h ∣∣∣ + ∣∣∣a bd e ∣∣∣ Forma Modal - Complexa Seja A uma matriz quadrada com seguinte par com- plexo de polos, λ = α± jβ A matriz de transformação por similariedade V, neste caso é dada por: V = [ Real(V1) Imag(V1) ] Sabendo que V2 = V ∗ 1 os autovetores associados a A. A = V−1AV Obtendo A = [ α β −β α ] para sistemas maiores V = [ Real(V1) Imag(V1) V3 . . . Vn ] V deve possuir posto completo. Forma Companheira Observável Neste caso a representação possui posto(O) completo (Observável) nem sempre possui posto(C) completo (Controlável). G(s) = Y (s) U(s) = b3s 3 + b2s 2 + b1s + b0 s4 + α3s3 + α2s2 + α1s + α0 + bn A = −α3 1 0 0 −α2 0 1 0 −α1 0 0 1 −α0 0 0 0 B = b3 b2 b1 b0 C = [ 1 0 0 0 ] D = Bn = lim s→0 G(s) 2 Forma Companheira Controlável Neste caso a representação possui posto(C) completo (controlável) nem sempre possui posto(O) completo (observável). G(s) = Y (s) U(s) = b3s 3 + b2s 2 + b1s + b0 s4 + α3s3 + α2s2 + α1s + α0 + bn ∆(SI−A) = ∆(SI−A) = λ4+α3λ3+α2λ2+α1λ+α0 A = 0 1 0 0 0 0 1 0 0 0 0 1 −α0 −α1 −α2 −α3 C = [ b0 b1 b2 b3 ] B = 0 0 0 1 D = bn = lim s→0 G(s) A = −α0 −α1 −α2 −α3 1 0 0 0 0 1 0 0 0 0 1 0 Lyapunov Caso A tenha a parte Real de todos os seus autovalores negativos, diferente de zero, (A é assintoticamente estável) podemo afirmar que M é definida positiva quando N = Nᵀ � 0. Lyapunov Caso Cont́ınuo AᵀM +MA = −N Lyapunov Caso Discreto M − AᵀMA = N Verificar se M é Definida Positiva 1) Todos os autovalores de M são positivos. 2)Todas as matrizes ĺıderes possuem determinantes positivos. Seja N igual a: M = [ a b c d e f g h i ] Pegando as submatrizes formada pela diagonal principal M1 = [ a ] N2 = [ a b d e ] M será definida positiva se: det(M) > 0 det(M1) > 0 det(M2) > 0 Controlabilidade par(A,B) C = [ B AB A2B . . . An−2B An−1B ] onde n = size(A). Podemos dizer que todos os autovetores são controláveis quando rank(C) = size(C) Cont́ınuo Discreto O sistema é controlável se ∀x[0] = x0 e ∀xf , ∃u[k] com k = 0, 1, 2, . . . , n− 1 tal que x[n] = xf . Decomposição Canônica P = [ p1 p2 . . . pnc pnc+1 . . . pn ] sendo p1, p2, . . . , pnc colunas L.I. de C e pnc+1, . . . , pn são escolhidas de forma que P seja inverśıvel. A = P−1AP B = P−1B C = CP Cuja nova representação será:[ ẋc ẋnc ] = [ Ac A12 0 Anc ] [ xc xnc ] + [ Bc 0 ] u y = [ Cc Cnc ] [ xc xnc ] +Du Observabilidade par(C,A) O = C CA CA2 . . . CAn−2 CAn−1 onde n = size(A). Podemos dizer que todos os autovetores são observáveis quando rank(O) = size(O) Decomposição Canônica Q = q1q2 . . .qnoqno+1 . . .qn sendo q1, q2, . . . , qno colunas L.I. de O e qno+1, . . . , qn são escolhidas de forma que Q seja inverśıvel. FAZENDO P = Q−1 A = P−1AP B = P−1B C = CP Cuja nova representação será:[ ẋo ẋno ] = [ Ao 0 A21 Ano ] [ xo xno ] + [ Bo Bno ] u y = [ Co 0 ] [ xo xno ] +Du Estabilidade BIBO Bounded-Input-Bounded-Output Cont́ınuo: Todos os polos tem parte real negativa λ < 0.(pg 125) Discreto: Todos os polos são ||λ|| < 1. (pg 129) ||λ|| → Norma de λ. Considere λ = α + jβ, sua norma é √ α2 + β2. Estabilidade Interna - Cont́ınua Trata-se da avaliação de estabilidade de x(t) = eAtx(0) Marginalmente estável: A equação ẋ = Ax tem todos autovalores Real(λ) ≤ 0 e autovalores igual a 0 estão associados a blocos de Jordan de tamanho 1. Caso o bloco seja maior, o sistema é instável. Assintoticamente estável: A equação ẋ = Ax tem todos autovalores Real(λ) < 0 Estabilidade Interna - Discreta Trata-se da avaliação de estabilidade de x[k] = Akx[0] Marginalmente estável: A equação x[k + 1] = Ax[k] com tem todos autovalores ||λ|| ≤ 1 e autovalores igual a 1 estão associados a blocos de Jordan de tamanho 1. Caso o bloco seja maior, o sistema é instável. Assintoticamente estável: A equação x[k + 1] = Ax[k] tem todos autovalores ||λ|| < 1 Uma resposta é assintoticamente estável se para uma excitação inicial finita gerar uma resposta limitada, no qual, tende para 0 quando t→∞. Formulas de Euler cos(x) = e jx+e−jx 2 sen(x) = e jx−e−jx 2j ejx = cos(x) + j sen(x) Frações Parciais - Cont́ınuo Y (s) = s 2+2s+1 s(s−λ)2 Y (s) = a s + b0 (s−λ)2 + b1 s−λ a = Y (s) ∗ s|s=0 b0 = Y (s) ∗ (s− λ)2 ∣∣∣ s=λ b1 = d ds ( Y (s) ∗ (s− λ)2 )∣∣∣ s=λ Generalizando bi = 1 i! di dsi (Y (s) ∗ (s− λ)n) ∣∣∣∣ s=λ Frações Parciais - Cont́ınuo Polos Complexos Y (s) = k (s−λ)(s2+w2) Y (s) = a s−λ + b s+j √ w + c s−j √ w a = Y (s) ∗ (s− λ)|s=λ b = Y (s) ∗ (s + j √ w) ∣∣ s=−j √ w c= conjugado(b) a + jb→ √ a2 + b2ejθ , θ = arctg( b a ) Obs. arctg(−b a ) 6= arctg( b−a ) Frações Parciais - Discreto Y (z) = z 2+z+1 z(z−λ)2 Y (z) z = a z + b0 (z−λ)2 + b1 z−λ a = Y (z) z z ∣∣∣ z=0 b0 = Y (z) z ∗ (z − λ)2 ∣∣∣ z=λ b1 = d dz ( Y (z) z ∗ (z − λ)2) )∣∣∣ z=λ Generalizando bi = 1 i! di dsi (Y (z) ∗ (z − λ)n) ∣∣∣∣ z=λ Frações Parciais - Discreto Frações complexas b0 = b1∗ Conjugado y[k] = b0λ k + b1λ k y[k] = 2Re{b0λk} Sistema Dual{ ẇ(t) = Aᵀw(t) + Cᵀv(t) z(t) = Bᵀw(t) +Dᵀv(t) 3 Teorema de Cayley-Hamilton Seja ∆(λ) = det(A − λI) o polinômio caracteŕıstico da matriz A. ∆(λ) = λn + an−1λ n−1 + · · · + a1λ + a0 ∆(A) = α0I + α1A + · · · + αn−1An−1 + An = 0 An = −α0I − α1A− · · · − αn−1An−1 Qualquer polinômio de grau ≥ n pode ser representado por um polinômio de grau n− 1. Seja f(λi) = e λit uma função definida em todos os au- tovalores de A, e g(λi) = α0 +α1λi+ · · ·+αn−1λ n−1 i sendo n = size(A). Fazendo: f(λi) = g(λi) f ′(λi) = g ′(λi) f ′′(λi) = g ′′(λi) . . . fmi−1(λi) = g mi−1(λi) sendo λi os autovalores de A e mi a multiplicidade de λi. Neste caso podemos assumir que f(λ) = g(λ) Script para solução 1. n = size(A) 2. eig(A) = λ1, λ2, . . . , λn 3. Multiplicidade mi de cada λi 4. f(λi) = e λi 5. g(λi) = β0 + β1λ + · · · + βn−1λn−1 6. f(λi) = g(λi) f ′(λi) = g ′(λi) f ′′(λi) = g ′′(λi) . . . fmi−1(λi) = g mi−1(λi) 7. Repetir o processo anterior para um autovalor diferente. 8. Finalizado o procedimento 6 para todos os au- tovalores, determinar os valores dos βi,i = 1, 2, . . . , n. 9. Substituir os valores dos βi na equação e At = β0I + β1A + · · · + βn− 1An−1 10. Calcular eAt Derivadas y = xn → y′ = n xn−1x′ y = ex → y′ = exx′ y = ax → y′ = ax(ln a)x′, (a > 0, a 6= 1) y = xv → y′ = x′v + xv′ y = x v → y′ = x ′v−xv′ v2 y = cos(x)→ y′ = −x′sen(x) y = sen(x)→ y′ = x′cos(x) Integrais∫ a dx→ ax + c∫ xn dx→ 1 n+1 xn+1 + c∫ ex dx→ ex + c∫ ax dx→ a x (ln a) + c, (a > 0, a 6= 1)∫ dx x dx→ ln|x| + c∫ cos(x) dx→ sen(x) + c∫ sen(x) dx→ −cos(x) + c Dicas (a + bj)(a− bj) = a2 + b2 Função Diafontina A(s)D(s) + B(s)N(s) = F (s) [ A0 B0 A1 B1 A2 B2 ] D0 D1 D2 D3 0 0 N0 N1 N2 N3 0 0 0 D0 D1 D2 D3 0 0 N0 N1 N2 N3 0 0 0 D0 D1 D2 D3 0 0 N0 N1 N2 N3 = [ F0 F1 F3 F4 F5 ] 4
Compartilhar