Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Modelagem Dinâmica do Processamento Primário de Petróleo: Conceitos Fundamentais e Aplicação em Controle de Processos. Giovani Cavalcanti Nunes Petróleo Brasileiro S.A. - PETROBRAS Ofélia de Q.F. Araújo e Jose Luiz Medeiros Escola de Química Universidade Federal do Rio de Janeiro 2 1 INTRODUÇÃO AO CONTROLE DE PROCESSOS A dinâmica e o controle de processos constituem uma área interdisciplinar que envolve: • Engenharia de processos: entender um processo é a base para modelá-lo e controlá-lo. Um modelo do processo a controlar deve ser desenvolvido para compreender os fundamentos da sua operação e testar estratégias de controle. • Engenharia de controle: oferece métodos e técnicas para operar em condições ótimas (ou sub-ótimas) em todos os níveis hierárquicos. Estratégias de controle são propostas para atingir metas de operação • Engenharia de software: a abordagem de simulação ou solução de controle deve ser implementada de forma apropriada em plataforma e software adequados Estas três áreas – processo, controle e tecnologia da informação – respondem perguntas como: “o que”, “porque”, como e “de que forma” e têm por objetivos: • Aumentar produtividade • Aumentar rendimento • Diminuir consumo de energia • Diminuir emissão de poluentes • Reduzir produtos for a de especificação • Segurança • Aumentar vida dos equipamentos • Operabilidade Este texto apresenta a dinâmica e o controle de processos baseado em métodos matemáticos gerais empregados na descrição de sistemas de processamento primário de petróleo, empregando ambiente MATLAB®/SIMULINK® (The Mathworks, Inc) para investigas ar relação entre as variáveis de entrada e as respostas do sistema, e testar estratégias de controle desenvolvidas. Na primeira parte, apresentam-se aspectos de modelagem de processos off-shore típicos, e, na seqüência, são introduzidas as bases para controle destes processos. As atividades envolvidas no desenvolvimento de Sistemas de Controle estão resumidas no diagrama da Figura 1.1. 3 Figura 1.1: Síntese de Sistemas de Controle Para ilustrar um sistema de controle típico, apresenta-se na Figura 1.2 o controle de nível de um separador bifásico. Figura 1.2: Controle PID de Separador Bifásico O diagrama de blocos da malha de controle é apresentado na Figura 1.3. Nesta, r(t) é o valor de referência (ou set-point) para a variável de resposta controlada, h(t). u(t) é a ação do controlador enviada à válvula de controle, ou “elemento final de controle”, produzindo a entrada manipulada Lout(t). O processo controlado, isto é, o separador, recebe também a influência da perturbação Lin(t). A resposta do processo, h(t), é medida por um sensor, o 4 elemento primário de controle e o seu sinal é comparado ao valor de referência, produzindo o “erro de controle”. A função do controlador é de corrigir este erro. Figura 1.3: Diagrama de Blocos do Separador com Controle PID Os elementos da malha de controle seguem padrão de instrumentação pneumático (sinal de 3 a 15 psig), analógico (4 a 20 mA) ou digital (1 a 5 V). Normalmente, o padrão adotado é o analógico, e as válvulas, geralmente com atuadores pneumáticos, necessitam de um conversor de corrente para pressão (I/P). Neste texto, são introduzidos elementos de controle de processos para possibilitar que um engenheiro iniciante adquira os conhecimentos básicos que lhe permitam analisar e determinar a melhor configuração de controle para processos de produção de petróleo. Serão apresentadas estratégias de controle monovariáveis, ou SISO (single input single output), na estrutura de realimentação (feedback) da Figura 2.7, com ênfase na sintonia de controladores PID. Outras estratégias como controle cascata, controle antecipatório (feedforward), controle override e controle multivariável serão igualmente abordadas Na seleção das estratégias e sintonia das malhas de controle, modelos de processos offshore fazem-se necessários e são tratados a seguir. 5 2 MODELAGEM MATEMÁTICA O desenvolvimento das equações que relacionam as diferentes variáveis (de entrada e de saída) e a determinação dos parâmetros associados é conhecido como modelagem matemática de processos. Adota-se em modelagem aplicada a controle representação de Entrada-Saída, conforme ilustrado na Figura 2.1. Figura 2.1: Representação de Entrada-Saída No contexto de controle de processos, as variáveis de entrada são entradas manipuladas e perturbações (que afastam o processo do seu estado estacionário) e as variáveis de saída são respostas, normalmente controladas. Com esta finalidade, são usadas equações de balanço (massa, energia e momento) que descrevem o comportamento do processo a partir das leis que regem os fenômenos físicos e químicos. A esta forma de obtenção dos modelos dá-se o nome de modelagem fenomenológica. Também são utilizadas equações empíricas (um conjunto de equações algébrico - diferenciais, em princípio sem relação com as equações de balanço), gerando um modelo cuja estrutura (número e tipo de equações) e parâmetros são obtidos a partir de dados experimentais, por correlação ou ajuste. A esta forma de modelar dá-se o nome de identificação de processos. Uma vez determinado o modelo do processo, a resolução numérica das equações permite determinar os valores que as variáveis de saída deverão adotar em diferentes condições de operação (variáveis de entrada), este procedimento é chamado de simulação de processos. A Figura 2.2 esquematiza as três situações. Figura 2.2: Simulação, Identificação e Controle 2.1 Classificação dos Modelos de Processos Os modelos podem ser classificados de acordo com a natureza das equações envolvidas. 6 a) Quanto à dependência na variável tempo: o modelo é estacionário se todas as variáveis são independentes do tempo e é dito dinâmico se uma ou mais variáveis são dependentes da variável tempo. b) Quanto à linearidade: Para um processo com várias variáveis de entrada e saída consideremos y o vetor de variáveis de saída e u o de variáveis de entrada, o modelo do processo pode ser representado de forma geral por: H(y,u,t) dt dy = . (2.1) Se a função H(y,u,t) e as condições de contorno forem lineares o modelo é dito linear . Caso contrário, o modelo é não-linear. Embora a natureza apresente, em geral, comportamentos não lineares, os modelos lineares são muito utilizados pela facilidade do tratamento matemático. Deve-se considerar que um modelo linear é uma aproximação, às vezes grosseira, da realidade, e sabendo disto, os resultados obtidos na simulação de um modelo linear devem ser utilizados com cautela. c) Quanto a variações espaciais: um modelo de parâmetros concentrados apresenta parâmetros e variáveis de saída homogêneos em todo o sistema representado. As equações resultantes são Equações Diferenciais Ordinárias, com o tempo como variável independente. Como exemplo, tem-se a representação dinâmica de um reator CSTR. Um modelo de parâmetros distribuídos, por outro lado, considera variações espaciais no comportamento do sistema, e portanto é representado por Equações Diferenciais Parciais. Como exemplo, cita-se o reator PFR, dinâmico. A modelagem de processos pode ser realizada a partir das leis fundamentais de física e química (fenomenológica), a partir da informação contida nas variáveis de processo registradas ao longo do tempo (empírica), ou em abordagem híbrida fenomenológica / empírica. Genericamente os modelos são de parâmetros distribuídos (dependentes do tempo e do espaço) e não lineares. Considere o sistema da Figura 2.3 com N entradas e M saídas e onde as letras Q e W representam calor e trabalhointercambiados com o meio, respectivamente. Q W . .. 1 2 N . .. 1 2 M s Entradas Saídas Figura 2.3: Sistema a ser Modelado 7 As equações de estados são obtidas aplicando-se o Princípio da Conservação. Para uma grandeza S, tem-se que: [ [ [Acú mulo de S] [tempo] [Entrada de S] [tempo] Saída de S] [tempo] Geraç ão de S] [tempo] [Consumo de S] [tempo] = − + − A modelagem rigorosa é aquela que se baseia nos princípios básicos de preservação de Massa (total e por componentes), Energia e Momentum, assim como nas relações constitutivas. Na modelagem para controle, entretanto, busca-se preferencialmente modelos de parâmetros concentrados (dependentes do tempo apenas) e linear. Isto porque há uma vasta teoria de controle linear que nos possibilita executar os projetos de sistemas de controle com muita eficiência. Neste sentido, é necessário que o engenheiro saiba com precisão as implicações das simplificações adotadas. O modelo precisa ser simples o suficiente para ser implementado e também capaz de captar a essência do problema dinâmico que se quer solucionar. Duas metodologias são freqüentemente empregadas: a) Metodologia Empírica (Identificação de Processos) O número e tipo de equações a serem utilizadas em um modelo empírico é determinado de acordo com o comportamento dinâmico do processo. Uma análise quantitativa e qualitativa dos efeitos experimentais apresentados nas variáveis do processo (saídas) quando introduzidas perturbações nas condições de operação (entradas), conjuntamente com critérios de projeto, permitem determinar a estrutura do modelo (número e tipo de equações) e os parâmetros associados. No esquema ilustrado na Figura 2.4, observa-se que o comportamento do modelo proposto é comparado ao do processo para validar a proposta do modelo. A parametrização permite ajustar o modelo escolhido de forma a reproduzir o mais fielmente possível o comportamento do processo. Figura 2.4: Modelagem Empírica 8 Na parametrização, os parâmetros do modelo são ajustados de forma a minimizar a diferença y y calc− , onde y calc é a saída calculada de acordo com o modelo proposto e y as saídas do processo. Em geral, a minimização é realizada a partir do erro quadrático ( )y ycalc− 2 . Os modelos identificados podem também ser baseados na resposta ao impulso ou ao degrau. Perturba-se o sistema e sua resposta no tempo é avaliada. No E&P, este procedimento é adotado com freqüência na implantação de controle preditivo nas UPGNs. Sua utilização se justifica pela dificuldade de se modelar um sistema complexo como uma torre de destilação pois há muitas variáveis interagindo. b) Metodologia Analítica Utiliza os princípios fundamentais (leis físicas e químicas) para determinar as equações diferenciais e algébricas que compõem o modelo. Na formulação do modelo, os passos importantes a serem seguidos são: • Esboçar diagrama esquemático do processo, rotulando todas as variáveis relevantes; • Definir limites físicos; • Determinar e selecionar as variáveis de perturbação e resposta; • Determinar o âmbito de utilização do modelo. • Formular hipóteses simplificadoras que reduzam a complexidade do modelo mas retenham as características mais relevantes do comportamento dinâmico do processo (o modelo não deve ser mais complicado do que o necessário aos objetivos pré- determinados); • Fixar as condições de operação (variáveis) e parâmetros que serão considerados invariáveis com o tempo (constantes). • Aplicar as leis apropriadas para descrever estados em regime estacionário e em regime dinâmico; • Verificar a consistência matemática do modelo: o grau de liberdade deve ser zero. Verificar a consistência de unidades nos termos das equações; • Manter em mente as técnicas disponíveis para resolução do modelo matemático; e • Verificar se os resultados do modelo descrevem o fenômeno físico modelado. Nesta etapa, cabe comparar dados experimentais de entrada e saída do processo com resultados de simulações feitas a partir dos dados de entrada experimentais. 9 Exemplo 2.1 Vasos Horizontais Considere um vaso horizontal atmosférico (tanque). O balanço de massa na fase líquida é aplicado para obtenção de modelo que relacione a resposta do processo (nível) às variáveis de entrada Lin e Lout, respectivamente as vazões de alimentação e de descarga. inL L Figura 2.5: Vaso Cilíndrico Horizontal - Exemplo No vaso horizontal, a relação entre o volume e a altura é não linear (ver o Apêndice 1). )()()()())((2)( tLtL dt tdhththDC dt tdV outin −=−= (2.2) Como a variável de interesse é o nível, o balanço de massa resultante é: )())((2 )()()( ththDC tLtL dt tdh outin − −= (2.3) Para a equação da válvula (ver Apêndice 2), temos. )( 0693,0 )()( thCvtvtLout ⋅⋅= γρ (2.4) onde: h(t) – altura de líquido Lin (t) – vazão volumétrica de líquido na entrada Lout (t) – vazão volumétrica de líquido na saída C – comprimento do vaso D – diâmetro do vaso CvMAXL – coeficiente de vazão v(t) – abertura da válvula de líquido (0 < v < 1) d – densidade do líquido γ – peso específico do líquido 10 ρ – massa específica do líquido Observe-se que, se a abertura da válvula for mantida constante, a vazão é função da altura de líquido no vaso. 2.2 Linearização Para os sistemas lineares, e em particular sistemas lineares invariantes no tempo, existem métodos de solução das equações diferenciais que podem ser utilizados de forma geral. Quando o modelo resulta em equações não-lineares, e para poder utilizar as técnicas de análise de sistemas lineares, recorre-se, freqüentemente, à técnica de linearização em torno do ponto de operação. Considere uma função g(x) não linear em x(t). Expandindo-se os termos não lineares, g(x), em série de Taylor em torno de um valor nominal, x0, e desprezando-se os termos de ordem superior) tem-se. ( ) )( + )()( 0x=x oxxdx xdgxgxg −≅ 0 (2.5) Por exemplo, para 3xxg =)( , uma aproximação linear na vizinhança do ponto x0 6= é: ( )g x x x x xl x x( ) = + −3 2 00 03 (2.6) O gráfico pode ser construído em linguagem MATLAB: x=linspace(0,10,100) ; % Gera 100 pontos entre 0 e 10 g = x.^3; g1 = 216+3*6^2*(x-6); plot(x,g,'b',x,g1,'g--') % Calcula as funções g e g1 xlabel ('x') ylabel ('g(x)') Figura 2.6: Linearização de Equações Não-Lineares 11 Na Figura 2.6, observa-se que o modelo linear só é uma aproximação razoável do modelo não-linear na vizinhança do ponto x0 6= . Exemplo 2.1: Dada uma válvula de controle descrita pela Equação 2.7, a linearização da equação considerando-se a abertura fixa (x constante) é )( , )( thCvxtLout ⋅⋅= γρ 06930 (2.7) Expandindo em serie de Taylor temos )( 0 0 hhKLL houtout −+= (2.8) onde 0069300 hCvxLout ⋅⋅= γρ , , e 0206930 h CvxK γ ρ , ⋅= (2.9) Exemplo 2.2 O volume e o nível de uma vaso horizontal representado na Figura 2.5 estão relacionados pela Equação (2.10). hhDC dh dV )(2 −= (2.10) ou 2 ( )2 2cos 2 4 D h hCD D h D hV a D D D ⎡ ⎤⎛ ⎞−− −⎛ ⎞ ⎛ ⎞= −⎢ ⎥⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎝ ⎠ ⎝ ⎠⎢ ⎥⎝ ⎠⎣ ⎦ (2.11) Aplicando-se expansão em série de Taylor em torno do ponto de operação h0 tem-se: )()(2 0 00 hhhhDCVV hh −−+= (2.12) onde 12 ⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ ⎟⎠ ⎞⎜⎝ ⎛ − ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −−⎟⎠ ⎞⎜⎝ ⎛ −= D hD D hhD D hD aCDV h 0000 2 2)( 2 2 cos 40 Para h0 = D/2, tem-se )2(2 DhCDVV T −=− (2.13) ondeD = diâmetro (que corresponde a altura total do vaso) e VT = volume total do vaso. Considerando-se as variáveis desvios em relação a estados de referência, Vref = VT/2 e href = D/2: Vol = V - VT/2 (2.14) y = h – D/2 (2.15) a Equação 2.13 pode ser reescrita como yCDVol ⋅= (2.16) Note-se que, neste caso, a derivada em relação ao tempo é dt dyCD dt dVol ⋅= (2.17) A Figura 2.7 mostra as diferenças resultantes da linearização. Vê-se que em torno da metade do vaso os erros são menores. Analogamente, a expansão em série de Taylor pode ser empregada para linearizar equações diferenciais ordinárias não-lineares: ))(()( txf dt tdx = (2.18) Linearizando-se em torno do estado estacionário x resulta em ( ) ( )[ ] ( )[ ] ( ) ( )[ ]xtxtdx txdfxf dt xtxd dt tdx −≅−= + )( x (2.19) Assim, definindo a variável desvio como sendo xtxy −= )( (2.20) Obtém-se 13 ( ) ( )[ ] ( ) ( ) y(t) dt d x=tx ⋅⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡≅ tdx txdfty (2.21) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 11 0 V h D ⎛⎜⎝ ⎞⎟⎠ Vlinear h D ⎛⎜⎝ ⎞⎟⎠ 10 h D Figura 2.7: Não linearidade do nível em vasos horizontais No caso das funções com múltiplas variáveis dependentes, tem-se: ( ) ( ) ( ) [ ] ( ) [ ] u du ,vxdfty xd x,vdf dt dyx ,v f dt dx , v, xxf dt dx , v, xxf dt dx vv x=x vv x=x ⋅⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ +⋅⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ ≈⇒= ⎪⎪⎭ ⎪⎪⎬ ⎫ = = == 212 2 211 1 (2.22) onde vvu −= e xxy −= são representações vetoriais. Adota-se na continuidade do desenvolvimento, que o valor inicial corresponde ao estado estacionário. Ou seja, as análises partirão sempre do repouso e adotam-se as seguintes convenções: x0 = valor inicial x = valor no estado estacionário 14 y = sinal de saída do sistema, variável desvio em relação ao estado estacionário. u = sinal de entrada do sistema, variável desvio em relação ao estado estacionário. Exemplo 2.3 Utilizando-se as linearizações efetuadas para a válvula (Exemplo 2.1) e para o volume do vaso (Exemplo 2.2), propõe-se um modelo linear do vaso horizontal da Figura 2.5. Do Exemplo 2.2, tem-se que o balanço de massa linearizado é dado pela Equação (2.3). )()()( tLtL dt tdhCD outin −= (2.23) Substituindo-se a expressão para Lout obtida no Exemplo 2.1, tem-se: ))(()()( hthKLtL dt tdhCD outin −−−= (2.24) Lembrando que no estado estacionário (zerando a variação temporal da equação do balanço de massa) outin LL = obtém-se: [ ] ))(()()( hthKLtL dt hthdCD inin −−−=− (2.25) E, definindo-se as variáveis desvio ( ) ( ) hthty −= e ( ) ( ) inin LtLtu −= resulta )()()( tutKy dt tdyCD =+ (2.26) Dividindo-se por K e definindo-se hCvxDCTp γρ 0690. ⋅⋅⋅= e Cvx h K p ⋅= γρ 0690. (2.27) obtém-se: )()()( tuKty dt tdyT pp =+ (2.28) Exemplo 2.4 Em uma variação do Exemplo 2.1, a linearização da equação da válvula considerando-se a abertura, x, como variável e não mais o nível, com expansão em série de Taylor tem-se: )( vvKLL voutout −+= (2.29) onde 15 hCvvLout ⋅⋅= γρ 0693,0 e 20693,0 hCvvKv ⋅⋅= γρ (2.30) Adotando-se as variáveis desvio, outout LtLty −= )()( e vtvtu −= )()( , resulta em )()( tuKty v−= (2.31) Exemplo 2.5. Com as linearizações efetuadas para a válvula (Exemplo 2.4) e para o volume do vaso (Exemplo 2.3) obtém-se um segundo modelo linear do vaso horizontal. Do Exemplo 2.2, tme-se que o balanço de massa torna-se igual a: outin LtLdt tdhCD −= )()( (2.32) Substituindo-se a expressão para Lout obtida no Exemplo 2.4 (Equação 2.30), tem-se: ))(()()( vtvKLtL dt tdhCD voutin −−−= (2.33) Lembrando que outin LL = , então [ ] ))(()()( xtvKLtL dt hthdCD vinin −−−=− (2.34) Definindo-se as variáveis desvio ( ) ( ) inin LtLtu −=1 e xtxtu −= )()(2 resulta em )()()( 21 tuKtudt tdyT vp −= (2.35) onde CDTp = e 206930 hCvxKv ⋅⋅= γρ , (2.36) 16 3 RESOLUÇÃO DE EDOs LINEARES POR TRANSFORMADA DE LAPLACE A transformada de Laplace é utilizada para resolução de equações diferenciais ordinárias (EDO) lineares ou linearizadas. O sistema originalmente descrito no espaço t transforma-se em equações algébricas no espaço s, um número complexo. O método apresenta 3 etapas: 1) Transformação da EDO (linear) em equação algébrica; 2) Resolução da Equação Algébrica resultante em termos da variável independente s 3) Aplicação da transformada inversa para obter a resolução da EDO. De forma esquemática, o procedimento é descrito na Figura 3.1. Figura 3.1: Transformada de Lapalce Por definição, para t>0: ∫== ∞ − 0 dtetfsFtfL st)()())(( Existem diversas referências com Tabelas de Transformadas de Laplace, onde as transformações são obtidas diretamente. A Tabela 3.1 é um exemplo resumido. Exemplo 3.1 )cos()( wttf = (3.1) Aplicando a transformada de Laplace, obtém-se: ∫== ∞ − 0 dtewtsFtfL st)cos()())(( (3.2) e, aplicando-se a Identidade de Euler, 2 wtiwti eewt −+=)cos( , resulta em ∫ +=∫ += ∞ +−−−∞ −− 00 2 1 2 1 dteedteeesF wtiswtisstwtiwti )()()( )()( (3.3) 17 ou 2222 0 2 2 1 2 1 ws s ws s iws e iws esF wtiswtis +=⎥⎦ ⎤⎢⎣ ⎡ +=⎥⎦ ⎤⎢⎣ ⎡ +−−−= ∞+−−− )()( )( (3.4) Tabela 3.1: Algumas Transformadas de Laplace f(t) F(s) 1 ( )tδ , Impulso unitário 1 2 A , Degrau s A 3 rt , Rampa 2s r 4 τ/te− , Exponencial 1 1 +sτ 5 ate as − 1 6 τ/te−−1 )( 1 1 +ss τ 7 tn-1 ns n )!( 1− 8 )!( / 1 1 1 − −− n et tn n τ τ , (n>0) ( )ns 1 1 +τ 9 ( )tsen ω 22 s+ω ω Exemplo 3.2 1=)(tf (3.6) Pela definição da Transformada de Laplace, tem-se: ss edtesF t t st st 11 00 ==∫= ∞= = −∞ −)()( (3.7) Exemplo 3.3 Neste Exemplo, apresentam-se as Transformadas de derivadas: 18 a) Derivada de Primeira Ordem ∫== ∞ − 0 dtetfsFtfL st)(')())('( (3.8) Definindo-se ⎩⎨ ⎧ == −== −− )(');( ; tfvtfv dtsedueu stst (3.9) e lembrando que ∫ ∫−= vduuvudv : )()()()()( ssFfdtetfsetfsF stst +−=∫+= ∞ −∞− 0 00 (3.10) b) Derivada de Segunda Ordem [ ]⎪⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ ⎥⎦ ⎤⎢⎣ ⎡ +−=−−= −== ∫== ∞ − )()()()()()()( )()}({)}('{)( )('')())(''( 0000 0 2 0 dt dfsfsFs dt dffssFssF dt dftf dt dsLtf dt dLsF dtetfsFtfL st (3.11) c) Derivada de Ordem n ⎪⎪⎩ ⎪⎪⎨ ⎧ ++⎥⎦ ⎤⎢⎣ ⎡ +−= ∫== − − = −− ∞ − 1 1 0 21 0 0 n n t nnn stn dt fd dt dfsfssFssF dtetfsFtfL ...)()()( )('')())(( (3.12) Exemplo 3.4 Para integrais, a Transformada de Laplace é: ∫∫=⎭⎬ ⎫ ⎩⎨ ⎧∫ ∞ −∞ ' ')'()( t st dttfedttfL 000 (3.13) Definindo-se: 19 ⎪⎪⎩ ⎪⎪⎨ ⎧ =∫= −== − − )(;')'( ; ' tfdvdttfv s edueu t st st 0 (3.14) tem-se: ⎪⎪⎩ ⎪⎪⎨ ⎧ +⎥⎦ ⎤⎢⎣ ⎡∫=⎭⎬ ⎫ ⎩⎨ ⎧∫ ∫−⎥⎦ ⎤⎢⎣ ⎡∫−=⎭⎬ ⎫ ⎩⎨ ⎧∫ = ∞ ∞ −∞−∞ s sFdttf s dttfL dttf s edttf s edttfL t t sttst )(')'()( )(')'()( ' ' 000 0000 1 (3.15) Exemplo 3.5 Considere 0000022 2 ===++ )('),()(,)()()( yyty dt tdy dt tyd (3.16)Aplicando-se a Transformada de Laplace a cada termo de uma EDO, obtém-se a Equação algébrica no domínio de Laplace ⎪⎪ ⎪⎪ ⎩ ⎪⎪ ⎪⎪ ⎨ ⎧ = −=⎭⎬ ⎫ ⎩⎨ ⎧ +−= ⎭⎬ ⎫ ⎩⎨ ⎧ )()}({ )()()( ])()([)()( sYtyL yssF dt tdyL dt dysysFs dt tydL 0 0022 2 (3.17) obtém-se 01202 22 =++∴=++ )()()()()( sYsssYssYsYs (3.18) 3.1 Transformada de Laplace de Funções Básicas Neste item, a transformada de Laplace de algumas funções úteis em controle de processos são apresentadas. a) Degrau f(t) t=0 20 ⎩⎨ ⎧ ≤ >== )(, )(, )()( 00 01 tt tt ktkutf (3.19) s kdtekdtetuktuLktfL stst =∫=∫== ∞ −∞ − 00 1.)())}(({)}({ (3.20) b) Rampa ⎩⎨ ⎧ ≤ >== )(, )(, )()( 00 0 tt ttkt ktkutf (3.21) ⎪⎪⎩ ⎪⎪⎨ ⎧ =⎟⎠ ⎞⎜⎝ ⎛ +−= ∫== ∞ − ∞ − 2 0 2 0 1 s k ss tketfL dttektuLktfL st st )}({ ))}(({)}({ (3.22) c) Seno )()( wtsentf = (3.23) ⎪⎪⎩ ⎪⎪⎨ ⎧ +=∫ += ∫== ∞ −− ∞ − 22 0 0 2 1 ws wdteeesF dtewtsensFtfL stwtiwti st )()( )()())(( (3.24) d) Exponencial atetf −=)( (3.25) )( )())(( as dteesFtfL stat +=∫== ∞ −− 1 0 (3.26) k f(t) t=0 21 3.2 Propriedades e Teoremas da Transformada de Laplace A Transformada de Laplace desfruta da propriedade de linearidade, ou seja: { } )()()()( sbFsaFtbftafL 2111 +=+ (3.27) Alguns teoremas são de utilidade na análise dinâmica de processos: a) Teorema do deslocamento em t Aplica-se a atrasos de transporte: ⎩⎨ ⎧ < ≥−= 0 00 0 tt ttttf tg , ),( )( (3.28) Ou, em gráfico: )()()}({ sFedtettfttfL stst 0 0 00 −−∞ =∫ −=− (3.29) b) Teorema do deslocamento em s )()()()}({ )( asFdtetfedtetfetfeL tasatstatat −=∫=∫= −− ∞−∞ 00 (3.30) c) Teorema do Valor Final Este teorema permite calcular valor de estado estacionário no domínio de Laplace. )(lim)(lim ssFtf st 0→∞→ = (3.31) d) Teorema do Valor Inicial Analogamente, para calcular valor logo após a aplicação de uma perturbação, ainda no domínio de Laplace. )(lim)(lim ssFtf st ∞→→ =0 (3.32) f(t) t0 g(t) 22 Exemplo 3.6 Função Pulso )(, , , , )( áreahtk ttt tth t tf 0 0 0 0 0 00 = ⎪⎩ ⎪⎨ ⎧ >≤ ≤≤= < = (3.33) )()()()}({ stst e st ke s h s htthuthutfL 01 0 0 −− −=−=−−= (3.34) Observe-se que a Função Impulso é o limite do pulso quando t0 tende a zero: kst st ke st k t st t ==− →−→ 0 0 0 0 0 0 0 0 1 lim)(lim (3.35) mas ... !! +−+−=− 32 1 33 0 22 0 0 0 ststste st (3.36) para k=1, tem-se ⎩⎨ ⎧ = ∞=⇒= 1 00 )}({ tL ht δ (3.37) 3.3 Inversão de Transformadas de Laplace Para se obter a resolução da EDO, é preciso transformar o resultado da equação algébrica (em s) para t. Para tal, utiliza-se a EXPANSÃO HEAVISIDE ou EXPANSÃO EM FRAÇÕES PARCIAIS. Seja, F s Q s P s ( ) ( ) ( ) = , onde a ordem de Q(s) e P(s) são, respectivamente M e N (M≤ N), a inversão é feita em três etapas: 1. Fatora-se P(s) em termos das suas raízes (polos de F(s)), e reescreve-se F(s) como: f(t) 0 t0 h 23 F s Q s P s A s p B s p W s pN ( ) ( ) ( ) ( ) ( ) ... ( ) = = − + − + + −1 2 (3.38) 2. As constantes A, B ... W são calculadas: A s p F s s p B s p F s s p W s pN F s s pN = → − = → − = → − lim ( ( ).( )) lim ( ( ).( )) ... lim ( ( ).( )) 1 1 2 2 (3.39) 3. Pelo uso da Tabela, encontrar a transformada inversa termo a termo. f t L A s p L B s p L W s pN ( ) { ( ) } { ( ) } ... { ( ) }= − − + − − + + − − 1 1 1 2 1 (3.40) Se pj = ...= pj+m-1 é um pólo com multiplicidade m, a expansão inclui termos da forma: ( ) ( )mj mj j j j j ps R ps R ps R −++−+− −++ 1 2 1 ... (3.41) Em resumo, a inversão recai em três possíveis situações de acordo com as raízes da Equação Característica P(s) = 0. Tabela 3.2: Inversão de Transformada de Laplace Raízes de Equação Característica Termo da Expansão em Frações Parciais Termo no Domínio do Tempo Raiz real não-repetida ps A − ptAe Raízes complexas conjugadas ( ) 22 wps CBs +− + )( θ+wtsenDe pt 22 CBD += ⎟⎠ ⎞⎜⎝ ⎛= C Ba tanθ Raízes Repetidas m vezes ∑ −= m j j j ps A 1 )( ∑ −= − m j j jpt j tA e 1 1 1)!( A Expansão em Frações Parciais pode ser feita no ambiente MATLAB, conforme detalhado no Exemplo 3.7. 24 Exemplo 3.7 Deseja-se obter x(t) com expansão em Frações parciais para 24 26s 9s s )( 23 +++ += sssX 2 % Coeficientes de P(s) e Q(s) em ordem decrescente de potências de s P = [1 9 26 24]; Q = [1 1]; [R,P,K] = residue(Q,P) A execução destes comandos fornece : R = -1.5000 2.0000 -0.5000 P = -4.0000 -3.0000 -2.0000 K = [] Logo : ( ) ( ) ( )2 50 3 02 4 51 + −++++ −= sss sX ,,,)( e, pela entrada 5 da Tabela 3.1 : x(t) = -1,5e - 4t +2e -3t - 0,5e - 2t 25 4 REPRESENTAÇÃO “ENTRADA – SAÍDA”: FUNÇÕES DE TRANSFERÊNCIA 4.1 Funções de Transferência Existem diversas formas de representar um processo através de um modelo matemático. Uma forma muito utilizada é a representação de entrada e saída. Em geral é possível descrever um sistema linear como: ( ) ( ) ( ) ( ) ( )a y a y a y a y b u b u b u b u n mn n n n m m m m0 1 1 1 0 1 1 1+ + + + = + + + + ≥− − − −L L& & ; (4.1) onde y e u são funções do tempo e f k é a derivada de ordem k de f. As derivadas de ordem um estão representadas acima como y& e u& . Uma forma de representação muito utilizada em controle de processos é a de "função de transferência". A função de transferência de um sistema linear invariante no tempo está definida como a transformada de Laplace da saída (resposta do sistema) sobre a transformada de Laplace da entrada (excitação ou perturbação no sistema), supondo todas as condições iniciais iguais a zero. A definição de variáveis desvio permite obter condições iniciais iguais a zero para resolução das equações diferenciais ordinárias (EDO's) do modelo. A "variável desvio" é definida como o afastamento da variável do seu valor no estado estacionário ou valor de referência, e foi introduzida no texto no Capítulo 2, nos Exemplos 2.1 a 2.5 de linearizações. Na continuação do texto, dado que as funções de transferência que serão utilizadas estão definidas para variáveis desvio, fica entendido que todas as variáveis são variáveis desvio. Esta transformação de variável é representada graficamente na seguinte Figura 4.1. 1 1.5 2 2.5 x(t) xs Figura 4.1: Variável Desvio 26 4.2 Resolução de Sistemas Lineares A função de transferência do sistema representado pela Equação 4.1 é obtida transformando-se, em primeiro lugar, a EDO para o domínio de Laplace: ( ) a y s s a y s s a y s s a y s b u s s b u s s b u s s b u s n m n n n n m m m m0 1 1 1 0 1 1 1( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )+ + + + = + + + + ≥ − − − −L L (4.2) e, rearranjando, obtém-se: ( ) y s u s b s b s b s b a s a s a s an m m m m m n n n n ( ) ( ) = + + + ++ + + + ≥ − − − − 0 1 1 1 0 1 1 1 L L (4.3) Cada função de transferência pode ser representada graficamente por um bloco (que substitui o quociente de polinômios), uma entrada (representando à variável independente) e uma saída (representando à variável dependente). Sistemas complexos podem ser representados graficamente através de blocos interligados. Este tipo de representação é muito útil pois permite tratar sistemas complexos a partir de blocos simples com operações de soma e multiplicação. Para exemplificar suponhamos que um processo é descrito por duas equações diferenciais: ( ) ( ) ( ) ( ) ( )a y a y a y a y b u b u b u b u n mn n n n m m m m0 1 1 1 0 1 1 1+ + + + = + + + + ≥− − − −L L& & ; (4.4) ( ) ( ) ( ) ( ) ( )c u c u c u c u d x d x d x d x l pl l l l p p p p0 1 1 1 0 1 1 1+ + + + = + + + + ≥− − − −L L& & ; (4.5) Usando o conceito de função de transferência, obtém-se: ( )mn sG asasasa bsbsbsb sU sY nn nn mm mm ≥ =++++ ++++= − − − − )( )( )( 1 1 1 10 1 1 10 L L (4.6) ( )pl sG cscscsc dsdsdsd sX sU ll ll pp pp ≥ =++++ ++++= − − − − )( )( )( 2 1 1 10 1 1 10 L L (4.7) Neste sistema, a representação em blocos de entrada e saída resultaria em dois blocos com a saída do segundo coincidindo com a entrada do primeiro, conforme mostrado na Figura 4.2. 27 Figura 4.2: Representação Entrada-Saída em Diagrama de Blocos Pode-se operar a equação algébrica obtendo-se: ( ) ( ) Y s X s b s b s b s b a s a s a s a d s d s d s d c s c s c s c l p n m m m m m n n n n p p p p l l l l ( ) ( ) = + + + ++ + + + + + + + + + + + ≥ ≥ − − − − − − − − 0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1 L L L L (4.8) Isto é: )()( )( )( sGsG sX sY 21= (4.9) A Equação 4.9 e a Figura 4.2 permitem concluir que a função de transferência entre a saída Y(s) e a entra U(s) coincide com o produto das funções de transferência que se apresentam no caminho entre as duas variáveis. A solução no domínio de Laplace consiste agora em, uma vez definida a função de perturbação x(t), calcular a transformada inversa de Laplace de: )()()()( sXsGsGsY 21= (4.10) ou seja ( ))()( sYty -1L= (4.11) A seguir são apresentados alguns esquemas de diagramas de blocos e se descrevem as regras básicas de operações com blocos. 4.2.1 Diagrama de blocos No item anterior, definiu-se a primeira operação em diagrama de blocos, dois blocos em série podem ser substituídos por um único bloco e a função de transferência que este representa é o produto das duas funções de transferência dos blocos individuais. Para um sistema representado por: )().()().()()()( sUsGsUsGsYsYsY 2121 +=+= (4.12) 28 tem-se o seguinte diagrama de blocos da Figura 4.3: Figura 4.3: Representação em Diagrama de Blocos da Equação 4.12 onde se apresentam dois novos elementos, o ponto de ramificação, destacado na Figura 4.4 Figura 4.4: Ponto de Ramificação e o ponto de soma, na Figura 4.5. Figura 4.5: Ponto de Soma Um diagrama de blocos muito utilizado em controle é o que representa um sistema com realimentação da saída (feedback), mostrado na Figura 4.6. Figura 4.6: Realimentação da Saída: Feedback A redução deste diagrama a um bloco único é obtida por manipulação algébrica: )()()( sXsGsY = )()()()( sYsHsUsX −= 29 ( ))()()()()( sYsHsUsGsY −= )()()()()()( sYsHsgsUsGsY −= )()()()()()( sUsGsYsHsGsY =+ ( ) )()()()()( sUsGsYsHsG =+1 ou )()( )( )( )( sHsG sG sU sY += 1 (4.13) Conclui-se que qualquer diagrama de blocos pode ser reduzido a um único bloco. A resolução de um sistema dinâmico de uma entrada e uma saída, independente da sua complexidade inicial, pode ser transformado em um problema representado por um único bloco e resolvido de forma análoga à apresentada no item anterior (Equações 4.10 e 4.11). Para fins de análise do sistema dinâmico e controle, a função de transferência pode ser interpretada como um ganho entre o sinal de saída e o de entrada. Este ganho apresenta uma parte estática (ganho estático) e uma parte dinâmica (ganho dinâmico). O ganho estático é o valor do ganho quando o tempo tende a infinito (que pode ser obtido aplicando o teorema do valor final à função de transferência). O ganho dinâmico é a parte da função de transferência dependente da variável de Laplace s, definido pelas transformadas das equações diferenciais que descrevem o processo. Em resumo, o modelo de um processo obtido no domínio do tempo (t) pode ser representado no domínio complexo (s) como um modelo de Entrada-Saída (Input-Output), e o procedimento para desenvolver este modelo é representado de forma esquemática na Figura 4.7. Exemplo 4.1 Considere dois tanques de mistura perfeita, com seus volumes constantes, V1e V2, vazão volumétrica é F e concentração molar é C. O modelo do processo pode ser obtido a partir de: a) Balanço de massa por componente para tanque 1: )()()()( tFCtFCtFC dt dC V 1120 1 1 αα +−+= (4.14) -Balanço de massa por componente para o tanque 2: 30 ))()(()( tCtCF dt dC V 211 2 2 −+= α (4.15) 31 Modelo Dinâmico do Processo EDO e Equações Algébricas Obter Modelo Estacionário (zerando derivadas temporais) Leis Fundamentais Hipóteses Simplificadoras Linearizar Termos Não-Lineares Subtrair Equação Estacionária da Equação Dinâmica Definir Variáveis Desvio Aplicar Transformada de Laplace (Condições Iniciais 0) Eliminar Todas as Saídas Exceto a de Interesse Eliminar Todas as Entradas Exceto a de Interesse Dividir Saída por Entrada Funções de Transferência Repetir para todas as Entradas Repetir para todas as Saídas Figura 4.7: Procedimento para Construção de Funções de Transferência 32 V 1 C 1 V 2 C 2 F C 0 (t) C 1 (t) F C 2 (t) α F Figura 4.8: Exemplo 4.1 – Dois Tanques em Série com Reciclo Definindo-se: )( , )( , )( F FK F V F V αατατ +=+=+= 11 2 21 1 1 tem-se: ⎪⎪⎩ ⎪⎪⎨ ⎧ =+ +=+ )()( )( )()()( )( tCtC dt tdC tKCtKCtC dt tdC 12 2 2 201 1 1 τ ατ (4.16) Para serem consistentes com o modelo, as condições iniciais devem cumprir as seguintes relações: ⎪⎩ ⎪⎨ ⎧ = += )()( )()()( 0102 020001 CC KCKCC α que são obtidas considerando que o processo está em repouso no instante t=0. Como as condições iniciais não são zero, devem-se transformar as variáveis originais para variáveis desvio. Assumindo que: C t C t C C t C t C C t C t C desvio desvio desvio 0 0 0 1 1 1 2 2 2 0 0 0 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = + = + = + e, para simplificar a notação, retira-se a palavra desvio, obtendo-se: 33 )()( )( )()()()( tCtC dt tdC tKCtKCtC dt tdC 12 2 2 201 1 1 =+ +=+ τ ατ Aplicando a transformada de Laplace ao modelo anterior tem-se: )(ˆ )( )(ˆ )( )(ˆ sC s KsC s KsC 211 011 1 +++= τ α τ (4.17) )(ˆ )2( =(s)2Cˆ sCs 11 1 +τ (4.18) E a representação em diagrama de blocos é: Figura 4.9: Exemplo 4.1 –Diagrama de Blocos Manipulando-se algebricamente (os blocos ou as equações), obtém-se:a função de transferênciaglobal: (4.19) Kss K sC sC sG αττ −++== ))(()(ˆ )(ˆ )( 12110 2 34 5 RESPOSTAS DINÂMICAS A resposta dinâmica de um processo é o comportamento da variável de saída, para uma perturbação na variável de entrada. Os valores numéricos da resposta dinâmica (saída-y(t)) são obtidos resolvendo-se as equações diferenciais e algébricas que descrevem o processo, quando perturbado por um sinal externo (entrada-u(t))). Em geral, os processos reais consistem na combinação, mais ou menos complexa de sistemas básicos elementares. Assim é fundamental, para o conhecimento desses processos, ter uma noção exata do comportamento dos sistemas elementares. Assim, apresenta-se neste capítulo sistemas básicos e para, posteriormente, aplicá-los a sistemas de E&P. 5.1 Resposta Dinâmica de Processos Lineares de 1ª Ordem 5.1.1 Resposta a uma Perturbação Degrau Um sistema de 1ª ordem é representado (modelado) por uma EDO de 1ª ordem. Se o sistema é linear (ou linearizado), a equação que relaciona a saída y(t) com entradas u(t) para todo t é: a dy t dt a y t b u t1 0 ( ) ( ) ( )+ = (5.1) A função u(t) é chamada de "perturbação de entrada", que corresponde ao termo de excitação da equação diferencial não homogênea (Equação 5.1). Este modelo representa dois tipos de processos com características de resposta dinâmica muito diferentes. a) Para a0 0≠ , define-se: 0 1 a a P =τ (constante de tempo) 0a bK P = (ganho estático) e a equação diferencial é: )()()( tuPKtydt tdy P =+τ (5.2) A constante de tempo é uma medida da velocidade do processo em resposta a uma perturbação. KP, ganho estático, é uma medida da amplificação (ou redução) que o processo provoca sobre o sinal da entrada. Aplicando-se a transformada de Laplace, a função de transferência correspondente será: 35 1+== s K sU sYsG P P τ)( )()( (5.3) A resposta deste modelo a uma perturbação degrau de magnitude "M" pode ser calculada multiplicando-se a função de transferência pela transformada de Laplace da função degrau (U s M s ( ) = ), obtendo-se: ( ) s M s KsY P P 1+= τ)( (5.4) Com a transformada inversa da Equação 5.4, obtém-se a resposta do modelo para uma perturbação degrau no domínio do tempo: ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −−= )exp()( P P tMKty τ1 (5.5) Existem alguns pontos da curva de resposta que têm relevância na análise do comportamento dinâmico do processo e, eventualmente, são utilizados como especificações no projeto de sistemas de controle. Um ponto importante é quando a variável independente t atinge a constante de tempo do modelo. 632011 .))exp(()( PP MKMKty =−−= (5.5) Neste ponto, a saída atinge 63,2% do valor em estado estacionário. k=10; M=2; tau=1; t=linspace(0,10,20) ; plot(t, M*k.*(1-exp(-t/tau))) ; line([1,1],[0,M*k*(1-exp(-1))]) line([0,1],[ M*k*(1-exp(-1)),M*k*(1-exp(-1))]) text(2,M*k*(1-exp(-1)), '63.2% do valor do estado estacionário') text(1.5,0.5,'t = Constante de tempo') xlabel('Tempo'); ylabel('y(t)') 36 Figura 5.1: Resposta de Sistema de 1ª. Ordem a Perturbação Degrau de Amplitude M. Um outro ponto importante é quando a saída atinge 99% do valor em estado estacionário. Neste caso: P P PP t tMKMK ττ 51990 ≅⇒⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −−= )exp(, O ganho KP é uma medida de QUANTO e τP é uma medida de COMO varia a saída do modelo em função da perturbação de entrada. Note-se que, aplicando o teorema do valor final na Equação 5.4 fornece o valor do GANHO. P P P s MKs s M s Ksy =⋅⋅+=→ 10 τ)(lim Vê-se que, no infinito y é igual à amplitude da entrada, amplificada pelo KP, o ganho do processo no estado estacionário. Exemplo 5.1 Analisemos agora o vaso horizontal do Exemplo 2.3. )()()( tuKty dt tdy pp =+τ 37 onde hCvvDCp γρτ 0690. ⋅⋅⋅= e Cvv h K p ⋅= γρ 069.0 Um aumento na área do tanque (aumento de C ou D) determina um aumento na constante de tempo. O sistema fica mais lento, o que é de se esperar pois o aumento de área implica num aumento de volume (capacidade), atrasando a resposta do nível à vazão da entrada. Um aumento no nível de estado estacionário h , aumenta τp e Kp, enquanto um aumento do coeficiente de descarga os diminui. b) Para a0 0= , define-se ganho estático como 0a bK P = , e, portanto, a função de transferência é: s K sU sYsG P== )( )()( (sistema puramente capacitivo) (5.9) Para observar o comportamento deste modelo procede-se de forma semelhante ao caso anterior. Utilizando a transformada de Laplace da função degrau, a saída do modelo é: s M s KsY P=)( (5.10) Calculando-se a transformada inversa da Equação (5.10), obtém-se a resposta do modelo para uma perturbação degrau no dominio do tempo. Ou seja, uma reta com inclinação dada pelo ganho KP e pela magnitude M da perturbação de entrada. Esta resposta pode ser interpretada como a integral da perturbação de entrada multiplicada pelo ganho KP, e por isto o processo de primeira ordem cujo modelo tem a0 0= é conhecido como integrador. Na prática, tendo em vista que o tanque está fisicamente limitado, a altura atinge o valor máximo de projeto, transbordando. Isto corresponde a um comportamento não linear chamado "saturação". 5.1.2 Resposta de um Sistema de 1ª. Ordem a uma Perturbação Rampa A resposta de um sistema de primeira ordem a uma perturbação rampa de forma análoga à de sistemas de primeira ordem apresentado.A transformada de Laplace da função rampa é: U s a s ( ) = 2 (5.11) e a saída do processo perturbado com esta entrada é: 38 ( ) s B s B s A s a s KsY P P P 2 2 1 2 11 ++ ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ + =+= τ τ)( Calculando a transformada inversa de Laplace da equação acima, obtém-se a resposta do modelo para uma perturbação rampa no domínio do tempo. atKtaKty P P P +⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −−= 1)exp()( ττ ( ) PP P P s ka s a s KA P ττ ττ = ⎟⎟ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎜⎜ ⎝ ⎛ + ⎟⎠ ⎞⎜⎝ ⎛ + = −→ t 1slim 21 1 aKs s a s kB PP P s = ⎟⎟ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎜⎜ ⎝ ⎛ ⎟⎠ ⎞⎜⎝ ⎛ + = → 2 20 1 1 τ τ lim P P P s kas s a s k sd dB ττ τ −= ⎟⎟ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎜⎜ ⎝ ⎛ ⎥⎥ ⎥⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎣ ⎡ ⎟⎠ ⎞⎜⎝ ⎛ + = → 2 20 2 1 lim t=linspace(0,100,100); a=5; k=1; tau=10; y=k*a*tau*(exp(-t/tau)-1)+k*a*t; plot(t,y) axis([0 40 0 150]) xlabel('tempo') ylabel('y(t)') Figura 5.2: Resposta de Sistema de 2ª. Orden a Perturbação Rampa. 39 5.1.3 Resposta de um Sistema de 1ª. Ordem a uma Perturbação Senoidal Dada a função: u t Asen wt( ) ( )= e a transformada de Laplace é: U s Aw s w ( ) = +2 2 Utilizando-se esta função como perturbação ao sistema linear, a resposta deste no domínio de Laplace é: )21)(s+s( = 2wP AwPKY(s) +τ (5.3) e a sua transformada inversa: )cos / ()( senwtwtPw PtePw PPw APKty +−− + = τττ τ 122 (5.4) t=linspace(0,100,1000); a=5; k=1; tau=10; w=1; y=(k*a/(w^2*tau^2+1))*(w*tau*exp(-t/tau)-w*tau*cos(w*t)+sin(w*t)); plot(t,y) axis([0 100 -1.5 1.5]) xlabel('tempo'); ylabel('y(t)') Figura 5.3: Resposta de Sistema de 2ª. Ordem a Senoidal. 40 A sobreposição dos sinais de entrada e saída permite observar que, após um intervalo de tempo inicial, a resposta do processo resume-se a uma senoide de igual freqüência,com amplitude proporcional à entrada (de acordo com os parâmetros do processo) e defasada no tempo. t=linspace(0,100,1000); a=5; k=1; tau=10; w=.5; u=a*sin(w*t); y=(k*a/(w^2*tau^2+1))*(w*tau*exp(-t/tau)-w*tau*cos(w*t)+sin(w*t)); plot(t,y,t,u,t,zeros(size(u))) axis([0 100 -6 6]) xlabel('tempo') concluindo que a amplitude da resposta do processo é função da freqüência, quando perturbado por uma senoide de entrada. Também pode ser observado que há uma defasagem entre a senoide de entrada e a senoide de saída. Duas grandezas podem ser definidas para relacionar entradas e saidas de um processo perturbado por senoides, como função da freqüência da perturbação. Estas grandezas são: a relação ou razão de amplitudes (RA) e a defasagem (φ). Por razão de amplitudes entende-se o quociênte RA AS AE = , onde AS é a amplitude da senoide de saída e AE é a amplitude da senoide de entrada, e defasagem φ = φS - φE, onde φS é a fase da senoide de saída e φE é a fase da senoide de entrada. O cálculo destas grandezas será apresentado no capítulo de resposta em freqüência. 5.2 Resposta Dinâmica de Processos de 2ª Ordem Um sistema de 2ª ordem pode ser descrito pela equação diferencial ordinária: a d y dt a dy dt a y b u t2 2 2 1 0+ + = ( ) Definindo-se para a0 0≠ 0a b pK = (ganho estático) τ = a a 2 0 (período natural de oscilação do sistema) 2 = a a 1 0 ξτ (onde ξ é o fator de amortecimento) tem-se: )(tupKydt dy dt yd =++ ξττ 22 22 Que corresponde à função de transferência: 41 1222 ++ == ss pK sX sYsG ξττ)( )()( (5.12) Um sistema de 2ª ordem decorre de: 1. Processos multicapacitivos (dois sistemas de 1ª ordem em série); 2. Processos inerentemente de 2ª ordem (processo com inércia e submetido a aceleração (e.g. manômetro em U) 3. Processo de 1ª ordem e seu controlador. 5.2.1 Resposta a uma Perturbação Degrau Perturbando-se o sistema de segunda ordem (Equação 5.12) com um degrau, a resposta do sistema será: s M ss K sY p 1222 ++= ξττ)( Calculando as duas raízes do denominador da função de transferência tem-se: τ ξ τ ξ τ ξ τ ξ 12 2 12 1 −−−=−+−= pp e (5.13) No MATLAB: % Dados os parâmetros do sistema de segunda ordem, desenhar % as raízes no Plano s: hold on tau = 0.5; for xsi = 0 :0.2 :10 % Escreve-se a equação característica como: tau^2 + 2*xsi*tau +1 Raizes = roots([tau^2 + 2*xsi*tau +1]) ; plot (real(Raizes), imag(Raizes), '*') end Estas raízes, também chamadas polos da função de transferência, permitem escrever a saída do processo, fatorando o polinômio, como: spsps pKsY ))(( )( 21 −− = De acordo com as raízes da equação característica (os polos da função de transferência), a resposta pode ser superamortecida (ξ > 1 , raízes são reais e distintas), criticamente 42 amortecida (ξ = 1 ), raízes reais e repetidas) ou subamortecida (ξ < 1 , raízes complexas conjugadas). As saídas do processo para os três casos são: • ξ > 1 (raízes são distintas), a saída do processo no domínio do tempo é: ) // ()( 21 2 2 1 11 ττ ττττ − −−−−= t e t e MpKty (5.14) onde 2 2 1 1 11 pp −=−= ττ , • 1<ξ (raízes imaginárias) ⎪⎭ ⎪⎬ ⎫ ⎪⎩ ⎪⎨ ⎧ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ ⎟⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎝ ⎛ − − +⎟⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎝ ⎛ −−−= ttteMpKty τ ξ ξ ξ τ ξτξ 21 21 21 1 sincos/)( (5.15) • 1=ξ (raízes reais e repetidas) Seja p a raiz repetida, p 1−=τ ⎥⎦ ⎤⎢⎣ ⎡ −⎟⎠ ⎞⎜⎝ ⎛ +−= ττ /)( tetMpKty 11 (5.16) Processos multi-capacitivos (tanques em série, por exemplo) são processos superamortecidos. O efeito do fator de amortecimento na resposta ao degrau de sistemas de segunda ordem representados pela Equação 5.12 está mostrado na Figura 5.4, construída com o código MATLAB apresentado a seguir. t=linspace(0,10,50); M=5; k=1; tau=.5; figure(1) hold on for xsi=0.2:0.2:1.4 xsi if xsi == 1 cor ='k'; % Equação 5.16 p=roots([tau^2 2*xsi*tau 1]); taur=-1/p(1) y=k*M*(1-(1+t/taur).*exp(-t/taur)); 43 plot(t,y,cor) elseif xsi > 1 cor ='b'; % Equação 5.14 p1=-xsi/tau+sqrt(xsi^2-1)/tau; p2=-xsi/tau-sqrt(xsi^2-1)/tau; T1=-1/p1; T2=-1/p2; y=k*M*(1-(T1.*exp(-t/T1)-T2.*exp(-t/T2))/(T1-T2)); plot(t,y,cor) else cor ='g'; % Equação 5.15 y=k*M*(1-exp(-t*xsi/tau).*(cos(sqrt(1-xsi^2)*t/tau)+ ... xsi/sqrt(1-xsi^2).*sin(sqrt(1-xsi^2)*t/tau))); plot(t,y,cor) end end xlabel('tempo'), ylabel('y(t)') Figura 5.4: Impacto do Fator de Amortecimento na Resposta de Sistema de 2a Ordem a Perturbação Degrau Observe-se que quanto maior o fator de amortecimento mais lenta a resposta. Para processos sub-amortecidos (ξ < 1), a resposta apresenta característica oscilatória. Quanto menor o fator de amortecimento, mais suave é o amortecimento da oscilação, isto é, a oscilação permanece durante muito tempo. A resposta sub-amortecida, por sua importância em controle, é descrita por termos especiais: t=linspace(0,9,50); M=5; k=1; tau=.5; xsi=0.2; p1=-xsi/tau+sqrt(xsi^2-1)/tau; p2=-xsi/tau-sqrt(xsi^2-1)/tau; 44 y=k*M*(1-(exp(p2*t)*p1-exp(p1*t)*p2)/(p1-p2))/(p1*p2); plot(t,y,'g') hold on ee=1.25*ones(size(t)); plot(t,ee,'k') xlabel('tempo'), ylabel('y(t)') % Tempo de subida line([0.9,0.9],[0,1.25]); text(1,.1,'t_s') %Tempo de pico line([1.6,1.6],[0,1.9]); text(1.7,.1,'t_p') % Tempo de resposta plot(t,[ee+.05*ee],'b',t,[ee-.05*ee],'b'); line([7,7],[0,1.2]); text(7.1,.1,'t_r') % Overshoot line([1.6,3],[1.25,1.5]); line([1.6,3],[1.9,2.15]); line([3,3],[1.5,2.15]); text(3.1,1.8,'a'); text(1,.7,'b') %Razão de Decaimento line([1.6,1.6],[1.25,1.9]); line([3.2,3.2],[1.25,.92]); text(3.3,1.1,'c') % Período de oscilação line([4.8,4.8],[1.25,1.9]); line([1.6,4.8],[1.9,1.9]); text(3.2,2,'P') Figura 5.5: Características de Resposta de Sistema de 2a Ordem Sub-amortecido a Perturbação Degrau tempo de subida (ts): é o tempo para que a saída atinja o novo valor estacionário pela primeira vez. Caracteriza a velocidade do sistema subamortecido. Quanto menor o fator de amortecimento, menor será o ts. 45 tempo para o primeiro pico (tp): é o tempo para o processo alcançar seu primeiro valor máximo. tempo de respota (tr): é o tempo para o processo atingir e permanecer na faixa definida por ±5% da resposta final (y(∞)). sobrepasso (OS="overshoot"): é a relação "a/b", onde "b" é o valor final da resposta e "a" é o valor máximo do desvio. OS = − − exp( )πξ ξ1 2 (5.17) razão de decaimento (DR="decay ratio"): é a relação entre as duas primeiras amplitudes ("c/a"). DR OS= − − =exp( )2 1 2 2πξ ξ (5.18) perído de oscilação (P): é o tempo decorrido entre dois picos sucessivos. Seja w é a freqüência do ciclo, tem-se: P = − =2 1 2 2 πτ ξ ω π (5.19) período natural de oscilação (Pn): se ξ=1, não há amortecimento e o sistema oscilará com amplitude "sustentada", em um freqüência ω τn = 1 ., e Pn = 2πτ É esta propriedade do parâmetro ξ que deu origem ao seu nome. 5.2.2 Resposta de um Sistema de 2ª ordem a uma Perturbação Senoidal A resposta de um sistema de segunda ordem (Equação 5.12) a uma perturbação senoidal é: Y s A K p s s s ( ) ( )( ) = + + + ω ω τ ξτ2 2 2 2 2 1 Obtém-se sob inversão da transformada de Laplace: )( )()( )( φω ξττω + +− = tsenApKty 222221 (5.20) 46onde ⎥⎦ ⎤⎢⎣ ⎡ − −−= 221 21 τω ξωτφ tan (5.21) t=linspace(0,9,50); A=5; k=1; tau=1; hold on w=2; xi=.2; fi=0.7; % Resposta (sinal de saída) y=k*A*sin(w*t+fi)/sqrt((1-(w*tau)^2)^2+(2*xi*tau)^2); plot(t,y,'g') xlabel('tempo') % Sinal de entrada u=A*sin(w*t); plot(t,u,'b:') legend(['y(t)'; 'u(t)']) Figura 5.6: Resposta (y(t)) de Sistema de 2a Ordem a Entrada Senoidal (u(t)). Definindo $A como a amplitude de saída e A a amplitude da entrda, a razão entre as amplitudes (RA) é dada por: 47 RA A A Kp= = − + $ ( ) ( )1 2 2 2 2 2ω τ ξωτ (5.22) RA em função de ω é mostrado na Figura 5.7. tau=1; RAk=[]; Texto = []; w=linspace(0.1,7,100); for xsi=.2:.1:.8 RAk=[RAk [1./sqrt((1-(w*tau).^2).^2+(2*xsi*w*tau).^2)]']; Texto=[Texto;num2str(xsi)]; end loglog(RAk) legend(Texto) xlabel('freq') ylabel('RA/k') Figura 5.7: RA para Sistema de 2a Ordem. Para baixas freqüências, observa-se na Figura 5.7 que RA é aproximadamente um, decaindo na alta freqüência com uma inclinação de -1, independente do valor de ξ. Para valores de ξ menores o iguais a 0.707 as curvas de RA apresentam um máximo. Este máximo é chamado de pico de ressonância, o valor de freqüência e RA para esta situação podem ser calculados como: 48 0.707<0 ;max ≤−= ξτ ξ 221 w (5.23) 221 ξξ −2 K=RA (5.24) 5.2.3 Sistema de 2ª Ordem Resultante da Presença de Controlador Os sistemas de segunda ordem, e de ordens superiores podem decorrer da presença de controladores. Como exemplo, tem-se um tanque com um controlador de nível que mantém atuando sobre a vazão de descarga. Figura 5.8: Sistema de 2a Ordem: Tanque de Nível com Controlador. Aplicando-se o balanço de massa, obtém-se: A dh t dt Fi t F t ( ) ( ) ( )= − (5.25) F t Fs Kc SP h t Kc I SP h t dt t ( ) ( ( )) ( ( ))= + − + −∫τ 0 (5.26) e em variáveis desvio F t Kch t Kc I h t dt t ( ) ( ) ( )= − − ∫τ 0 (5.27) Substituindo-se (5.27) em (5.26), e aplicando-se transformada de Laplace obtém-se: 49 H s Fi s I s Kc I Kc As I s K ps s s ( ) ( ) = + + = + + τ τ τ τ ξτ2 2 2 1 2 1 (5.28) onde C I K Aττ = e A K ICτξ 2 1= . Dependendo dos valores de sintonia do controlador (τI e Kc), a resposta a uma perturbação degrau será subamortecida, criticamente amortecida ou superamortecida. Ou seja, a sintonia determinará o comportamento dinâmico da malha. 5.3 Resposta Dinâmica de Processos de Ordem Superior Um sistema de ordem N é descrito pela equação diferencial ordinária: (5.29) 5.3.1 Sistemas Multicapacitivos Considere os sistemas não-interagentes em série representados na Figura 5.9. Figura 5.9: Sistemas Não-Interagentes em Série A função de transferência global é: Y s U s G G G K K K s s sN N N ( ) ( ) ... ... ( )( )...( ) = = + + +1 2 1 2 1 21 1 1τ τ τ (5.30) Estes sistemas têm comportamento semelhante aos sistemas de primeira ordem. Isto pode ser observado fatorando-se a função de transferência, e calculando a transformada inversa. A solução do sistema global corresponde à soma das soluções de cada um dos sistemas de primeira ordem que o compõem. Exemplo 5.2 O separador trifásico possui uma câmara de óleo que recebe o óleo proveniente da câmara de separação, esquematizado na Figura 5.10. 50 hThL hW Li + Gi CS LIC CL L 0 L vert Figura 5.10: Separador Trifásico O sistema pode ser modelado como multi-capacitivo, abordando-se apenas a fase fase oleosa. Considera-se, neste exemplo, que a vazão que verte da câmara de óleo para a câmara de separação é uma função linear da altura sobre o vertedouro, vertvert khL = . Temos então modelos lineares para as duas câmaras. 1 1 1 1 1 += s K su sy p p τ)( )( e 1 2 2 2 2 += s K su sy p p τ)( )( Os índices 1 e 2 indicam as câmaras de separação e de óleo, respectivamente. Note-se que a vazão que verte da câmara de separação corresponde à entrada u(t) da câmara de óleo. Tem-se então que vertvert khL = , o que indica que u2 = KP y1 111 1 1 1 +== s K su sysG p p τ)( )()( e 1 2 2 1 2 2 +== s K sy sysG p p τ)( )()( 1211 22211 2 2 2 1 1 ++==+⋅+== ss K sG s K s K sGsG su sy p p p p p τξτττ )()()()( )( com 51 2121 2 pppp ττττττ =→= 11 2 2 21 21 21 ≥=+=→+= geométrica média aritmética média pp pp pp ττ ττξττξτ 21 ppp KKK = A resposta ao degrau de magnitude A ⎥⎥⎦ ⎤ ⎢⎢⎣ ⎡ ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ −−−= −− 2 2 1 1 12 11 p t p t eeAKty pp pp p ττ ττττ)( Exemplo 5.2 Sistemas Interagentes – Vasos Comunicantes em FPSO São sistemas multicapacitivos conforme esquematizado na Figura 5.11. Figura 5.11: Tanques Interagentes Considerando F h h R1 1 2 1 = − e F h R2 2 2 = , tem-se que a entrada para o segundo tanque (F1) é função da altura deste tanque (h2), que por sua vez é função da vazão F1, isto pode ser conforme o balanço de massa abaixo. A dh dt Fi F Fi h h R A dh dt F F h h R h R 1 1 1 1 2 1 2 2 1 2 1 2 1 2 2 = − = − − = − = − − ou 52 A R dh dt h h R Fi A R dh dt h R R h R h R 1 1 1 1 2 1 2 2 2 2 2 1 2 2 1 1 + − = + + = Aplicando-se a transformada de Laplace obtém-se: ( ) ( ) ( ) ( )A R s h s h s R Fi s1 1 1 1 2 1+ − = (5.31) ( ( )) ( ) ( )A R s R R h s R R h s2 2 1 2 1 2 2 1 1 0+ + − = (5.32) Combinando-se as Equações 5.31 e 5.32 chega-se à função de transferência h s h s R R A R s R R 2 1 2 1 2 2 1 2 1 ( ) ( ) ( ) = + + (5.33) Substituindo (5.5) em (5.3) tem-se: 12121 2 21 22 12121 2 21 21211 ++++ = ++++ ++= sRAs R siF sh sRAs RRsR siF sh )()( )( e )( )( )( )( ττττττττ τ onde 222111 RARA == ττ e Este sistema é sobre-amortecido. Por outro lado, devido justamente à interação, a estrutura de tanques que interagem é mais lenta que a estrutura de tanques que não interagem. 5.3.2 Tempo Morto O tempo morto é uma característica presente em quase todos os processos de interesse. É a propriedade que um dado sistema tem de só responder a uma entrada após um certo intervalo de tempo, Ө, mostrado na Figura 5.12. A função deste atraso, no domínio do tempo, é descrita por ( ) ( )θ−= tuty e a função de transferência é 53 ( ) sesG θ−= Figura 5.12: Tempo Morto O tempo morto pode ser real ou efetivo. Neste caso, surge como aproximação de um grande número de capacidades em série. Exemplo 5.3 Neste Exemplo, utiliza-se o balanço de massa do separador bifásico para determinar a média temporal da vazão de entrada. Considere o balanço material QoutQin dt dhCD −= A vazão de saída pode ser estimada por medido medidoestimado dt dhCDQoutQin += A média temporal deve ser efetuada ao longo do período T da perturbação ∫ − = t Tt estimado estimado T dtQin Qin T dt dt dhCDQout Qin t Tt estimado ∫ − ⎟⎠ ⎞⎜⎝ ⎛ + =54 Aplicando-se a transformada de Laplace: )()1()(1 she T CDsQout Ts eQin Ts Ts estimado −− −+−= A função de transferência do tempo morto é uma função transcendental que, para uso prático, é aproximada por um cociente de polinômios. Utiliza-se freqüentemente as aproximações de Padé: Padé 1/1: e- Padé 2 / 2: e- D D τ τ τ τ τ τ τ τ s s s s s s s s D D D D D D ≅ − + ≅ − + + + 1 2 1 2 1 2 2 2 12 1 2 2 2 12 Estas aproximações são adequadas para pequenos valores de tempo morto τD , como toda aproximação, à medida que se incorporam mais termos esta se torna mais precisa. 5.3.3 Aproximação de Sistemas de Ordem Superior Vários processos podem ser descritos como um conjunto de processos conectados em série, por exemplo uma coluna de destilação pode ser descrita através de modelos para o tambor, o refervedor e os pratos. Decorre que, para fins de controle, uma coluna de destilação pode ser representada por duas constantes de tempo dominantes (tambor e refervedor, τ1 e τ2 ) e um tempo morto aparente que substitui a dinâmica dos modelos dos pratos. Este tempo morto pode ser aproximado considerando que cada prato introduz um tempo morto equivalente à sua constante de tempo. O modelo, enfim, pode ser representado por: ))(( )( 1211 ++ − = ss sKesG ττ θ onde ∑= = NP i i1 τθ (NP = número de pratos). 55 5.3.4 Sistemas com Resposta Inversa A resposta inversa é o resultado de dois efeitos opostos. Na Figura 5.13, se 1 2 1 2 1 >> K K τ τ , a resposta a um degrau na entrada u assume o padrão dinâmico esquematizado na Figura 5.14. Figura 5.13: Diagrama de Blocos de Processo com Resposta Inversa Figura 5.14: Resposta Dinâmica de Processo com Resposta Inversa Exemplo 5.4 Os sistemas que apresentam resposta inversa têm um número ímpar de zeros positivos. A resposta de um processo com zero no semi-plano direito descrito pela função de transferência 56 ))(( )()( 1512 31 ++ −= ss ssG apresenta a resposta inversa obtida com os comandos MATLAB a seguir: >> num=[-3 1];den=poly([-1/2 -1/5]); >> G=tf(num,den) Transfer function: -3 s + 1 ----------------- s^2 + 0.7 s + 0.1 » tfinal=50; » step(G,tfinal) Figura 5.15: Resposta Inversa: Simulação da Resposta ao Degrau (Exemplo 5.4) Como exemplo de resposta inversa em processos off-shore, cita-se o fall back de líquido no riser. 5.4 Estabilidade Um sistema descrito pela função de transferência G(s) perturbado com um sinal u(s) tem como saída no domínio de Laplace y(s). ( )( ) ( ) ( )( ) ( ) nmsUpspsps zszszs sUsGsY n m ≤−−− −−−== );()()()( L L 21 21 57 onde z’s são ditos ZEROS e p’s POLOS. A função de transferência sempre pode ser representada como soma de frações simples com denominadores da forma. ( ) ( ) ( )y s G s u s A s p A s p A s p u sn n ( ) ( ) ( ) ( )= = − + − + + − ⎛ ⎝ ⎜ ⎞ ⎠ ⎟1 1 2 2 L Analisando-se G(s) observa-se que, se a função de transferência tiver um polo com parte real positiva, a transformada inversa deste termo (entrada 5 da Tabela 3.1) é uma função exponencial crescenteC e p t1 1 . Dado que o sinal de saída é formado pela soma de exponenciais, e que um destes termos é continuamente crescente, a saída será ilimitada. Desta forma, defini-se que: Se a função de transferência de um sistema dinâmico apresentar um polo com parte real positiva, o sistema é INSTÁVEL. Logo, todos os polos de uma função de transferência devem estar localizar no semi-plano esquerdo (SPE) do plano complexo s para que o sistema seja estável. Estável Im Re Figura 5.16: Lugar Geométrico de Polos Estáveis Observe-se que o denominador da função de transferência de um sistema, quando igualado a zero, fornece a Equação Característica deste sistema: ( )( ) ( ) 021 =−−− npspsps L E que as raízes desta equação são os polos da função de transferência, e definem a estabilidade do sistema. As raízes da equação característica são facilmente obtidas para sistemas racionais no MATLAB, conforme exemplificado a seguir. Exemplo 5.5 Dada a malha feedback apresentada na Figura 5.13 58 Figura 5.17: Malha de Controle Feedback com CCMVLP KGGGs GG ===+== 1)2( 8 3 tem-se, por álgebra dos blocos, que MPVC L GGGG G sL sC += 1)( )( Logo, a Equação Característica da malha feedback é: 01 =+ MPVC GGGG Substituindo-se os valores 088126 082 0 2 81 23 3 3 =++++ =++ =++ C C Ksss Ks s )( )( O valor atribuído por KC altera as raízes da equação característica. No MATLAB, é possível construir este cenário: KC=[2 4 6 7 8 9 ]; Texto=[]; simb = ['o', 's', '*', 'd', 'p', '>']; for i=1:length(KC) P = [1 6 12 8+8*KC(i)]; r = roots(P); plot(real(r),imag(r), simb(i)) hold on 59 Texto=[Texto; ['K_C = ' num2str(KC(i))]]; end xlabel('Real') ylabel('Imaginário') legend(Texto) Figura 5.18: Raízes da Equação Característica em Função de KC Observa-se que valores de KC>8 tornam positiva a parte real de um par de raízes complexas, tornando a malha instável. O gráfico da Figura 5.18 é conhecido como o Lugar das Raízes (Root Locus). Uma definição de estabilidade muito utilizada é a de estabilidade BIBO (Bounded Input Bounded Output). O conceito baseia-se em que um sistema dinâmico estável, quando perturbado por uma entrada finita, produz uma saída finita, independente do seu estado inicial. Uma perturbação finita é aquela que sempre permanece entre um limite superior e um limite inferior (e.g. senoide e degrau). Note-se que, nos sistemas off-shore, é o escoamento multifásico a maior fonte de instabilidades no processamento offshore. O escoamento em golfada severa ocorre naturalmente em linhas com inclinação negativa. Outra fonte possível de instabilidades ocorre quando numa malha de controle os valores de sintonia ultrapassam certos limites. 5.4.1 Critério de Estabilidade de Routh A estabilidade do processo pode ser testada sem que seja necessário resolver a equação característica para obtenção dos polos. O método de Routh indicará a existência de polos 60 positivos, e é aplicável tanto a malhas fechadas quanto abertas, bastando, apenas, utilizar a equação característica apropriada. Para um processo de ordem N, tem-se a seguinte equação característica: a s a s a s aN N N N+ + + =− −1 1 1 0 0... (5.34) onde aN é positivo. Uma condição necessária (mas não suficiente) para estabilidade do processo é que todos os coeficientes na equação característica sejam positivos e não nulos. Caso esta condição seja obedecida, constrói-se a MATRIZ DE ROUTH ({n+1} linhas): a a a a a a b b b c c n n n n n n b − − − − − 2 4 1 3 5 1 2 1 2 ... ... ... ... ... ... onde 1 2131 1 1 321 1 b baabc a aaaab nn n nnnn −− − −−− −=−= . etc b baab c a aaaa b nn n nnnn 1 3151 2 1 541 2 −− − −−− −=−= O Critério de Estabilidade de Routh é uma condição necessária e suficiente para que todas as raízes da equação característica se encontrem no SPE. Esta condição é que todos os elementos da 1ª coluna da Matriz de Routh sejam positivos. Exemplo 5.6 Para a malha feedback do Exemplo 5.5, deseja-se saber que valores de KC causam instabilidade. Avaliando-sea equação característica, 088126 23 =++++ CKsss 61 A primeira condição de estabilidade de Routh é obedecida se (8+KC)>0. Logo KC < 8 deve ser satisfeita para que o sistema seja estável. Contudo, esta é uma condição necessária mas não suficiente, restando aplicar a 2ª. Condição (obtida a partir da Matriz de Routh): ( )( ) 088 0 6 881126 886 121 C C C K K K + +− + )( Logo, as condições de estabilidade adicionais são: ( ) 1088 808872 −>>+ <>+− CC CC KK KK Logo, qualquer KC positivo menor que 8 garantirá estabilidade da malha. Esta conclusão ratifica o resultado apresentado na Figura 5.18. 5.4.2 Método da Substituição Direta O eixo imaginário é a fronteira entre as regiões de estabilidade (SPE e SPD). Este eixo corresponde a raízes puramente imaginárias (s = ± ωi). Logo, substituindo s por ωi na Equação Característica do processo fornece o limite de estabilidade para o sistema dinâmico. Exemplo 5.7 Voltando à malha do Exemplo 5.5, aplica-se o método da Substituição Direta. 088126 23 =++++ CKsss Substituindo-se s por ωi tem-se 088126 23 =+++−− CKwiwiw Parte Real = 0 0886 2 =++− CKw (5.35) Parte Imaginária = 0 0123 =+− ww (5.36) 62 Da Equação 5.36, obtém-se w = 3.4641rad/s e, substituindo este resultado na Equação 5.35 (1): KC,CRÍTICO = 8, confirmando o resultado obtido anteriormente. Este é o valor de KC limite de estabilidade. 63 6 PROJETO DE MALHAS DE CONTROLE Apresenta-se, neste Capítulo, controle de processos SISOs (Single Input Single Output). Utiliza-se como ilustração a malha de controle de nível do separador, cujo diagrama de blocos é reescrito na Figura 6.1. Figura 6.1: Malha Feedback para Controle de Nível de Vaso Horizontal A função de transferência da malha fechada (o sistema controlado), calculada por álgebra de blocos, é: )()( sR GGGG GGG sY mPvc Pvc += 1 + )(sLGGGG G in mPvc d +1 (6.1) Y(s) = Gs(s)R(s) + Gr(s) Lin(s) Esta representação auxilia na percepção de dois desafios que o sistema de controle tem que resolver: Controle regulatório ou rejeição de perturbações (R(s) = 0, Lin(s) ≠ 0). No caso considerado, controle de nível no separador, considera-se que o setpoint é um valor fixo (R(s) = 0, em variável desvio) e que o controle deve atuar para manter a variável controlada no valor desejado, ou seja, Y(s) = 0. Y(s) = Gr(s) Lin(s) (6.2) 64 O sistema de controle deve fazer com que a variável controlada não acompanhe as variações da perturbação. O ideal é que Gr(s) = 0. Assim Y(s) = 0. Observando-se a constituição de Gr(s) conclui-se que um aumento de Gc(s) (no denominador da função de transferência) conduz mais rapidamente ao objetivo almejado. Controle servo ou rastreamento de setpoint variável. (R(s) ≠ 0, L(s)=0). É o caso do controle de um braço mecânico de um robô. Y(s) = Gs(s) R(s) (6.3) O sistema de controle deve fazer com que a variável controlada acompanhe, da melhor forma possível, o valor desejado. O ideal é que Gs(s) = 1. Assim Y(s) = R(s). Novamente, observando-se a forma da Gs(s), conclui-se que esse objetivo pode ser aproximado mais facilmente elevando-se Gc(s). Em processos contínuos, o mais comum é o controle regulatório. Normalmente, os processos operam com poucas modificações. Em situações de partida ou parada, em alterações de estado estacionário de operação ou em processos em batelada o controle servo torna-se relevante. Na prática, Gd(s) é raramente conhecida, optando-se, freqüentemente no projeto de malhas para o problema servo, esperando-se que um desempenho adequado também se verificará na operação regulatória. 6.1 Controladores PID São controladores que atuam, em função do erro de controle, definido por: e(t) = r(t) – cm (t) (6.1) onde r(t) é o valor de referência para a variável controlada (set-point) e cm(t) é a variável controlada medida pelo elemento final de controle (o sensor). Na sua atuação, três 3 ações são empregadas: Proporcional (P), Integral (I) e Derivativa (D). Estas ações são usadas de forma isolada (P) ou combinadas (PI, PD ou PID). Este tipo de controlador responde pela maioria das malhas de controle industrial, tendo sido introduzido no mercado nos anos 40, na versão pneumática. São descritos pela lei de controle, na forma paralela: ))()()(()( dt tdedtteteKtp D t I C ττ +∫+= 0 1 (6.2) onde )(tp está em variável desvio: sptptp −= )()( (6.3) 65 ps é denominado bias do controlador, isto é, o sinal de controle na ausência de erro. Aplicando-se a transformada de Laplace na Equação 6.2, obtém-se a função de transferência do controlador PID ideal: ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ ++== s s K sE sPsG D I CC ττ 11 )( )()( (6.3) KC, τI e τD são denominados de Parâmetros de Sintonia e ponderam a contribuição dos respectivos termos na atuação do controlador PID. A seguir, apresentam-se as principais características destas três ações. 6.1.1 Ação Proporcional A ação proporcional atua diretamente proporcional ao erro de controle: )()( teKptp cs += (6.4) e a sua função de transferência resume-se a: cC KsG =)( (6.5) O sinal do ganho determinará a ação do controlador. Para ganhos positivos, o controlador é dito de ação reversa (a saída do controlador aumenta com a redução do sinal da variável medida). Em caso contrário, o controlador é dito de ação direta. Figura 6.2: Ação Proporcional Verifica-se, pela Figura 6.2, que sob estabilização do erro, a saída do controlador permanecerá constante. Esta é uma desvantagem deste controlador, pois poderá conduzir a off-set (erro de estado estacionário). 6.1.2 Ação Integral É descrita pela Equação: 66 dttetp t I ∫= 0 1 )()( τ (6.6) Esta ação, ao contrário da proporcional, não pode ser usada isoladamente pois a saída do controlador só será significativa após o erro persistir por um certo intervalo de tempo. Conseqüentemente, a ação integral é usada com a ação proporcional e é a forma mais comum de controladores feedback, conhecida como controle PI: })()({)( dtteteKtp t I c ∫= 0 1 τ (6.7) A função de transferência do controlador PI é: )( )( )( s K sE sP I c τ 11+= (6.8) Com a combinação das duas ações (P+I), a saída do controlador é alterada assim que detectada variação no erro, devido à ação proporcional. Quando It τ= , a ação integral terá "repetido" a ação proporcional. Esta terminologia é usada em alguns controladores comerciais que têm a ação integral sintonizada como "repetições por min". Figura 6.3: Ação Proporcional e Integral Nota-se na Figura 6.2 que enquanto houver sinal de erro a saída do controlador será atualizada (pela ação integral), eliminando off-set. 6.1.3 Ação Derivativa A ação derivativa contribui para a saída do controlador sempre que houver variação no erro (derivada do erro com o tempo). Esta característica torna inapropriado o seu uso em sinais com ruídos (a exemplo de sinais de nível e de vazão). Por outro lado, é muito usada em variáveis lentas como temperatura e composição, já que antecipa a saída do controlador. Esta ação é usada junto com a ação proporcional (controle PD) 67 ))()(()( dt tdeteKtp DC τ+= (6.9) ou com a ação proporcional e integral (controle PID), quando assume a forma da Equação 6.2. A função de transferência do controlador PID (Equação 6.3) corresponde a uma implementação em paralelo das três ações, conforme representado no diagrama de blocos
Compartilhar