Prévia do material em texto
Experieˆncia 6 Observadores de Estados de Ordem Reduzida Na experieˆncia anterior estudamos o observador de ordem completa, onde uma esti- mativa das varia´veis de estado e´ obtida a partir de um filtro que possui a mesma dimensa˜o do sistema cujo estado desejamos estimar. Como algumas varia´veis de estado do sistema podem ser obtidas diretamente dos medidores, podemos pensar em estimar apenas aque- las varia´veis para as quais na˜o dispomos de medidores. Nesse caso o filtro que estima esse sub-conjunto de varia´veis na˜o medidas tera´ dimensa˜o menor que a do sistema original e recebe o nome de observador de ordem reduzida. Para melhor formular o problema considere que y = Cx ∈ Rm sa˜o as m varia´veis medidas e que w(t) = Rx(t) ∈ Rn−m sa˜o as varia´veis restantes para as quais na˜o dispomos de medidores. As matrizes C e R sa˜o as matrizes de ganhos dos medidores dispon´ıveis (C) e na˜o dispon´ıveis (R). Esta u´ltima pode ser arbitrariamente escolhida pois representa ganhos fict´ıcios. Para na˜o haver me- dida redundante as linhas das matrices C e R na˜o podem ser linearmente dependentes, ou seja a matriz T abaixo deve ser invers´ıvel. T = [ C R ] ∈ Rn×n (1) Note que as varia´veis y, w formam um novo conjunto de varia´veis de estado para o sistema. Isto se consegue com a mudanc¸a de varia´vel z(t) = Tx(t) = [ y(t) w(t) ] (2) Efetuando a transformac¸a˜o de similaridade acima encontramos z˙(t) = TAT−1z(t) + TBuu(t) , y(t) = CT−1z(t) (3) e para separar as dinaˆmicas das varia´veis y(t) que medimos e w(t) que iremos estimar, consideraremos a seguinte partic¸a˜o: TAT−1 = [ A11 A12 A21 A22 ] , TBu = [ B1 B2 ] , CT−1 = [ I 0 ] (4) Assim vemos que a dinaˆmica das varia´veis que desejamos estimar e´ regida pela equac¸a˜o diferencial w˙(t) = A22w(t) + A21y(t) +B2u(t) (5) Agora desejamos obter uma estimativa we(t) do sinal w(t) atrave´s de um filtro dinaˆmico cujas entradas sa˜o os sinais conhecidos y(t), u(t) e cuja sa´ıda e´ a estimativa we(t), como ilustra a figura 1. Uma representac¸a˜o de estados gene´rica desse filtro e´ indicada abaixo. w˙f (t) = Afwf (t) + Bfu(t) + Cfy(t) (6) we(t) = wf (t) +Gfy(t) 1 Lucas Moreira Highlight onde as matrizesAf , Bf , Cf , Gf devem ser determinadas tais que as seguintes condic¸o˜es sejam satisfeitas: (i) A estimativa we(t) deve convergir para w(t) em regime permanente, i.e. lim t→∞ (w(t)− we(t)) = 0 (ii) A dinaˆmica do erro de estimac¸a˜o e(t) = w(t) − we(t) deve depender apenas da condic¸a˜o inicial e(0) = w(0)− we(0). Como visto na experieˆncia anterior, um filtro que satisfaz as condic¸o˜es acima e´ de- nominado de observador de Luenberger. O observador e´ denominado de ordem reduzida quando o estado wf (t) do observador possui dimensa˜o inferior a do estado x(t) que se deseja estimar. Dizemos que o observador e´ de ordem mı´nima quando o estado wf (t) do observador possui dimensa˜o igual a` n−m. O requisito (i) indica que na˜o existe erro de estimac¸a˜o em regime permanente en- quanto (ii) indica que o erro de estimac¸a˜o na˜o depende dos sinais de entrada do filtro y(t), u(t) e, portanto, o projeto do observador e da lei de controle ficam independentes. Observe que num observador de ordem completa o estado do observador e´ o pro´prio estado estimado. Pore´m isso na˜o ocorre num observador de ordem reduzida onde o estado do observador e´ a varia´vel wf e a parcela do estado estimada e´ we = wf +Gfy. Para determinar as matrizes do filtro, observe que a dinaˆmica do erro e(t) = w(t) − we(t) e´ dada por e˙(t) = w˙(t)− w˙e(t) = A21y(t) + A22w(t) +B2u(t)− (Gf y˙(t) + w˙f (t)) e como pode ser visto de (3) e (4) temos y˙(t) = A11y(t) + A12w(t) +B1u(t). Logo e˙(t) = A21y(t) + A22w(t) +B2u(t)−Gf (A11y(t) + A12w(t) +B1u(t)) −Afwf (t)− Cfy(t)−Bfu(t) Como e(t) = w(t)− we(t) = we(t)−Gfy(t)− wf temos e˙(t) = Afe(t) + (A21 −GfA11 − Cf + AfGf )y(t) + +(A22 −GfA12 − Af )w(t) + (B2 −GfB1 −Bf )u(t) Para satisfazer o requisito (ii) devemos escolher Af = A22 −GfA12 , Bf = B2 −GfB1 , Cf = A21 −GfA11 + AfGf (7) que resulta no seguinte observador de ordem mı´nima w˙f (t) = Afwf (t) + (B2 −GfB1)u(t) + (A21 −GfA11 + AfGf )y(t) (8) we(t) = Gfy(t) + wf (t) , Af = A22 −GfA12 we(t)estimador y(t) u(t) Figura 1: Diagrama de blocos de um estimador de estado gene´rico. 2 que fornece uma estimativa wf (t) e cuja dinaˆmica de erro de estimac¸a˜o e´ dada por e˙(t) = (A22 −GfA12)e(t) , e(t) = w(t)− we(t) (9) Para que o requisito (ii) seja atingido a matriz de ganho Gf do observador deve ser projetada de tal forma que os autovalores da matriz A22−GfA12 estejam todos no semi- plano complexo esquerdo. Finalmente observe que o problema original era encontrar uma estimativa xe(t) para o estado do sistema estimando apenas a varia´vel w(t) para a qual na˜o dispomos de medidores. Usando a relac¸a˜o (2) temos xe(t) = T −1 [ y(t) we(t) ] (10) onde we(t) ∈ Rn−m e´ a estimativa dada pelo observador de ordem mı´nima (8). Exerc´ıcio 1: Considere o sistema A = [ 1 1 0 0 ] B = [ 0 1 ] x = [ x1 x2 ] (11) e suponha que dispomos de medidores apenas para um dos estados. (a) Encontre qual estado devemos medir para que o sistema seja observa´vel. (b) Projete um observador de ordem mı´nima para estimar o estado do sistema. Exerc´ıcios para simulac¸a˜o 1. Utilizando as te´cnicas apresentadas, projete um observador de ordem mı´nima para o sistema de quatro tanques linearizado em torno de um ponto de equil´ıbrio. Consi- dere que as varia´veis medidas sa˜o os n´ıveis dos tanques 1 e 2, ou seja, o observador devera´ estimar os n´ıveis dos tanques 3 e 4. Analise a dinaˆmica do erro de estimac¸a˜o para (i) we(0) = w(0) e (ii) we(0) 6= w(0) com we(0) = 0. 2. Projete matrizes de ganho Gf de tal forma que a dinaˆmica do erro de estimac¸a˜o seja (i) duas vezes mais ra´pida que a menor constante de tempo do sistema em malha aberta e (ii) cinco vezes mais ra´pida que a menor constante de tempo do sistema em malha aberta. 3. Considere condic¸o˜es iniciais nulas do observador e do sistema e os seguintes sinais de ru´ıdos nos medidores: 3 Lucas Moreira Highlight Lucas Moreira Highlight Lucas Moreira Highlight (i) um sinal r(t) aleato´rio de me´dia nula e variaˆncia 0.5; comente a influeˆncia do ganho do observador na variaˆncia do erro de estimac¸a˜o1. (ii) um sinal s(t) senoidal com frequ¨eˆncia ajusta´vel. Comente a influeˆncia da frequ¨eˆncia do ru´ıdo e do ganho do observador no erro de estimac¸a˜o. (iii) Qual dos dois observadores (ordem reduzida e ordem completa) apresenta um comportamento melhor? Obtenha a func¸a˜o de transfereˆncia do ru´ıdo para a estimativa xe(t) utilizando a equac¸a˜o (8) e (10) lembrando que agora y(t) = Cx(t) + s(t). Qual a diferenc¸a entre esta func¸a˜o de transfereˆncia e a do observador de ordem completa? 4. Suponha que o valor do ganho kc dos medidores na˜o possa ser obtido de forma precisa e que sabemos apenas que ele pode assumir qualquer valor na faixa kc ∈ [0.4, 0.6]. Seria poss´ıvel obter erro nulo de estimac¸a˜o? Refereˆncias [1] Karl Henrik Johansson, The Quadruple-Tank Process: A Multivariable Laboratory Process with an Adjustable Zero,IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNO- LOGY, VOL. 8, NO. 3, MAY 2000. [2] K.Ogata, ”Engenharia de controle moderno”, Prentice Hall do Brasil, 2a ¯ edic¸a˜o, 1990. [3] U. Mackenroth, ”Robust Control Systems”, Springer Verlag, Berlin, 2004. [4] J.J.D’Azzo, C.H.Houpis, ”Ana´lise e projeto de sistemas de controle lineares”, Editora Guanabara, 1988. [5] B.Friedland, ”Control System design: An introduction to state space methods”, McGraw- Hill, 1986. 1Para o ca´lculo da variaˆncia exporte a varia´vel desejada para o ambiente de trabalho do matlab e use a func¸a˜o ”var.m” 4