Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 1-Introdução ao Controle de Processos Plantas químicas não operam em estado estacionário. O estado estacionário, apesar de ser uma condição de operação desejável, nem sempre é atingido ou mantido por muito tempo. Isso quer dizer que numa planta química, as condições de operação estão sujeitas a mudanças ao longo do tempo. O nível de líquido em um equipamento, a pressão em um vaso, a vazão de um reagente ou sua composição; todas estas condições podem (e costumam) variar. Assim, existe a necessidade de se monitorar a operação destas plantas e intervir para garantir a satisfação dos objetivos operacionais. 1.1-Porque controlar? Plantas químicas devem operar sob condições conhecidas e pré-determinadas. Existem várias razões para isso: Segurança: restrições de segurança e ambientais não podem ser violadas. "Operabilidade": certas condições são requeridas para que as reações desejadas ou outras operações ocorram. Economia: plantas químicas são caras e devem gerar lucros. Produtos finais devem atender aos requerimentos de pureza do mercado ou não serão vendidos. Uma planta química deve ser pensada como uma coleção de tanques nos quais materiais são aquecidos, resfriados e reagem, e de tubulações através das quais estes materiais escoam. Tais sistemas em geral não se mantêm em tal estado que a temperatura requerida para uma reação se mantenha, que a pressão além dos limites de segurança em todos os tanques seja evitada ou que a vazão exata para atingir a composição ótima do produto seja atingida. Controlar um processo significa atuar sobre ele, ou sobre as condições a que o processo está sujeito, de modo a atingir algum objetivo - por exemplo, podemos achar necessário ou desejável manter o processo sempre próximo de um determinado estado estacionário, mesmo que efeitos externos tentem desviá-lo desta condição. Este estado estacionário pode ter sido escolhido por atender melhor aos requisitos de qualidade e segurança do processo. Exemplo 1.1: considere o tanque de aquecimento da Figura 1.1: Um líquido entra no tanque com uma vazão Fi (l/h) e uma temperatura T (ºC) onde é aquecido com vapor (que tem uma taxa de alimentação Fst (kg/h)). O tanque é perfeitamente agitado, o que significa que a temperatura da corrente de saída é igual à temperatura do 2 líquido no tanque. A corrente de saída tem vazão F e temperatura T. Os objetivos operacionais do tanque são: 1-Manter a temperatura de saída T num valor desejado Ts 2-Manter o volume de líquido no tanque num valor desejado Vs Figura 1.1-Tanque aquecedor. Se o processo operasse em estado estacionário, ou seja, se nada mudasse, não seria necessário controlar o processo. Uma vez que a temperatura da corrente de saída fosse igual a Ts e o volume de líquido igual a Vs o sistema poderia funcionar sem supervisão ou controle. No entanto, a operação de equipamentos é afetada por fatores externos. Por exemplo, podem ocorrer mudanças na vazão e temperatura de entrada (Fi e Ti). Assim, é necessário um esquema de controle que mantenha T e V nos valores desejados Ts e Vs. Uma outra situação que pode ocorrer é a mudança dos valores desejados. Por algum motivo deseja-se que o tanque deixe de operar na temperatura Ts e no volume Vs e opere em Ts1 e Vs1. Também neste caso um esquema de controle é necessário para levar o sistema às novas condições de operação. Na Figura 1.2 está mostrado um esquema de controle para manter T=Ts quando Ti e/ou Fi sofrem perturbações. Um termopar (sensor de temperatura) mede a temperatura T do líquido dentro do tanque. T é comparada com o valor desejado Ts gerando um desvio =Ts-T. O valor do desvio é enviado para um mecanismo de controle que decide o que deve ser feito para que a temperatura T volte ao valor desejado Ts. Se >0, o que implica em Ts>T, o controlador abre a válvula de vapor de forma que mais calor seja fornecido ao sistema. Ao contrário, se <0, e logo Ts<T, o controlador fecha a válvula de vapor. Está claro que se =0, T=Ts e o controlador não faz nada. Este tipo de sistema de controle, que mede a variável a ser controlada (T neste caso) depois que uma perturbação a afeta é chamado de controle feedback. O valor desejado Ts é chamado de set point e é especificado externamente pela pessoa responsável pela produção (operador). 3 Figura 1.2- Esquema de controle feedback de um tanque aquecedor. Uma configuração similar pode ser usada de desejamos manter o volume V, ou de forma equivalente, o nível de líquido h, no seu set point (hs) quando Fi muda. Neste caso medimos o nível do líquido no tanque e abrimos ou fechamos a válvula que afeta a vazão de saída F, ou a vazão de entrada (Fi). Este também é um esquema de controle feedback já que age depois do fato, ou seja, depois que o efeito da perturbação foi sentido pelo processo (mudança da variável controlada T). Pode-se usar um arranjo diferente para manter a temperatura T=Ts quando Ti muda. Mede-se a temperatura da corrente de entrada Ti e abre-se ou fecha-se a válvula de vapor para fornecer mais ou menos calor. Se Ti aumenta, a temperatura do tanque T tende a subir, logo a válvula de vapor deve ser fechada para fornecer menos calor e manter a temperatura em Ts. Ao contrário, se Ti diminui, deve-se abrir a válvula de vapor. Este esquema de controle é chamado de feedforward e é mostrado na Figura 1.3. Pode-se notar que o controle feedforward não espera até que a perturbação seja sentida pelo sistema, mas age antecipadamente, prevendo qual será o efeito seta perturbação. Figura 1.3-Esquema de controle feedforward de um tanque aquecedor. 4 1.2-Classificação das variáveis de um processo químico As variáveis (vazões, temperaturas, pressões, concentrações etc.) associadas a um processo químico são divididas em dois grupos variáveis de entrada, que estão relacionadas com o efeito do meio externo no processo. variáveis de saída, que estão relacionadas com o efeito do processo no meio externo. Exemplo 1.2: Considere o CSTR (Continuous Stirred Tank Reactor) abaixo: Figura 1.4- CSTR. Para este reator temos: variáveis de entrada: Cai, Ti, Fi, Tci, Fc, (F) variáveis de saída: Ca, T, F, Tco, V A vazão de efluente, F, pode ser considerada uma variável de entrada ou saída. Se há uma válvula na corrente de efluente, de forma que a sua vazão possa ser manipulada por um controlador, F é uma variável de entrada, desde que a abertura da válvula é ajustada externamente; senão F é uma variável de saída. As variáveis de entrada podem ainda ser classificadas da seguinte maneira variáveis manipuladas (ou ajustáveis), cujos valores podem ser ajustados por um operador humano ou por um mecanismo de controle. perturbações, cujos valores não são resultantes de ajuste por um operador ou sistema de controle As variáveis de saída podem ser classificadas em: variáveis medidas, cujos valores são conhecidos por medida direta. variáveis não medidas, cujos valores não podem ser medidos diretamente. Exemplo 1.3: Suponha que a corrente de entrada do CSTR do exemplo 1.2 (Figura 1.4) vem de uma unidade sobre a qual não temos nenhum controle. Então Cai, Fi e Ti são perturbações. Se a vazão de refrigerante é controlada através de uma válvula de controle, Fc é uma variável manipulada, enquanto Tci é uma perturbação. Além disso, se a vazão de efluente é controlada por uma válvula, F é uma variável manipulada, de outra forma é uma variável de saída. 5 Com respeito às variáveis de saída, temos o seguinte: T, F, Tco e V são saídas medidas, desde que seus valores podem ser facilmente conhecidos usando-se termopares (T, Tco), um tuboVenturi (F) e uma célula de diferencial de pressão (V). A concentração Ca pode ser uma variável medida se um analisador (cromatógrafo gasoso, espectofotômetro de infravermelho, etc.) está ligado à corrente de efluente. Em muitas plantas estes analisadores não estão presentes porque são caros e/ou pouco confiáveis. Em tais casos, Ca é uma variável de saída não medida. As perturbações também podem ser classificadas como medidas ou não medidas. Como veremos mais tarde, perturbações não medidas geram problemas de controle mais difíceis. 1.3-Elementos de projeto de um sistema de controle Definir o objetivo do controle: O elemento central de qualquer configuração de controle é o processo a ser controlado. A primeira pergunta que deve ser respondida é qual o objetivo operacional do sistema de controle. Que variáveis se deseja controlar? Selecionar as medidas: Quaisquer que sejam os nossos objetivos de controle, precisamos de meios de monitorar o desempenho do processo químico. Isto é feito medindo-se os valores de certas variáveis de processo (temperaturas, pressões, concentrações, vazões, etc.). Logo a segunda questão é: que variáveis devem ser medidas para monitorar o desempenho da planta? É fácil concluir que gostaríamos de medir diretamente as variáveis que representam os nossos objetivos de controle e isso é o que é feito sempre que possível. Estas medidas são chamadas de medidas primárias. Exemplo 1.4: Para o tanque aquecedor do exemplo 1.1 (Figura 1.1) os nossos objetivos de controle eram manter o volume e a temperatura do líquido no tanque em níveis desejados, ou seja, manter T=Ts e V=Vs. Consequentemente a primeira tentativa é instalar medidores para monitorar T e V diretamente. Para este caso, isso é bastante simples. Algumas vezes acontece que os nossos objetivos de controle não são quantidades mensuráveis, ou seja, pertencem à classe de saídas não medidas. Nestes casos, devem-se medir outras variáveis que possam ser medidas com facilidade e confiança. Estas medidas de suporte são chamadas de medidas secundárias. Então desenvolvemos relações matemáticas entre as saídas não medidas e as medidas secundárias, ou seja saída não medida = f (medidas secundárias) 6 que nos permitem determinar os valores das variáveis não medidas (sempre que os valores das medidas secundárias estejam disponíveis). Estas relações matemáticas podem resultar de considerações empíricas, experimentais ou teóricas. A terceira classe de medidas que podem ser feitas para monitorar o comportamento do processo inclui a medida direta de perturbações externas. Medir as perturbações antes que elas atinjam o processo pode ser muito vantajoso, porque nos permite saber com antecedência qual vai ser o comportamento do processo e tomar ações de controle para evitar qualquer consequência indesejada. Selecionar as variáveis manipuladas: Uma vez que os objetivos de controle foram especificados e as várias medidas identificadas, a próxima questão é: que variáveis manipuladas vamos usar para controlar o sistema? Normalmente num processo temos algumas variáveis de entrada que podem ser ajustadas. Qual selecionar é uma questão importante, que afetará a qualidade das ações de controle tomadas. A variável a manipular tem que ter um efeito razoável sobre aquelas que definem o objetivo desejado. Muita ou pouca sensibilidade geram inconvenientes que devem ser evitados. Pouca sensibilidade significa que seriam necessárias mudanças muito grandes na variável manipulada para produzir um efeito na variável controlada. Neste caso, surgem problemas de saturação de instrumentos, problemas de ruídos etc. Muita sensibilidade também não é desejável, pois apenas uma pequena mudança na variável manipulada já produz um efeito exagerado na variável controlada. Surgem problemas com a resolução dos instrumentos e, novamente, com o efeito de ruídos. Exemplo 1.5: Para controlar o nível de líquido num tanque podemos ajustar (manipular) a vazão da corrente de entrada ou a vazão da corrente de saída. Qual a melhor é uma questão importante a ser respondida mais tarde. Selecionar a configuração de controle: Uma configuração (ou estrutura) de controle é a estrutura de informação que é usada para conectar as medidas disponíveis às variáveis manipuladas disponíveis. Projetar o controlador: Em toda configuração de controle o controlador é o elemento ativo que recebe a informação das medidas e toma ações de controle apropriadas para ajustar os valores das variáveis manipuladas. Para o projeto de um controlador devemos responder à seguinte pergunta: Como a informação tirada das medidas é usada para ajustar as variáveis 7 manipuladas? A resposta desta questão constitui a lei de controle, que é implementada automaticamente pelo controlador. Bibliografia: 1-Stephanopoulos, George, Chemical Process Control: An Introduction to Theory and Practice, Prentice-Hall Inc., New Jersey, 1984. 2-Luyben, William L., Process Modeling, Simulation and Control for Chemical Engineers, 2nd edition, McGraw-Hill Inc., Singapore, 1990. 3-Seborg, Dale E., Thomas F. Edgar e Duncan A. Mellichamp, Process Dynamics and Control, J. Wiley, New York, 1989. 4-Curso de Controle de Processos, PUC-Rio, http://venus.rdc.puc- rio.br/werneckr/index_cp.html. 5-Curso de Controle de Processos, University of NewCastle Upon TY NE, http://lorien.ncl.ac.uk/ming/Dept/Swot/notes.htm. 8 2-Modelagem de processos para controle 2.1-Introdução Toda e qualquer técnica de controle, desde a mais elementar até a mais sofisticada, requer algum grau de conhecimento sobre o comportamento do sistema. Para investigar como o comportamento do sistema (suas saídas) muda com o tempo sob a influência de mudanças nas perturbações externas e variáveis manipuladas, e consequentemente projetar um controlador apropriado, pode-se usar duas abordagens diferentes: abordagem experimental: neste caso o(s) equipamento(s) físico do processo está disponível. Logo, mudamos o valor das várias entradas (perturbações e variáveis manipuladas) e observamos como as saídas variam com o tempo. Este procedimento é demorado e normalmente caro, já que um grande número de experimentos deve ser realizado. Além disso, deve-se garantir que as medidas realizadas contêm informação suficiente para caracterizar completamente a dinâmica do processo, ou pode-se obter um quadro errado desta dinâmica, de forma que podem estar ocorrendo flutuações fortes dentro do sistema que não estão aparecendo nas saídas medidas. abordagem teórica: modelos matemáticos são usados para determinar o comportamento dinâmico ou estático do processo. Como em alguns casos o equipamento físico do processo não está disponível para testes e, mesmo quando está, a abordagem experimental é demorada e cara, a abordagem teórica é a mais usada. Os modelos matemáticos podem ser classificados genericamente em duas categorias: teóricos (fenomenológicos): desenvolvidos a partir de pressupostos teóricos que tentam descrever de forma mais fundamentada os vários aspectos envolvidos no problema. empíricos: não estão baseados em quaisquer pressupostos teóricos, mas apenas são utilizados para descrever um certo conjunto de pontos experimentais conhecidos. A princípio, os modelos empíricos são tão bons quanto os modelos teóricos, embora os modelos teóricos possam ser utilizados de forma bem mais racional do que os modelos empíricos. Por exemplo, as extrapolações feitas com modelos empíricos não são recomendadas, já que nada garante que arealidade vá continuar se comportando daquela forma numa faixa diferente de condições. No entanto, a continuidade dos pressupostos teóricos (e, portanto, do modelo matemático a que dão origem) em condições diferentes é bem mais aceitável. 9 Os modelos podem ainda ser classificados como lineares ou não lineares. O uso de modelos lineares se baseia na hipótese de que os sistemas têm um comportamento que pode ser aproximado linearmente. O seu uso é difundido pois a teoria de controle linear está bastante bem desenvolvida e as equações lineares em geral têm solução analítica, o que permite a fácil obtenção de resultados. Em particular na área de controle de processos, como a principal forma de operação nas grandes indústrias é no estado estacionário, os pequenos desvios associados ao efeito de perturbações não chega a afastar o sistema de um comportamento aproximadamente linear. Entretanto, devemos ter em mente que a realidade é não linear. As crescentes exigências de qualidade e quantidade colocadas para a indústria a defrontam com situações de operação extremas, onde os efeitos não lineares são muito mais importantes. Ainda, existem inúmeros processos que são operados em batelada ou batelada alimentada (polímeros, produtos farmacêuticos, etc.). Neste tipo de operação, não há estado estacionário, e o comportamento do processo é fortemente não linear. Neste caso, são necessários modelos não lineares. Ao se modelar o sistema de interesse, deve-se ter em mente que um modelo muito complexo não tem utilidade em análise e projeto de sistemas de controle. Muitas leis de controle são obtidas a partir de versões simplificadas do comportamento do processo e/ou são ajustadas usando essas versões. Num processo iterativo de projeto, via tentativa e erro, o uso frequente do modelo matemático também requer que o mesmo seja uma versão simples da realidade, caso contrário o esforço computacional requerido seria muito grande. Ainda, muitas das leis de controle mais avançadas incluem um modelo do processo que, consequentemente, tem que ser resolvido em linha. Novamente não podemos nem imaginar o uso de modelos complexos. Neste curso a teoria de controle linear será abordada e, logo, trabalharemos na maioria das vezes com modelos lineares ou linearizados. 2.2- Linearização e variáveis desvio Linearização é o processo pelo qual nós aproximamos sistemas não lineares com sistemas lineares. Considere a seguinte equação diferencial não linear dx dt f x ( ) (2.1) Expanda a função não linear f(x) em série de Taylor em torno de um ponto x0 10 f x f x df dx x x d f dx x x d f dx x x nx x n n x n ( ) ( ) ! ( ) ! ..... ( ) ! ... 0 0 0 2 2 0 0 2 0 0 1 2 (2.2) Se desprezarmos todos os termos de ordem 2 ou maior, temos a seguinte aproximação para o valor de f(x) f x f x df dx x x x ( ) ( ) ( ) 0 0 0 (2.3) A aproximação linear somente é satisfatória quando x está próximo de x0. Na figura 2.1 está mostrada a função não linear f(x) e a sua aproximação linear em torno de x0. Fica claro que a aproximação linear depende da localização do ponto x0 em torno do qual fazemos a expansão em série de Taylor. Compare a aproximação linear de f(x) nos pontos x0 e x1. A aproximação somente é exata no ponto de linearização. Figura 2.1- Linearização em torno de um ponto. Vamos introduzir agora o conceito de variáveis desvio, que é muito útil para controle de processos. Suponha que xs é o valor de estado estacionário de x que descreve o sistema dinâmico da eq. (2.1) inicialmente. Então dx dt f xs s 0 ( ) (2.4) Considere que xs é o ponto de linearização para a eq. (2.1). Então o modelo linearizado é dx dt f x df dx x xs xs s ( ) ( ) (2.5) Subtraia a eq. (2.4) da eq. (2.5) d x x dt df dx x xs xs s ( ) ( ) (2.6) Definimos a variável desvio como x x xs ' (2.7) 11 Então a eq. (2.5) fica dx dt df dx x xs ' ' (2.8) Esta é a aproximação linearizada do sistema dinâmico não linear descrito pela eq. (2.1) expressa em termos de variáveis desvio. A noção de variáveis desvio é muito útil em controle de processos. Normalmente estamos tentando manter o valor de uma variável de processo em algum estado estacionário desejado (set-point). Consequentemente, o estado estacionário é um bom ponto em torno do qual se pode desenvolver o modelo linearizado. Nestes casos, a variável desvio descreve diretamente a magnitude do deslocamento do sistema do nível de operação desejado. Além disso, se o controlador de um dado processo foi bem projetado, não permitirá que a variável de processo se afaste muito do estado estacionário desejado. Desta forma o modelo linear aproximado expresso em termos de variáveis desvio descreverá bem o comportamento dinâmico do sistema. Para sistemas com mais de uma variável, a metodologia para linearização é a mesma. Considere o seguinte sistema dinâmico dx dt f x x1 1 1 2 ( , ) (2.9) dx dt f x x2 2 1 2 ( , ) (2.10) Expanda as funções não lineares f1(x1,x2) e f2(x1,x2) em série de Taylor em torno do ponto (x1,0,x2,0) e despreze os termos de ordem 2 e superiores f x x f x x df dx x x df dx x x x x x x 1 1 2 1 1 0 2 0 1 1 1 0 2 0 1 1 0 1 2 1 0 2 0 2 2 0( , ) ( , ) ( ) ( ), , ( , , , ) , ( , , , ) , (2.11) f x x f x x df dx x x df dx x x x x x x 2 1 2 2 1 0 2 0 2 1 1 0 2 0 1 1 0 2 2 1 0 2 0 2 2 0( , ) ( , ) ( ) ( ), , ( , , , ) , ( , , , ) , (2.12) Substituindo as aproximações acima nas equações dinâmicas (eq. (2.9) e (2.10)) dx dt f x x df dx x x df dx x x x x x x 1 1 1 0 2 0 1 1 1 0 2 0 1 1 0 1 2 1 0 2 0 2 2 0 ( , ) ( ) ( ), , ( , , , ) , ( , , , ) , (2.13) dx dt f x x df dx x x df dx x x x x x x 2 2 1 0 2 0 2 1 1 0 2 0 1 1 0 2 2 1 0 2 0 2 2 0 ( , ) ( ) ( ), , ( , , , ) , ( , , , ) , (2.14) Estas duas últimas equações são lineares e constituem o modelo linearizado que aproxima o modelo não linear descrito pelas eqs. (2.9) e (2.10). 12 Para expressar o modelo linearizado em termos de variáveis desvio, selecione o estado estacionário (x1,s, x2,s) como o ponto em torno do qual a linearização vai ser feita. No estado estacionário as eqs. (2.9) e (2.10) levam a 0 1 1 2 f x xs s( , ), , (2.15) 0 2 1 2 f x xs s( , ), , (2.16) Subtraia as eqs. (2.15) e (2.16) das eqs. (2.13) e (2.14) e obtenha d x x dt df dx x x df dx x x s x s x s s x s x s s ( ) ( ) ( ) , ( , , , ) , ( , , , ) , 1 1 1 1 1 2 1 1 1 2 1 2 2 2 (2.17) d x x dt df dx x x df dx x x s x s x s s x s x s s ( ) ( ) ( ) , ( , , , ) , ( , , , ) , 2 2 2 1 1 2 1 1 2 2 1 2 2 2 (2.18) Definindo as variáveis desvio x x x s1 1 1 ' , ex x x s2 2 2 ' , dx dt df dx x df dx x x s x s x s x s 1 1 1 1 2 1 1 2 1 2 2 ' ( , , , ) ' ( , , , ) ' (2.19) dx dt df dx x df dx x x s x s x s x s 2 2 1 1 2 1 2 2 1 2 2 ' ( , , , ) ' ( , , , ) ' (2.20) Exemplo 2.1- Linearize a seguinte expressão e a escreva em função de variáveis desvio em relação ao ponto x10 e x20: 2)t(2cx)t(2x)t(1bx)t(1ax dt )t(1dx . Nesta expressão a, b e c são parâmetros constantes e x1 e x2 variam com o tempo. Considere x10=1, x20=2, a=b=c=1. Da eq. (2.9) temos que 2)t(2cx)t(2x)t(1bx)t(1ax)2x,1x(1f . Pela eq. (2.11) podemos aproximar f1(x1,x2) por: )2x2x)(2cx21bx()1x1x)(2bxa(2cx2x1bx1ax)2x,1x(1f 00000 2 0000 Logo, )2x2x)(2cx21bx()1x1x)(2bxa(2cx2x1bx1ax dt 1dx 00000 2 0000 No estado estacionário: 2 0000 0 2cx2x1bx1ax0 dt 1dx Subtraindo as duas equações chegamos a: )2x2x)(2cx21bx()1x1x)(2bxa( dt )1x1x(d 00000 0 13 Mas ' 0 1x)1x1x( e ' 0 2x)2x2x( , então a equação acima fica igual a: ' 00 ' 0 ' 2x)2cx21bx(1x)2bxa( dt 1dx Substituindo os valores de x10, x20, a, b e c, chegamos a: '' ' 2x51x3 dt 1dx 2.3-Alguns tipos de modelos matemáticos a)Modelos de equações diferenciais b)Modelos de diferenças finitas c)Modelos de entrada saída (exemplo: modelos de função de transferência) a)Modelos de equações diferenciais Estes são modelos teóricos, baseados nas hipóteses fundamentais que balizam a análise de problemas da engenharia química, que são normalmente os princípios de conservação de massa e energia. Os balanços de massa e/ou energia dão origem a equações diferenciais ordinárias e/ou parciais, geralmente combinadas com uma ou mais equações algébricas. As equações algébricas podem descrever relações termodinâmicas (relações que descrevem as situações de equilíbrio atingidas durante uma reação ou por uma ou mais fases), equações de estado (por exemplo a lei dos gases ideais ou a equação de Van der Waals), equações de taxa de transporte (taxas de transferência de massa, energia etc.), equações de taxas cinéticas (descrevem as taxas de reações químicas), etc. A aplicação dos princípios de conservação permite construir modelos para um grande número de sistemas. No entanto, informações adicionais que não podem ser obtidas das equações de balanço são freqüentemente necessárias. Por exemplo, saber como a densidade de um fluido depende da temperatura ou como a velocidade da reação depende das concentrações dos reagentes. Nestes casos, equações empíricas podem ser utilizadas para descrever a fração desconhecida do modelo ou uma modelagem mais detalhada do fenômeno pode ser utilizada. Por exemplo, pode-se dizer simplesmente que a velocidade de reação varia com uma potência da concentração e tentar determinar o expoente a partir de experimentos, introduzindo-se assim um certo grau de empirismo ao nosso modelo teórico, ou tentar descrever o mecanismo de reação de forma detalhada para tentar desvendar a forma com que a velocidade de reação depende da concentração do reagente. Para a maioria dos sistemas de interesse para um engenheiro químico existem somente três quantidades: massa, energia e momento. Frequentemente, no entanto, as variáveis 14 fundamentais não podem ser medidas diretamente. Nestes casos, selecionamos outras variáveis que podem ser medidas e que agrupadas apropriadamente determinam o valor das variáveis fundamentais. Então massa, energia e momento podem ser caracterizados por variáveis tais como densidade, concentração, temperatura, pressão e vazão. Estas são as chamadas variáveis de estado e os seus valores definem o estado de um sistema. As equações que relacionam as variáveis de estado (variáveis dependentes) às variáveis independentes são derivadas da aplicação de princípios de conservação nas quantidades fundamentais e são chamadas de equações de estado. O princípio da conservação de uma quantidade S diz que: [acúmulo S]/tempo = [entrada S]/tempo - [saída S]/tempo + [geração S]/tempo - [consumo S]/tempo S pode ser: massa total massa dos componentes individuais energia total momento Deve-se lembrar sempre que para os processos químicos a massa total e a energia total não podem ser gerados nem desaparecer. Revisando a forma mais usada das equações de balanço: Balanço de massa total: entradas:i saídas:j jjii FF dt )V(d (2.21) Balanço de massa para o componente A: rVFCFC dt )VC(d dt dn j saídas:j Aji entradas:i Ai AA (2.22) Balanço total de energia: WsQhFhF dt )PKU(d dt dE saídas:j jjj entradas:i iii (2.23) As variáveis que aparecem acima são: : densidade V: volume do sistema F: vazão volumétrica de alimentação nA: número de moles do componente A 15 CA: concentração molar de A (moles/volume) r: taxa de reação por unidade de volume para o componente A h: entalpia específica U, K, P: energias interna, cinética e potencial do sistema Q: quantidade de calor trocada pelo sistema com o meio ambiente por unidade de tempo (por condução, radiação ou reação) Ws: trabalho realizado por unidade de tempo Por convenção, uma quantidade é considerada positiva se entra no sistema e negativa se sai. As equações de estado com as variáveis de estado associadas constituem o modelo matemático do processo, que simula o comportamento dinâmico do processo. A aplicação dos princípios de conservação levam a um conjunto de equações diferenciais com as quantidades fundamentais como variáveis dependentes e o tempo como a variável independente. A solução das equações diferenciais determinam como as quantidades fundamentais, ou equivalentemente, as variáveis de estado, mudam com o tempo, ou seja, o comportamento dinâmico do processo. Se as variáveis de estado não variam com o tempo, dizemos que o processo está em estado estacionário. Neste caso a taxa de acúmulo é zero e, logo, os balanços resultantes são um conjunto de equações algébricas. Exemplo 2.2- Considere o tanque aquecedor do exemplo 1.1 (Figura 1.1). As quantidades fundamentais cujos valores definem o estado do aquecedor são: a massa total de líquido no tanque a energia total do material no tanque o momento O momento permanece constante mesmo com as perturbações e não será considerado. As variáveis de estado, logo, são: massa total no tanque= AhV onde é a densidade do líquido, V é o volume de líquido, A é a área tranversal do tanque e h é a altura do nível de líquido. energia total do líquido no tanque=E=U+K+P Se a velocidade de escoamento da entrada e saída não forem muito altas, o termo de energia cinética é desprezível:dK/dt. Se a diferença de altura entre a entrada e saída não for alta a energia potencial também é desprezível:dP/dt=0. Assim, dE/dt=dU/dt. 16 As equações de balanço são dadas por: balanço de massa total: FF dt )Ah(d i onde Fi e F são as vazões volumétricas de entrada e saída. Considerando-se que não varia com a temperatura FF dt dh A i (2.24) balanço de energia total QhFhF dt )VU(d ii Mas a entalpia é definida como VPUH Para líquidos o termo VP é desprezível e dt dH dt dU Além disso )TT(CpH refonde Cp é a capacidade calorífica do líquido no tanque e Tref é a temperatura de referência onde a entalpia específica do líquido é assumida igual a zero. A equação se transforma em: Q)TT(FCp)TT(CpF dt )]TT(AhCp[d refrefii ref onde Q é a quantidade de calor fornecida pelo vapor por unidade de tempo. Simplificando (assume-se que Tref=0): Cp Q FTTF dt )hT(d A ii Mas, dt dh AT dt dT Ah dt )hT(d A . Substituindo então a equação 2.24 e simplificando chega-se a Cp Q )TT(F dt dT Ah ii (2.25) As variáveis nas equações 2.4 e 2.5 podem ser classificadas como segue: variáveis de estado: h, T variáveis de saída: h, T (medidas) variáveis de entrada: perturbações: Ti, Fi variáveis manipuladas: Q,F (para controle feedback) Fi (para controle feedforward) Elementos adicionais dos modelos matemáticos 17 Além das equações de balanço, precisamos de outras relações para expressar equilíbrio termodinâmico, taxas de reação, taxas de transporte para calor, massa, momento, etc. Estas relações adicionais podem ser classificadas como: Equações de taxas de transporte São necessárias para descrever taxas de transferência de massa, energia e momento. São estudadas em cursos de fenômenos de transporte. Por exemplo, o calor fornecido pelo vapor no exemplo anterior é dado pela seguinte equação de transferência de calor: )TT(UAQ Vt onde U=coeficiente global de tranferência de calor At=área total de transferência de calor TV=temperatura do vapor Equações de taxas cinéticas São necessárias para descrever as taxas de reação química que ocorrem no sistema. São estudadas nos cursos de cinética. Por exemplo, a taxa de uma reação de primeira ordem ocorrendo num CSTR é dada por: A RT E 0 Cekr onde k0=constante cinética E=energia de ativação da reação R=constante dos gases ideais T,CA=Temperatura e concentração de A no líquido reacional. Relações de equilíbrio de fase e reação São necessárias para descrever as situações de equilíbrio alcançadas durante uma reação química por duas ou mais fases. São estudadas em cursos de termodinâmica. Equações de estado São necessárias para descrever relações entre as variáveis que descrevem o estado termodinâmico de um sistema. A equação dos gases ideais e a equação de van der Walls são dois exemplos de equação de estado para sistemas gasosos. Tempo morto Nos exemplos anteriores assumimos que sempre que uma mudança ocorre numa das variáveis de entrada, seu efeito é instantaneamente observado nas variáveis de saída. Na verdade, normalmente quando uma variável de entrada sofre uma mudança existe um 18 intervalo de tempo (curto ou longo) durante o qual nenhum efeito é observado nas saídas do sistema. Este intervalo é chamado de tempo morto. Exemplo 2.3- Considere o escoamento de um líquido incompressível através de um tubo (Figura 2.1a). Se o tubo é termicamente isolado e o calor gerado pela fricção do fluido escoando é desprezível, é fácil concluir que no estado estacionário a temperatura de saída do tubo (Tout) é igual à de entrada (Tin). Se no tempo t=0 a temperatura de entrada muda como mostrado pela curva A mostrada na Figura 2.1b é claro que a temperatura na saída (Tout) vai permanecer a mesma até que a mudança chegue ao final do tubo. Então vamos observar a temperatura de saída mudando, como mostrado na curva B na Figura 2.1b. Notamos que a mudança na temperatura de saída segue a mesma forma da mudança na entrada com um atraso de td segundos. td é o tempo morto e a partir de considerações físicas é fácil ver que: avav U L AU AL avolumétricvazão tubodovolume td onde Uav é a velocidade média do fluido através da área transversal do tubo, assumida constante. Podemos relacionar Tin e Tout como: )tdt(T)t(T inout Figura 2.2 Exemplos adicionais Exemplo 2.4: Modelo matemático de um CSTR 19 Considere o CSRT do exemplo 1.2 (Figura 1.4), onde uma reação simples exotérmica A B acontece no reator, que é resfriado por um fluido refrigerante que escoa através de uma jaqueta em torno do reator. As quantidades fundamentais do reator são: massa total de mistura reativa no reator massa do componente A na mistura reativa energia total da mistura reagente no tanque A massa do componente B pode ser calculada a partir dos balanços do componente A e global. Logo, este balanço não é independente. (massa total = massa A + massa B). A massa se conserva, mas não o número de moles dos componentes. Os balanços são: balanço global: FF dt )V(d ii considerando =cte, temos: FF dt dV i balanço para o componente A: rVFCFC dt )VC(d dt dn AiAi AA Substituindo a equação de balanço global (dV/dt) e simplificando: A RT E 0AAi iA Cek)CC( V F dt dC balanço de energia: QrV)Hr()TT(Fcp)TT(cpF dt )]TT(Vcp[d dt dH refrefii ref onde Hr é o calor de reação, que por convenção é negativo para reação exotérmica e Q é o calor retirado pela jaqueta. Simplificando chega-se a: CpV Q Cp r)Hr( )TT( V F dt dT i i Exemplo 2.5- Considere o CSTR com duas fases mostrado na Figura 2.3. Correntes de líquido (F)e vapor (Fv) são retiradas do tanque. A pressão no tanque é P. Os volumes de líquido e vapor são V e Vv. A densidade e temperatura da fase vapor são v e Tv. A fração molar de A no vapor é y. 20 Figura 2.3 Se as fases estão em equilíbrio térmico, as temperaturas do vapor e líquido são iguais (T=Tv). Se existe equilíbrio de fases, as composições do líquido e do vapor estão relacionadas pela lei de Raoult, por uma relação de volatilidade relativa ou alguma outra relação de equilíbrio líquido-vapor. A entalpia da fase vapor (H) é uma função da composição y, da temperatura Tv e da pressão. Desprezando os termos de energia cinética, potencial e trabalho e substituindo as energias internas por entalpias, a equação de balanço global de energia se transforma em: Vr)Hr(QvHFvhFhF dt )hVHvV(d 000 Lv Pode-se substituir a entalpia do líquido por h=CpT e a do vapor por H=CpT+v, onde v é o calor de vaporização da mistura. A equação se transforma em: Vr)Hr(Q)vCpT(vFvCpTFCpTF dt )CpTV)vCpT(vV(d 000 Lv b)Modelos de diferenças finitas Modelos com equações de diferenças finitas correspondem à discretização de modelos de equações diferenciais e são normalmente usados em sistemas de controle digital. Exemplo 2.6: discretização de um modelo de 1 a ordem. Considere o processo dy dt f x y ( , ) (2.26) Discretizando, temos dy dt y y t n n 1 (2.27) ou dy dt y y t n n 1 (2.28) Usando a eq. (2.27) temos a equação de diferenças finitas y y t f y xn n n n 1 1 1 . ( , ) (2.29) 21 Exemplo 2.7: discretização de um modelo de 2 a ordem. d y dt a dy dt a y x 2 2 1 0 (2.30) d y dt d dt dy dt d dt y y t t y y yn n n n n 2 2 1 2 1 2 1 2 ( ) (2.31) 1 2 1 2 1 2 1 0 1 2 2 1 t a t y t a t a y t y xn n n n (2.32) Logo, y a y a y b xn n n n 1 1 2 2 1 1 ' ' ' (2.33)Estes modelos podem ser não lineares ou lineares, dependendo se resultam da discretização de equações diferenciais não lineares ou linearizadas. c) Modelos de entrada-saída Todo processo químico e as suas variáveis associadas podem ser descritos pela Figura 2.4. Um modelo matemático conveniente para um projetista de sistemas de controle deve estar de acordo com esta figura, ou seja, deve ser tal que, dados os valores das entradas, ele calcula diretamente os valores das saídas. Em particular, o modelo deve ter a seguinte forma geral para cada saída saída = f(variáveis de entrada) Figura 2.4 ou seja, usando-se a Figura 2.4: y f m m m d d di k L ( , ,..., ; , ... )1 2 1 2 para i=1,2,…,m. (2.34) Estes modelos que descrevem diretamente a relação entre as variáveis de entrada e saída de um processo são chamados de modelos de entrada-saída. Existem diversos tipos de modelo de entrada-saída, entre eles os modelos de resposta ao degrau, os modelos de convolução, os modelos de funções de transferência e até mesmo as redes neuronais. c.1)Modelos de função de transferência c.1.1) Transformada de Laplace 22 Os modelos de função de transferência usam transformadas de Laplace. Estas transformadas são muito usadas em controle de processos, já que permitem o desenvolvimento de representações dinâmicas bastante simples de processos químicos. Elas transformam equações diferenciais lineares ou linearizadas em equações algébricas, com as quais é muito mais fácil trabalhar, e permitem uma análise rápida da dinâmica do processo. Além disso, elas fornecem uma relação direta entre as entradas e saídas do processo. A transformada de Laplace de uma função f(t) é definida da seguinte forma: dtf(t)ef(s)[f(t)] 0 st- L (2.35) Nota-se que a transformada de Laplace é a transformação de uma função do domínio do tempo (onde t é a variável independente) para o domínio s (onde s é a variável independente). s é uma variável definida no plano complexo (s=a+jb). A transformada de Laplace é uma operação linear: )]t(f[a)]t(f[a)]t(fa)t(fa[ 22112211 LLL (2.36) onde a1 e a2 são parâmetros constantes. Propriedades adicionais das transformadas de Laplace: Teorema do valor final: 0st )]s(sflim[)t(flim (2.37) Teorema do valor inicial: s0t )]s(sflim[)t(flim (2.38) c.1.2) Funções de transferência dos modelos entrada-saída Considere um sistema simples com uma entrada e uma saída (SISO-Single input Single Output), como descrito na Figura 2.5a. O seu comportamento dinâmico é descrito por uma equação diferencial linear ou linearizada de ordem n. Figura 2.5 a d y dt a d y dt a dy dt a y bf tn n n n n n 1 1 1 1 0 ..... ( ) (2.39) 23 onde f(t) e y(t) são as variáveis de entrada e saída do processo, respectivamente. As duas são descritas como variáveis desvio. Considere que o sistema inicialmente está no estado estacionário. Logo y dy dt d y dt d y dtt t n n t ( ) ........0 0 0 2 2 0 1 1 0 (2.40) Sabemos que a transformada de Laplace da derivada é dada por )0(y)0(sy.......)0(ys)0(ys)s(ys dt )t(yd 1n2n'2n1nn n n L (2.41) Logo, pode-se calcular a transformada de Laplace da eq. (2.39) a s y s a s y s a sy s a y s bf sn n n n( ) ( ) ...... ( ) ( ) ( ) 1 1 1 0 (2.42) Pode-se escrever a função de transferência, G(s), que relaciona a entrada diretamente com a saída numa forma algébrica simples G s y s f s b a s a s a s an n n n ( ) ( ) ( ) ....... 1 1 1 0 (2.43) A figura 2.5b descreve esta relação entrada-saída e é chamada de diagrama de blocos do sistema. Se o processo tem duas entradas, como mostrado na figura 2.6a, o modelo dinâmico é a d y dt a d y dt a dy dt a y b f t b f tn n n n n n 1 1 1 1 0 1 1 2 2 ..... ( ) ( ) (2.44) Com as mesmas condições iniciais (eq. (2.38)), temos y s b a s a s a s a f s b a s a s a s a f s n n n n n n n n ( ) ...... ( ) ...... ( ) 1 1 1 1 0 1 2 1 1 1 0 2 (2.45) Ou equivalentemente y s G s f s G s f s( ) ( ) ( ) ( ) ( ) 1 1 2 2 (2.46) onde G1(s) e G2(s) são duas funções de transferência que relacionam a saída do processo a cada uma das entradas. Estas relações estão mostradas no diagrama de blocos da figura 2.6b. Um procedimento semelhante pode ser aplicado a qualquer sistema com uma saída e várias entradas, como mostrado na figura 2.7. 24 Figura 2.6 Figura 2.7 Resumindo, pode-se definir a função de transferência entre uma entrada e uma saída da seguinte forma G s( ) transformada de Laplace da saida, em variaveis desvio transformada de Laplace da entrada, em variaveis desvio (2.47) 25 26 27 c.1.3) Inversão de transformadas de Laplace (Expansão por frações parciais ou expansão de Heaviside) O ponto crítico para se achar a solução de uma equação diferencial usando transformadas de Laplace é a inversão destas transformadas para voltar ao domínio do tempo. Vamos então estudar o método das frações parciais para inversão destas transformadas. Considere que a transformada de Laplace de uma função desconhecida x (t) é dada por: )s(P )s(Q )s(x Caso 1- P(s) com raízes reais e distintas Considere a seguinte função de transferência: )s(P )s(Q 2ss2s 6ss )s(x 23 2 28 P(s) é de 3ª ordem e tem três raízes: p1=1, p2=-1 e p3=2 Então P(s) pode ser escrito como )2s)(1s)(1s()s(P Então a equação de x(s) pode ser expandida em frações parciais como )2s( C )1s( C )1s( C )2s)(1s)(1s( 6ss )s(x 321 2 (2.48) A inversa desta função de transferência é igual a: )2s( C )1s( C )1s( C )t(x 3 1- 2 1- 1-1 LLL Usando a Tabela 2.1, temos: t2 3 t 2 t 1 eCeCeC)t(x (2.49) Para calcular C1 deve-se multiplicar os dois lados da equação acima por (s-1): )2s( )1s(C )1s( )1s(C C )2s)(1s( )6ss( )s(x 321 2 Se assumirmos (s-1)=0 ou s=1, temos: 3 )2s)(1s( )6ss( C 1s 2 1 Para calcular C2 deve-se multiplicar ambos os lados da eq. (2.48) por (s+1): )2s( )1s(C C )1s( )1s(C )2s)(1s( 6ss )s(x 32 1 2 Assumimos s+1=0 ou s=-1, logo: 3/2 )2s)(1s( 6ss C 1s 2 2 Para calcular C3 deve-se multiplicar ambos os lados da eq. (2.48) por (s-2): 3 21 2 C )1s( )2s(C )1s( )2s(C )1s)(1s( 6ss )s(x Assumimos s-2=0, ou seja, s=2. Logo 3/4 )1s)(1s( 6ss C 2s 2 3 Da eq. (2.49) temos a resposta: t2tt e3/4e3/2e3)t(x Caso 2- P(s) com raízes complexas e distintas Considere a transformada: 29 5s2s 1s )s(x 2 P(s)tem duas raízes distintas e complexas conjugadas: p1=1+2j e p2=1-2j Então )]j21(s)][j21(s[5s2s)s(P 2 Expandindo em frações parciais: )j21(s C )j21(s C )]j21(s)][j21(s[ 1s 5s2s 1s )s(x 21 2 Usando a Tabela 2.1: t)j21( 2 t)j21( 1 eCeC)t(x Para calcular C1, multiplica-se ambos os lados da equação acima por [s-(1+2j)] )j21(s )]j21(s[C C )]j21(s[ 1s 2 1 Fazendo [s-(1+2j)]=0, ou seja s=1+2j, calcula-se 2 j1 C1 Fazendo [s-(1-2j)]=0, ou seja s=1-2j, calcula-se 2 j1 C2 Note que os coeficientes C1 e C2 são complexos conjugados. Substituindo a resposta é: t)j21(t)j21( e 2 j1 e 2 j1 )t(x ou jt2jt2 t e)j1(e)j1[( 2 e )t(x Relembrando a identidade de Euler: asenjacose ja Então t2senjt2cose jt2 e t2senjt2cos)t2sen(j)t2cos(e jt2 Então )t2sent2(cose )]t2senjt2)(cosj1()t2senjt2)(cosj1[( 2 e e)j1(e)j1[( 2 e )t(x t t jt2jt2 t 30 Relembrando a identidade trigonométrica: )bsen(3absen2abcos1a onde 22 2a1a3a e 2a 1a tan 1 Então a resposta é )t2sen(2e)t(x t onde =tan-1(1/1)=45º Então, sempre que um polinômio P(s) tiver raízes complexas : -elas sempre serão pares complexos conjugados -os coeficientes dos termos correspondentes na expansão em frações parciais também serão complexos conjugados um do outro. -darão origem a um termo periódico (ex. onda senoidal). Caso 3- P(s) com raízes múltiplas Considere a transformada de Laplace: )2s()1s( 1 )s(x 3 Este polinômio tem 3 raízes iguais e uma diferente: p1=p2=p3=-1 e p4=-2 Expandindo em frações parciais: 2s C )1s( C )1s( C 1s C )2s()1s( 1 )s(x 4 3 3 2 21 3 (2.50) Pelas tabelas 2.1 e 2.2 temos que: t2 4 t23t 2 t 1 eCet 2 C teCeC)t(x Cálculo de C4: este coeficiente é o correspondente à raiz distinta e pode ser calculado pelo procedimento já descrito, ou seja, multiplica-se ambos os lados da eq.(2.50) por (s+2) e faça s=-2. C4=-1. Cálculo de C3: multiplique ambos os lados da eq. (2.50) por (s+1) 3 : 2s )1s(C C)1s(C)1s(C )2s( 1 34 32 2 1 (2.51) Faça s=-1 e obtenha C3=1. Cálculo de C2: o procedimento descrito acima não funciona. Se multiplicarmos ambos os lados da equação por (s+1) 2 temos: 31 2s )1s(C )1s( C C)1s(C )2s)(1s( 1 2 43 21 Fazendo s=-1, tanto o lado esquerdo quanto o termo envolvendo C3 tendem a infinito. O mesmo problema acontece se tentarmos calcular C1. Então, um procedimento alternativo deve ser usado. Diferencie ambos os lados da eq. (2.51) com relação a s e obtenha: 2 2 4212 )2s( )5s2()1s( CC)1s(C2 )2s( 1 (2.52) Faça s=-1 e obtenha C2=-1. Cálculo de C1: para obter C1 diferencie a eq. (2.52) uma vez mais e obtenha: 3 2 413 )2s( 7s5s )1s(2CC2 )2s( 2 Faça s=-1 e obtenha C1=1. c.1.4) Pólos e zeros de uma função de transferência De acordo com a definição de função de transferência, temos: )s(f )s(y )s(G (2.53) Em geral, a função de transferência G(s) será a razão de dois polinômios: )s(P )s(Q )s(G (2.54) Para sistemas fisicamente realizáveis, o polinômio Q(s) será sempre de ordem menor do que o P(s). As raízes do polinômio Q(s) são chamadas de zeros da função de transferência ou zeros do sistema cuja dinâmica é descrita pela função de transferência G(s). Quando a variável s assume os valores dos zeros de Q(s), a função de transferência é igual a zero. As raízes do polinômio P(s) são chamadas de pólos da função de transferência, ou equivalentemente de pólos do sistema. Nos pólos de um sistema a função de transferência tende ao infinito. Se sabemos onde os pólos de um sistema estão localizados, podemos determinar as características qualitativas da resposta do sistema a uma entrada em particular sem cálculos adicionais. Por exemplo, considere que a função de transferência de um sistema dada por: )5ps*)(4ps)(4ps()3ps)(2ps)(1ps( )s(Q )s(G m 32 onde p1, p2, p3, p4, p4* e p5 são as raízes de P(s), ou seja, os pólos do sistema. As seguintes observações podem ser feitas sobre a localização dos pólos: 1- Pólos distintos e reais, tais como p1 e p2 na Figura 2.8, estão localizados no eixo real. Durante a inversão da transformada de Laplace, dão origem a termos exponenciais tais como C1e p1t e C2e p2t . Como p1<0, C1e p1t cai exponencialmente para zero para t (Figura 2.9a). Como p2>0, C2e p2t aumenta exponencialmente conforme t (Figura 2.9b). Então, pólos distintos no eixo real negativo produzem termos que caem para zero com o tempo, enquanto pólos positivos reais fazem com que a resposta tenda a infinito com o tempo. 2-Múltiplos pólos reais, tais como p3, que são repetidos m vezes, levam a termos como: t3p1mm323332 31 et )!1m( C ...t !2 C t !1 C C O termo entre colchetes tende à infinito com o tempo. O comportamento do termo exponencial depende do valor do pólo p3: Se p3>0 então e p3t quando t. Se p3<0 então e p3t0 quando t. Se p3=0 então e p3t =1 pata todo tempo t. Então pólos reais e múltiplos levam a termos que tendem ao infinito, se o pólo é positivo ou zero, ou decaem para zero, se o pólo é negativo. Figura 2.8 33 Figura 2.9 3-Pólos conjugados e complexos, tais como p4 e p4*. Deve-se enfatizar que estas pólos sempre aparecem em pares conjugados e nunca sozinhos. Seja p4=a+jb e p4=a-jb. Na inversão estes levam a termos tais como e at sen(bt+). A função sen(bt+) é periódica e oscilatória e o comportamento de e at depende do valor da parte real a. Então: Se a>0, então e at quando t, e e at sen(bt+) tende para infinito de forma oscilatória (Figura 2.10a). Se a<0, então e at0 quando t, e e at sen(bt+) cai para zero de forma oscilatória com amplitude decrescente (Figura 2.10b). Se a=0, então e at =1 para todo t, e e at sen(bt+)=sen(bt+), que oscila continuamente com amplitude constante (Figura 2.10c). Figura 2.10 Então, um par de complexos conjugados como pólos levam a comportamento oscilatório, cuja amplitude pode crescer continuamente se a parte real do pólo complexo for positiva, decrescer para zero se a parte real do complexo for negativa ou permanecer constante se a parte real for zero. 34 Observações 1-O comportamento descrito acima é geral e descreve qualquer sistema. Assim, pode-se encontrar as características qualitativas da resposta do sistema se sabemos onde os pólos da sua função de transferência estão localizados. Para uma entrada particular f(t) devemos considerar as raízes adicionais introduzidas pelo denominador de f(s) antes de ter o quadro completo da resposta do sistema. 2-Pólos à direita do eixo imaginário levam a termos que crescem para o infinito com o tempo. Tais sistemas com comportamento não limitado são chamados de instáveis. Assim, um sistema será estável (ou seja, com resposta dentro de limites) se todos os pólos estão situados à esquerda do eixo imaginário (Figura 2.8).35 3-Comportamento Dinâmico 3-1-Sistemas de primeira ordem Um sistema de primeira ordem é aquele cuja saída y(t) é modelada por uma equação diferencial de primeira ordem. Então no caso de um sistema linear ou linearizado, temos: )t(bfya dt dy a 01 (3.1) onde f(t) é a entrada do sistema. Se a00, então a equação acima pode ser escrita como: )t(f a b y dt dy a a 00 1 Definimos p 0 1 a a e p 0 K a b Logo a equação se transforma em )t(fKy dt dy pp (3.2) p é conhecida como a constante de tempo do sistema e Kp é chamado de ganho estático ou ganho estacionário do processo. Se y(t) e f(t) estão em termos de variáveis desvio em torno do estado estacionário inicial, as condições iniciais são: y(0)=0 e f(0)=0 Logo, a função de transferência de um processo de primeira ordem é: 1s K )s(f )s(y )s(G p p (3.3) Um processo de primeira ordem com a função de transferência acima é também conhecido como atraso de primeira ordem (first-order lag) ou atraso linear (linear lag). Se a0=0, então da eq. (3.1) temos: )t(fK)t(f a b dt dy ' p 1 que leva a uma função de transferência: s K )s(f )s(y )s(G ' p (3.4) Neste caso o processo é chamado de puramente capacitivo ou integrador puro. 36 Resposta dinâmica de um processo de primeira ordem Imagine um processo com função de transferência dada pela eq.(3.3). Vamos examinar como ele responde a um degrau unitário em f(t). Como f(s)=1/s, da eq. (3.3) temos: 1s K s K )1s(s K )s(y p ppp p p Invertendo esta equação temos: )e1(K)t(y p /t p 3.2-Sistemas de segunda ordem Um sistema de segunda ordem é descrito por equações diferenciais de segunda ordem. Por exemplo, a seguinte equação descreve um sistema linear de segunda ordem: )t(bfya dt dy a dt yd a 012 2 2 (3.5) Se a00, então: )t(fKy dt dy 2 dt yd p2 2 2 (3.6) onde 2=a2/a0, 2=a1/a0 e Kp=b/a0. A equação (3.6) está na forma padrão de um sistema de segunda ordem, onde =período natural de oscilação do sistema =fator de amortecimento Kp=ganho de estado estacionário, ganho estático ou simplesmente ganho do sistema. Se a eq. (3.6) está escrita em termos de variáveis desvio, as condições iniciais são iguais a zero e a sua transformada de Laplace leva à seguinte função de transferência: 1s2s K )s(f )s(y )s(G 22 p (3.7) Resposta dinâmica de um processo de segunda ordem Vamos examinar como um sistema descrito pela função de transferência dada pela eq. 3.7 responde a um degrau unitário na entrada. Para um degrau unitário a eq. 3.7 fica: )1s2s(s K )s(y 22 p (3.8) Os dois pólos da função de transferência são dadas pelas duas raízes do polinômio característico 01s2s22 37 e são 1 1p 2 e 1 2p 2 Logo, a eq. 3.8 se transforma em: )2ps)(1ps(s /K )s(y 2 p (3.9) e a forma da resposta y(t) vai depender da localização dos dois pólos, p1 e p2, no plano complexo. Pode-se distinguir três casos distintos: Caso A: quando > 1, temos dois pólos distintos e reais Caso B: quando = 1, temos dois pólos iguais (pólos múltiplos) Caso C: quando < 1, temos dois pólos complexos conjugados Caso A: Sistema super amortecido ( > 1) Neste caso a inversão da eq. 3.9 por expensão por frações parciais leva a: t 1senh 1 t 1coshe1K)t(y 2 2 2/t p (3.10) onde cosh(.) e senh(.) são as funções trigonométricas definidas por: 2 ee senh e 2 ee cosh A resposta está mostrada na Figura 3.1 para vários valores de > 1. Ela é conhecida como resposta super amortecida e lembra a resposta de um sistema de 1ª ordem a uma perturbação degrau. No entanto, quando comparada a uma resposta de 1ª ordem notamos que o sistema inicialmente demora a responder e então a sua resposta é bem lenta. Ela se torna mais lenta conforme aumenta. Finalmente, notamos que quando o tempo passa, a resposta se aproxima do seu valor final assintoticamente. Como no caso do sistema de 1ª ordem o ganho é dado por: )entradadaioestacionárestado( )saídadaioestacionárestado( Kp Caso B: Sistema criticamente amortecido ( = 1). Neste caso, a inversão da eq. 3.9 resulta em: /tp e t 11K)t(y (3.11) 38 A resposta também está mostrada na Figura 3.1. Notamos que um sistema de segunda ordem com amortecimento crítico se aproxima do seu valor final mas rápido do que um sistema super amortecido. Figura 3.1 Caso C: Resposta sub amortecida ( < 1) A inversão da eq. 3.9 neste caso leva a: )wtsen(e 1 1 1K)t(y t 2 p (3.12) onde 21 w (3.13) e 2 1 1tan (3.14) A reposta está mostrada na Figura 3.1 para vários valores do fator de amortecimento. Pode-se observar o seguinte: 1-A resposta sub amortecida é inicialmente mais rápida do que a criticamente amortecida ou super amortecida, que é caracterizada como lenta. 39 2-Embora a resposta sub amortecida seja inicialmente mais rápida e atinja o seu valor final rapidamente, não permanece lá, mas começa a oscilar com amplitude progressivamente decrescente. Este comportamento oscilatório faz a resposta sub amortecida completamente diferente das outras. 3-O comportamento oscilatório se torna mais pronunciado com valores menores do fator de amortecimento (). Deve ser enfatizado que quase todas as respostas sub amortecidas numa planta química são causadas pela interação de controladores com as unidades de processo que eles controlam. Assim, este é um tipo de resposta que vamos encontrar com bastante frequência e é importante nos familiarizarmos com as suas características. Figura 3.2-Características de uma resposta sub amortecida. Vamos usar como referência a resposta sub amortecida mostrada na Figura 3.2, de forma a definir os termos empregados para descrever uma resposta sub amortecida. 1-Sobre elevação ou Overshoot: é a razão A/B, onde B é o valor final da resposta e A é o valor máximo em que a resposta excede o seu valor máximo. O overshoot é uma função de , e pode-se demonstrar que ele pode ser calculado por: 21 expovershoot A Figura 3.3 mostra o overshoot contra dado pela eq. acima. Notamos que o overshoot aumenta conforme diminui e que conforme se aproxima de 1 o overshoot se aproxima de zero (resposta criticamente amortecida). 2- Razão de declínio: É a razão C/A, ou seja, a razão entre o valor acima da resposta final atingida por dois picos sucessivos. Ela é descrita por: 40 2 2 )( 1 2 expdeclínioderazão overshoot Esta equação também foi traçada na Figura 3.3. Figura 3.3- efeito do fator de amortecimento no overshoot e razão de declínio. 3-Período de oscilação: da eq. 3.13 temos a frequência das oscilações (rad/tempo) de um sistema sub amortecido. O período de oscilação T (ou seja, o tempopassado entre dois picos sucessivos), é calculado pela relação f2w e f=1/T, onde f é a frequência cíclica. Então: 21 2 T 4- Período natural de oscilação: um sistema de segunda ordem com =0 é um sistema sem amortecimento. Sua função de transferência é: ) 1 js)( 1 js( /K 1s K )s(G 2 p 2 p ou seja, tem dois pólos imaginários puros e vai oscilar continuamente com amplitude constante e frequência natural igual a: 1 wn O período cíclico correspondente Tn é dado por: 2Tn 5- Tempo de resposta: a resposta de um sistema sub amortecido atingirá o seu valor final de forma oscilatória quando t→. Para questões práticas considera-se que a resposta atingiu o valor final quando está dentro da faixa de 5% do valor final e permanece ai. O tempo 41 necessário para a resposta chegar neste ponto é conhecida como tempo de resposta e também está mostrado na Figura 3.2. 6-Tempo de ascensão: este termo é usado para caracterizar a velocidade com a qual o sistema responde. É definido como o tempo necessário para a resposta atingir o seu valor final pela primeira vez (ver Figura 3.2). Pela Figura 3.1b pode-se ver que quanto menor o valor de , menor o tempo de ascensão, ou seja, mais rápida é a resposta do sistema, mas ao mesmo tempo maior é o valor do overshoot. 42 4-Sistemas de Controle Feedback (Controle por Realimentação de Estados) 4.1-Introdução Considere o processo genérico mostrado na Figura 4.1a. Ele tem uma saída y, uma perturbação potencial d e uma variável manipulada m. (a) (b) Figura 4.1- (a) Processo; (b) Malha de controle correspondente. Existem duas situações nas quais um sistema de controle pode ser requerido. Na primeira, a perturbação d, também chamada de carga, muda de maneira imprevisível e o objetivo do controle é manter a saída y num valor desejado. Este é o chamado problema de controle regulatório. Na segunda, é feita uma mudança no valor do estado estacionário desejado (set point) e o objetivo do controle é levar a saída y ao novo estado estacionário. Este é o chamado problema de controle servo. Em ambos os casos a ação de controle feedback é a seguinte: mede-se o valor da saída y usando um equipamento de medida adequado compara-se o valor medido da saída ym ao valor de set point (ysp). O erro é calculado por =ysp-ym. 43 o valor do erro é alimentado ao controlador. Este muda o valor da variável manipulada m de forma a reduzir o erro. O controlador geralmente não afeta a variável manipulada m diretamente, mas através de um elemento final de controle. A figura 4.1b mostra estes três passos. O sistema na figura 4.1a é dito estar em malha aberta, em contraste com o sistema controlado da figura 4.1b, que é dito estar em malha fechada. Vantagens do controle feedback: o sistema de controle não requer nenhum conhecimento da fonte ou natureza da perturbação. para fazer um sistema feedback funcionar só é necessário saber se a variável manipulada faz a variável controlada aumentar ou diminuir. Desvantagens: A principal desvantagem do controle feedback é que a perturbação atinge o processo e somente depois que a saída controlada se afasta do set point é que o sistema de controle toma alguma ação. Embora a maioria dos processos permitam alguma flutuação da variável controlada dentro de uma certa faixa, existem duas condições que fazem com que o controle feedback não funcione bem. Uma delas é a ocorrência de perturbações de grande magnitude que sejam fortes o suficiente para afetar seriamente ou mesmo danificar o processo. O outro caso é o de processos com grandes atrasos (lag). Os componentes de uma malha de controle feedback são processo: equipamentos físicos do processo (tanques, trocadores de calor, reatores etc) instrumentos de medida ou sensores: tais instrumentos são usados para medir a variável de saída e são as principais fontes de informação sobre o que acontece com o processo. Exemplos característicos são -termopares ou termômetros de resistência para medir a temperatura -tubos de venturi para medir vazões -cromatógrafos gasosos para medir a composição de uma corrente Um termômetro de mercúrio não é um instrumento de medida apropriado para ser usado num sistema de controle já que a sua medida não pode ser prontamente transmitida. Por outro lado, um termopar é aceitável, porque gera uma voltagem elétrica que pode ser prontamente transmitida. Logo, a transmissão é um fator crucial na seleção de equipamentos de medida. 44 transdutores: muitas medidas não podem ser usadas para controle até que tenham sido convertidas em quantidades físicas (tais como voltagem elétrica ou corrente, ou um sinal pneumático, isto é, líquido ou ar comprimido) que possam ser transmitidas facilmente. Os transdutores são usados com o propósito de fazer esta conversão. Por exemplo, existem condutores metálicos cuja resistência elétrica muda quando eles são sujeitos a pressão mecânica. Logo, podem ser usados para converter um sinal de pressão para um elétrico. linhas de transmissão: usadas para carregar o sinal medido do sensor ao controlador e do controlador ao elemento final de controle. Estas linhas podem ser pneumáticas (ar comprimido) ou elétricas. Muitas vezes o sinal vindo de um equipamento de medida é muito fraco e não pode ser transmitido por uma distância longa. Nestes casos, as linhas de transmissão são equipadas com amplificadores que elevam o nível do sinal. Por exemplo, a saída de um termopar é da ordem de milivolts. Antes de ser transmitida ao controlador, ela é amplificada ao nível de volts. controlador: também inclui a função do comparador. esta é a unidade com lógica que decide quanto mudar o valor da variável manipulada. Requer a especificação do valor desejado (set point). elemento final de controle: é o equipamento que recebe o sinal de controle e o implementa fisicamente ajustando o valor da variável manipulada. A válvula de controle é o elemento final de controle mais usado, mas não o único. Outros elementos finais de controle usados em processos químicos são: -interruptores de revezamento, para controle on-off -bombas de velocidade variável -compressores de velocidade variável Cada um destes elementos deve ser visto como um sistema físico com uma entrada e uma saída. Consequentemente, o seu comportamento pode ser descrito, por exemplo, por uma equação diferencial ou uma função de transferência. 4.2- Controladores feedback Entre o equipamento de medida e o elemento final de controle está o controlador. A sua função é receber o sinal da saída medida ym(t) e, após compará-lo com o set point ysp, produzir um sinal c(t) de forma a retornar a saída para o valor desejado ysp. Logo, a entrada para o controlador é o erro (t)=ysp-ym(t), enquanto a saída é c(t). Os vários tipos de controladores diferem na forma em que relacionam (t) e c(t). Há três tipos básicos de controladores feedback: 45 proporcional proporcional-integral proporcional-integral-derivativo 4.2.1- Controlador proporcional (P) Seu sinal de saída é proporcional ao erro c t K t cc s( ) ( ) (4.1) onde Kc é o ganho proporcional do controlador e cs é o sinal de bias do controlador, ou seja, o seu sinal de saída quando =0. Um controlador proporcional é descrito pelo valor do seu ganho proporcional Kc ou pela sua banda proporcional (BP=100/Kc). Quanto maioro ganho Kc ou, equivalentemente, quanto menor a sua banda proporcional, maior a sensibilidade do sinal de atuação c(t) a desvios no erro (t). Num controle feedback proporcional pode-se ajustar o ganho do controlador para fazê-lo tão sensível quanto desejado ao erro ajustar o sinal de Kc de forma que a saída do controlador aumente ou diminua quando o desvio aumenta Exemplo: considere que queremos controlar a temperatura (T) no tanque aquecedor da Figura 1.2. A variável manipulada é taxa de calor introduzida pela passagem de vapor na serpentina (Q). Sabemos que se T aumenta, Q deve baixar se T diminui, Q deve aumentar Suponha que Tsp=40 C. -Situação 1: A temperatura aumenta: Tm=60C. Logo, c(t)=Kc(40-60)+cs=-20Kc+cs. Assim, se Kc > 0, a saída do controlador diminui e se Kc < 0, a saída do controlador aumenta. Queremos baixar Q e logo o sinal de Kc deve ser positivo. -Situação 2: A temperatura diminui: Tm=20 C. Logo, (t)=Kc(40-20)+cs=20Kc+cs. Assim, se Kc > 0, a saída do controlador aumenta e se Kc < 0, a saída do controlador diminui. Queremos aumentar Q e logo o sinal de Kc deve ser, novamente, positivo. O bias também pode ser ajustado. Como a saída do controlador é igual a cs quando o erro é zero, cs deve ser ajustado de forma que a saída do controlador e, consequentemente, a variável manipulada, estejam nos seus valores de estado estacionário. 46 O controlador proporcional ideal descrito pela eq. (4.1) e mostrado na Figura 4.2a não inclui limitações físicas na saída do controlador. Uma representação mais real é mostrada na Figura 4.2b. Diz-se que o controlador fica saturado quando a sua saída chega a um limite, cmin ou cmax. Figura 4.2a Figura 4.2b Em variáveis desvio temos que a saída do controlador é dada por c t K tc '( ) ( ) (4.2) Note que o erro já é uma variável desvio e que no estado estacionário =0. A função de transferência para o controlador proporcional é dada por: Kc )s( )s(c )s(Gc (4.3) Uma desvantagem do controle proporcional é a sua inabilidade em eliminar os erros estacionários (off-set) que ocorrem após uma mudança de set point ou após uma perturbação sustentada. Logo, normalmente se usam controladores que contenham ação integral. Em alguns casos onde off-sets podem ser tolerados, o controlador somente proporcional é atrativo devido a sua simplicidade. Por exemplo, em alguns problemas de controle de nível, manter o nível do líquido no set point não é importante, desde que o tanque não transborde ou seque. 4.2.2- Controlador proporcional-integral (PI) Este controlador também é chamado de proporcional+reset. O seu sinal de saída está relacionado ao erro pela equação t 0 s I c c cdt)t( K )t(K)t(c (4.4) onde I é a constante de tempo integral ou tempo de reset (reajuste). Em variáveis desvio: 47 t 0I c c ' dt)t( K )t(K)t(c (4.5) Podemos explicar a origem do termo reset (reajuste). Considere que o erro mude num degrau de magnitude . Pela equação 4.4 pode-se ver que no tempo t=0 a saída do controlador c'(t) é igual a Kc ( a contribuição do termo integral é zero). Depois de I minutos, a contribuição do termo integral é: cI I c I 0I c K K dt)t( K (4.6) Ou seja, a ação integral "repete" a resposta da ação proporcional. Esta repetição ocorre a cada I minutos. Tempo de reset, então, é o tempo necessário para o controlador repetir a ação proporcional inicial na saída. A ação integral faz com que a saída do controlador c(t) mude enquanto existir um erro na saída do processo. Logo, este controlador pode eliminar mesmo pequenos erros. Uma desvantagem da ação de controle integral está relacionada justamente a esta característica de que a saída muda enquanto houver erro. Frequentemente os erros não são eliminados rapidamente e, passado algum tempo, produzem valores cada vez maiores para o termo integral, que por sua vez continua aumentando a ação de controle até a saturação (por exemplo, a válvula completamente aberta ou fechada). Esta condição é chamada integral windup e ocorre quando um controlador PI ou PID encontra um erro sustentado, como, por exemplo, durante a partida de um processo em batelada ou depois de uma grande mudança de set point. Pode também ocorrer em consequência de uma grande perturbação de carga sustentada que está além da faixa da variável manipulada. Existem controladores comerciais que apresentam antireset windup, que retira a ação integral temporariamente sempre que a saída do controlador está saturada e depois a retorna. A partir da equação 4.5 pode-se calcular a função de transferência para o controlador PI: s 1 1K )s( )s(c )s(Gc I c (4.7) obs.: A transformada de Laplace da integral é dada por: )s(f s 1 dt)t(f t 0 L 4.2.3- Controlador proporcional-integral-derivativo (PID) A saída deste controlador é dada por 48 c t K t K t dt K d dt cc c I c D s t ( ) ( ) ( ) 0 (4.8) onde D é a constante de tempo derivativa. Com a presença do termo derivativo o controlador PID antecipa qual vai ser o erro no futuro imediato e aplica a ação de controle proporcional à taxa atual de mudança do erro. Devido a esta propriedade a ação derivativa também é chamada de controle antecipativo. Os maiores desafios proporcionados por esta ação de controle são os seguintes para uma resposta com erro diferente de zero mas constante, não há ação de controle, já que d/dt=0. para uma resposta com ruído e erro praticamente zero, derivadas grandes podem ser calculadas e logo a ação de controle será grande, embora não necessária. A função de transferência para o controlador PID é dada por: s s 1 1K )s( )s(c )s(Gc D I c (4.9) Como no controlador proporcional, o sinal de Kc também pode ser escolhido para os controladores PI e PID. Quando Kc > 0, a saída do controlador c(t) aumenta quando a variável medida ym(t) diminui. Neste caso o controlador é de ação reversa. Quando Kc < 0, o controlador é de ação direta, já que a saída do controlador aumenta quando a variável medida aumenta. 49 5- Comportamento dinâmico de processos com controle feedback 5.1-Diagrama de blocos e a resposta em malha fechada Considere o sistema em malha fechada mostrado na Figura 4.1 b. Para cada um dos seus quatro componentes (processo, equipamentos de medida, controlador e elemento final de controle) podemos escrever a função de transferência correspondente, relacionando a saída com a entrada. Em particular, se desprezarmos a dinâmica das linhas de transmissão, temos: Processo: )s(d)s(Gd)s(m)s(Gp)s(y (5.1) Equipamento de medida: )s(y)s(Gm)s(ym (5.2) Controlador: )s(ym)s(ysp)s( comparador (5.3) )s()s(Gc)s(c ação de controle (5.4) Elemento final de controle: )s(c)s(Gf)s(m (5.5) onde Gp, Gd, Gm, Gc e Gf são as funções de transferência entre as saídas e entradas correspondentes. A Figura 5.1 mostra o diagrama de blocos para o sistema de controle em malha fechada. Figura 5.1- Diagrama de blocos de um sistema em malha fechada. 50 A série de blocos entre o comparador e a saída controlada (Gc, Gf e Gp) constituem o caminho "para frente" (forward) e o bloco Gm está no caminho da realimentação
Compartilhar