Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONTROLE DISCRETO AULA 4 Prof. Samuel Polato Ribas 2 CONVERSA INICIAL Nesta parte da disciplina serão estudados alguns dos métodos de discretização de funções de transferência. Estas funções de transferência podem representar plantas, compensadores e sistemas de controle de forma geral. Ou seja, os processos de discretização que serão demonstrados podem ser aplicados a qualquer sistema. Em primeiro lugar, será mostrado o critério de amostragem de Nyquist. Por este critério, é possível ter um parâmetro de qual frequência de discretização, ou frequência de amostragem, deve ser utilizada no processo de discretização. Este critério é utilizado principalmente em relação a sinais amostrados, porém, seu conceito pode ser estendido à discretização de funções de transferência. Na sequência, são estudados quatro métodos de discretização: utilizando o zero-order-hold, que chamaremos de ZOH, depois pelos métodos forward e backward, e finalmente o método bilinear, também conhecido por tustin. Esses quatro métodos serão aplicados a sistemas representados por funções de transferência. Entretanto, como foi visto nas aulas anteriores, um sistema também pode ser representado em espaço de estados. Quando se encontram nesta forma de representação, também podem ser discretizados. Sendo assim, será visto como discretizar sistemas representados em espaço de estados. CONTEXTUALIZANDO Como se sabe ou se pressupõe, sistemas de controle em tempo discreto se tornarão cada vez mais comum em aplicações industriais, comerciais e até residenciais, quando aplicados. Assim sendo, os processos de discretização utilizados para se chegar a um sistema discreto são de suma importância. Os processos de discretização podem ser a diferença entre um sistema que resulte em um desempenho satisfatório ou não. Mais ainda, nos processos de discretização é possível verificar qual a influência que o período de amostragem tem. Além disso, as técnicas de controle moderno vêm ganhando espaço, o que significa que é importante entender como discretizar sistema em espaço de 3 estados, já que tais técnicas são aplicadas a sistemas representados em espaço de estados. PROBLEMATIZANDO Uma das grandes dúvidas em controle discreto é qual técnica de discretização utilizar. Normalmente, utiliza-se aquela que é mais viável no que diz respeito aos cálculos que devem ser feitos para obter o sistema discreto. Porém, com o advento dos programas de computador, em que é possível trabalhar com sistemas de controle, a escolha do método se torna irrelevante, pois o programa fará a discretização com o método que for indicado. Porém, a discretização é irrelevante em relação aos cálculos, mas não é irrelevante em relação ao resultado obtido. Alguns sistemas de discretização podem ser mais simples ou mais complexos de serem aplicados, porém, o resultado final da discretização pode mudar, cabendo ao engenheiro responsável identificar qual método é mais adequado para a situação em que está trabalhando. Mesmo em grande parte dos cálculos, o método utilizado para discretização, pouco relevante, nunca se perde a importância de saber diferenciar e aplicar de forma correta os processos de discretização. Saiba mais Além dos métodos de discretização que serão estudados aqui, pesquise sobre outras técnicas de discretização e verifique se são mais simples ou mais complexas que as apresentadas nesta aula. TEMA 1 – CRITÉRIO DE NYQUIST PARA A DISCRETIZAÇÃO O processo de conversão de sinais analógicos em digitais e digitais em analógicos no domínio do tempo segue algumas etapas. Para conversão A/D, ou seja, de sinais analógicos em digitais, o processo consiste em uma etapa de filtragem analógica, que é formado por um filtro passa-baixas, uma etapa de amostragem e retenção, uma etapa de quantização do sinal amostrado, e outra de transmissão/ armazenagem de sinais. Para a conversão de sinais digitais em analógicos, o caminho é exatamente o oposto. Como o objetivo aqui é estudar a discretização de sinais, vamos nos ater ao processo de conversão A/D. 4 No processo de conversão A/D é necessário obedecer ao que é chamado de Critério de Nyquist para discretização. Este critério estabelece que a frequência de amostragem deve ser maior ou igual a duas vezes a frequência máxima do sinal a ser amostrado, ou discretizado. Matematicamente, pode ser escrito como MAXs ff 2 (1) Em que fs é a frequência de discretização, e fMAX é a frequência máxima do sinal a ser amostrado. Se a condição a equação (1) for satisfeita, significa que o sinal amostrado pode ter suas informações recuperadas após o processo de amostragem. Como exemplo, considere uma senoide conforme mostrado na Figura 1. Figura 1 – Sinal contínuo mostrando os pontos de aquisição, obedecendo ao critério de Nyquist No sinal da Figura 1, perceba que a frequência de amostragem é exatamente duas vezes a frequência do sinal, ou seja, fs = 2fMAX. Os instantes em que é realizada a amostragem do sinal são representados por pequenos círculos localizados nos pontos máximos e mínimos da forma de onda do sinal amostrado. Neste caso, estamos no limite do critério de Nyquist, ou seja, ainda é possível “reconstruir” o sinal sem perda de informação em relação ao sinal original. Agora, considere o sinal da Figura 2. Note que neste caso a frequência de amostragem é menor que duas vezes a frequência do sinal, ou seja, o critério de Nyquist não é atendido. Desta forma, não é possível “reconstruir” o sinal original sem perda de informações. 5 Figura 2 – Sinal contínuo mostrando os pontos de aquisição, obedecendo ao critério de Nyquist Na Figura 2, mais precisamente na forma de onda superior, a aquisição do sinal original (contínuo) é feita exatamente nos pontos indicados. Na forma de onda inferior da Figura 2 é mostrado o sinal reconstruído. Nota-se, claramente, que o sinal obtido é diferente do sinal original. Embora tenha sido utilizado um exemplo de aquisição de sinais para explicar o critério de Nyquist para discretização, a equação (1) é válida também para a discretização de sistemas em tempo contínuo. Quando adaptado à discretização de sistemas contínuos, o critério de Nyquist estabelece que, se for obedecido, todas as informações referentes à planta, ou sistema discretizado, podem ser recuperadas. Lembre-se que, quando se trabalha com sistemas discretos, o sinal de saída é amostrado, para então ser utilizado pelo sistema. E, normalmente, a frequência de aquisição do sinal é igual à frequência utilizada para a discretização do sistema como um todo. Resumindo e relembrando, o critério de Nyquist para discretização estabelece que a frequência de discretização de um sinal contínuo deve ser, no mínimo, duas vezes maior que a frequência do próprio sinal. Matematicamente, este conceito é mostrado na equação (1). A seguir, serão estudadas algumas das formas de discretização de sistemas contínuos. TEMA 2 – DISCRETIZAÇÃO COM AMOSTRADOR DE ORDEM ZERO A partir deste tema, serão estudadas algumas formas de discretização de sistemas. A primeira forma que será estudada é utilizando o ZOH. Esta é uma das maneiras mais utilizadas de realizar a discretização de sistemas. 6 Como será estudado na sequência deste tema, existem outras formas de discretização, mas, entre elas, a que utiliza o ZOH é bastante difundida. Antes de iniciar, é importante ter em mente como o amostrador é inserido em um diagrama de blocos. Um diagrama de blocos com um amostrador do tipo ZOH é mostrado na Figura 3. Figura 3 – Diagrama de blocos em malha fechada com ZOH Note, na Figura 3, que a chave é indicada pela letra T, que indica o período de amostragem. Esse período é referente à frequência de amostragem, ou seja, à frequênciacom que a chave abre e fecha. O bloco GZOH(s) possui uma função de transferência dada por s e sG Ts ZOH 1 (2) Note que a função de transferência GZOH(s) depende do valor do período de amostragem, ou seja, o resultado da discretização depende do valor do período de amostragem. À medida que este valor diminui, o valor da frequência de amostragem aumenta. E à medida que o valor da frequência de amostragem aumenta, o sistema discreto se aproxima mais do sistema contínuo. Como exemplo de aplicação de discretização utilizando o ZOH, considere uma função de transferência, G1(s) dada por (s+2)/(s+1). Assim, o diagrama de blocos da Figura 3 fica como representado na Figura 4. Note, ainda, que houve uma definição do período de amostragem. O período de amostragem T, foi definido como sendo 0,5 segundos. Figura 4 – Exemplo de diagrama de blocos em malha fechada com ZOH e período de amostragem. O objetivo aqui é encontrar a função de transferência discreta G(z), sendo 7 s e s s sGsGsG Ts ZOH 1 1 2 1 (3) Esta configuração de diagrama de blocos é denominada configuração em cascata. Na Figura 4, diz-se que o ZOH está em cascata com a função de transferência G1(s). Pode-se iniciar o processo de obtenção de G(z) deslocando o “s” do denominador de GZOH(s) para o denominador de G1(s). Assim, tem-se que s sG esG Ts 11 (4) Como sabemos que e–kTs = z–k, e k = 1, então a equação (4) pode ser reescrita como s sG ZzzG 111 (5) A parcela Z{G1(s)/s} indica a transformada Z da função G1(s)/s. Uma das maneiras de obter esta transformada é começar fazendo a expansão de G1(s)/s em frações parciais. Fazendo isso, tem-se 11 21 s B s A ss s s sG (6) Calculando A e B, e chamando G1(s)/s de G2(s) tem-se 1 121 2 sss sG sG (7) Aplicando a transformada inversa de Laplace à equação (7), tem-se que tetg 22 (8) Agora a equação (8) pode ser escrita em tempo discreto, ou seja, é possível obter a função g2(kT), que fica na forma kTekTg 22 (9) Por fim, basta consultar a tabela de transformadas. É a Tabela 1 da aula 3. A partir da equação (8), uma breve consulta a tabela revela que Tez z z z zG 1 2 2 (10) Como zGz s sG ZzzG 2 111 11 (11) Podemos escrever que G(z) é igual a 8 Tez z z z z z zG 1 21 (12) Substituindo T por 0,5 tem-se 607,01 21 z z z z z z zG (13) Trabalhando matematicamente a equação (13) resulta em 607,01 214,01 2 zz zz z z zG (14) E, finalmente, 607,0 214,0 z z zG (15) Perceba que há uma influência direta do período de amostragem no processo de discretização. Para entender melhor como ele influencia na resposta final de G(z), vamos considerar agora o período de amostragem igual a 1 segundo e verificar a diferença em relação à função G(z) obtida com T = 0,5 segundo. Até a equação (12) o período de amostragem não influencia diretamente o resultado de G(z). Então, substituindo T por 1, na equação (12) tem-se 368,01 21 z z z z z z zG (16) Trabalhando matematicamente a equação (16) resulta em 368,01 264,01 2 zz zz z z zG (17) e, finalmente, 368,0 264,0 z z zG (18) Note que, claramente, há uma diferença entre a G(z) da equação (13) e a G(z) da equação (18). Claramente, a escolha do período de amostragem influencia no resultado final do sistema discreto. Perceba que na equação (13) o polo e o zero da função G(z) ficaram com parte real positiva. Já na equação (18), o zero possui parte real negativa e polo possui parte real positiva. Como será visto adiante, em sistemas discretos é possível ter polos e zeros com parte real positiva ou negativa e o sistema ser estável. 9 TEMA 3 – DISCRETIZAÇÃO PELOS MÉTODOS FORWARD E BACKWARD O método de discretização backward, também chamado de retangular para frente, é um método que consiste em substituir o “s” de um sistema G(s) por uma equação equivalente, em função de “z”, e de um período de amostragem “T”, transformado diretamente uma função G(s) em uma função discreta G(z). Entretanto, como não é somente este método de discretização que utiliza esta técnica, de substituição de “s”, é interessante saber de onde vem tal princípio. Este conhecimento ajudará não somente na compreensão do método backward, mas também pelo método bilinear ou tustin, que será apresentado no Tema 4 desta aula. Para compreender de onde vem tal conceito, comece considerando um sistema com uma entrada U(s), e uma saída Y(s), sendo tal sistema um integrador 1/s. Matematicamente, escreve-se como ssYsU ssU sY 1 (19) Aplicando a transformada inversa de Laplace a equação (19), U(s) = sY(s), tem-se dt tdy tu (20) Integrando a equação (20) de ambos os lados, dentro de um período de amostragem T qualquer, ou, matematicamente, de (k–1)T a kT, tem-se kT Tk dttuTkykTy 1 1 (21) O problema agora consiste em determinar a integral à direita da igualdade, de tal forma que o resultado seja igual ao do lado esquerdo. Para isso, pode-se utilizar, por exemplo, alguns dos métodos numéricos mostrados na Figura 5. 10 Figura 5 – Métodos numéricos de integração (a) retangular para frente ou forward, (b) retangular para trás ou backward, (c) trapezoidal, bilinear ou tustin Fonte: Castrucci et al., 2011. Note que, na Figura 5, há três formas de discretização. Vamos começar com a discretização do tipo forward, ou retangular para frente, representada na Figura 5(a). Note que, nesta forma de discretização, a integral é aproximada pela área do retângulo de base formada pelo intervalo (k-1)T e kT. Matematicamente, a área deste triângulo é dada por TkTuTkykTy 11 (22) Aplicando a transformada Z à equação (22) tem-se zUTzzYzzY 11 (23) Portanto, T zz T z Tz zU zY 1 1 11 1 1 (24) Agora comparando o sistema da equação (19) com o da equação (24) chega-se à conclusão que a transformada Z de Y(s)/U(s) é Y(z)/U(z), e como Y(s)/U(s) é igual a 1/s, e Y(z)/U(z) é iguala a 1/[(z-1)/T], por analogia tem-se que T z s 1 (25) Ou seja, para discretizar um sistema em “s” utilizando a transformação forward basta fazer a substituição mostrada na equação (25). Como exemplo, considere o exemplo da função de transferência da Figura 4, dada por 1 2 1 s s sG (26) Substituindo a igualdade da equação (25) na equação (26), tem-se que 11 Tz Tz T z T z zG 1 21 1 1 2 1 1 (27) Considerando o mesmo período de amostragem, T = 0,5 segundo, tem- se 5,0 1 z z zG (28) Perceba que há uma diferença entre o resultado da discretização obtido utilizando o ZOH, da equação (18), e o método forward, da equação (28). O próximo método que será estudado é o método backward, ou retangular para trás, mostrado graficamente na Figura 5(b). Nesta forma de discretização, a integral aproximada é dada matematicamente por kTTuTkykTy 1 (29) Aplicando a transformada Z à equação (29), tem-se zTUzYzzY 1 (30) Ou seja, Tz zz T zU zY 1 1 1 1 (31) Agora comparando o sistema da equação (19) com o da equação (31) chega-se à conclusão que a transformada Z de Y(s)/U(s) é Y(z)/U(z), e como Y(s)/U(s) é igual a 1/s, e Y(z)/U(z) é iguala 1/[(z-1)/Tz], por analogia tem-se que Tz z s 1 (32) Ou seja, para discretizar um sistema em “s” utilizando a transformação backward, basta fazer a substituição mostrada na equação (32). Como exemplo, vamos considerar novamente a função de transferência da Figura 4, dada na equação (26). Aplicando a ela a substituição de “s” imposta pela discretização backward, tem-se Tzz Tzz Tz z Tz z zG 1 21 1 1 2 1 1 (33) Substituindo o período de amostragem T por 0,5, conforme os exemplos anteriores, tem-se 12 15,1 12 1 z z zG (34) Note que o resultado foi diferente do obtido pelo método de discretização utilizando o ZOH e também diferente do método forward. Entretanto, o fato de resultar em aproximações diferentes não significa que um dos métodos não seja válido. Isso significa que pelo fato de os métodos backward e forward, por se tratarem de aproximações, não refletem o sistema contínuo na forma discreta, com a mesma resolução que o método do ZOH. TEMA 4 – DISCRETIZAÇÃO PELO MÉTODO BILINEAR A discretização pelo método bilinear, também chamada de tustin, utiliza o mesmo princípio das transformações forward e backward, ou seja, consiste na substituição de “s” por um função em “z” que discretiza a função diretamente. A sua dedução vem da análise da Figura 5(c). Perceba que a aproximação feita por este método se aproxima mais do resultado real da integral em relação aos métodos de discretização forward e backward. Embora seja mais complexo, o resultado é uma aproximação mais próxima da realidade. Disto isso, vamos deduzir de onde vem a discretização pelo método bilinear. Analisando a Figura 5(c), podemos aproximar matematicamente a integral da equação (21) como sendo 2 1 1 TkukTu TTkykTy (35) Aplicando a transformada Z à equação (35), tem-se 2 1 1 zUzzUTzYzzY (36) Portanto, 1 12 1 12 1 1 1 zT zz zT zU zY (37) Agora comparando o sistema da equação (19) com o da equação (34) chega-se à conclusão que a transformada Z de Y(s)/U(s) é Y(z)/U(z), e como 13 Y(s)/U(s) é igual a 1/s, e Y(z)/U(z) é igual a 1/[2(z-1)/T(z+1)], por analogia tem- se que 1 12 zT z s (38) Ou seja, para discretizar um sistema em “s” utilizando a transformação bilinear, basta fazer a substituição mostrada na equação (38). Como exemplo e para efeito e comparação, vamos discretizar a função de transferência da equação (26). Substituindo “s” na equação (26) pela relação dada na equação (38), tem-se 1 1 12 2 1 12 1 zT z zT z zG (39) Trabalhando matematicamente a equação (39), chega-se a 22 2222 112 1212 1 TTzz TTzz zTz zTz zG (40) Substituindo T por 0,5 segundo, para manter a mesma condição dos exemplos anteriores, tem-se 5,15,2 13 26,05,02 25,025,022 1 z z zz zz zG (41) Agora dividindo o resultado da equação (41) por 2,5 para que o “z” do denominador fique com coeficiente igual a 1, resulta em 6,0 4,02,1 1 z z zG (42) Como esperado, o resultado da discretização pela aproximação bilinear resultou em uma função G1(z) diferente do resultado obtido pela discretização com ZOH, forward e backward. Para nível de comparação, analise a Tabela 1. Ela traz um comparativo entre o resultado dos processos de discretização utilizando os quatro métodos de discretização estudados até agora na Tabela 1. Tabela 1 – Comparação entre os métodos de discretização Método de discretização Função discretizada Zero-order-hold (ZOH) 607,0 214,0 z z zG Forward (Retangular para frente) 5,0 1 z z zG 14 Backward (Retangular para trás) 667,0 667,0334,1 1 z z zG Tustin (Bilinear) 6,0 4,02,1 1 z z zG Note que, na Tabela 1, a função G1(z) obtida pelo método backward foi dividida por 1,5 em relação ao resultado da equação (34), para manter o padrão do coeficiente igual a 1, no “z” do denominador. Perceba que o método de discretização utilizado influencia na posição do zero e do polo. Lembrando que o conceito de zero e polo para sistemas discretos é o mesmo que para sistemas contínuos. Para sistemas discretos, os polos são os valores de “z” que fazem a função de transferência do sistema discretizado tender ao infinito. Já os valores de “z” que fazem a função de transferência discretizada tender a zero, são os zeros da função de transferência. Voltando à Tabela 1, o tipo do método escolhido para discretização pode influenciar na estabilidade do sistema. Outra escolha que influencia na estabilidade é o período de amostragem. À medida que o período de amostragem diminui, os polos do sistema tendem a se aproximar da região de instabilidade. A análise de estabilidade de sistemas discretos será estudada na Aula 5. TEMA 5 – DISCRETIZAÇÃO DE SISTEMAS EM ESPAÇO DE ESTADOS Neste tema, veremos como discretizar sistemas representados em espaço de estados. Como foi comentado anteriormente, as técnicas de controle moderno são baseadas em representação de sistemas em espaço de estados, portanto, é necessário conhecer o modelo matemático da planta em espaço de estados. Mais do que isso, como a maioria dos controladores hoje são implementados na forma discreta, é necessário conhecer o modelo discreto em espaço de estados. Daí a importância de conhecer o processo de discretização quando se utiliza esta forma de representação. Vamos começar considerando um sistema em espaço de estados em tempo contínuo dado por tDutCxty tButAxtx (43) Este sistema, após discretizado, passa a ser escrito na forma 15 kuDkxCky kuBkxAkx dd dd 1 (44) em que Ad, Bd, Cd e Dd são, respectivamente, as matrizes A, B, C e D, na forma discreta. Perceba, ainda, o termo x(t) ponto, que representa a derivada das variáveis de estado em relação ao tempo, passa a representar o valor das variáveis no amostragem após a amostragem atual, k, ou seja, resultam no valor das variáveis de estado futuras, k+1. O problema, agora, consiste em como determinar as matrizes discretas para compor o sistema da equação (44). As matrizes da equação (44) são dadas por AT d eA (45) dBeB T A d 0 (46) dCC (47) dDD (48) onde T é o período de amostragem. Note que apenas as matrizes Ad e Bd exigem cálculos. As matrizes Cd e Dd são iguais as matrizes C e D, respectivamente. Assim, substituindo as equações (45), (46), (47) e (48) na equação (44), um sistema discreto em espaço de estados dica representado na forma kDukCxky kuBdekxekx T AAT 01 (49) Como exemplo de procedimento de discretização de sistemas em espaço de estados, vamos considerar o sistema contínuo dado por txty tutxtx 01 0 1 10 12 (50) sendo, portanto, 0;01; 0 1 ; 10 12 DCBA (51) O primeiro passo é também o mais trabalhoso. Consiste em determinar a matriz Ad, ou seja, obter a matriz eAT. Esta matriz é calculada fazendo a transformada inversa de Laplace da matriz (sI – A)-1. Portanto, deve-se calcular primeiro a matriz (sI – A), fazendo 16 10 12 10 12 10 01 s sAsI (52) Agora vamos determinar a matriz inversa de (sI – A), ou seja, (sI – A)-1. Uma forma de realizar o cálculo de matriz inversa é fazendo IAsIAsI 1 (53) ou seja, 10 01 10 12 dc bas (54) Portanto, a matriz com os coeficientes a, b, c e d, é a matriz inversa de (sI – A), ou seja, é igual a (sI – A)-1. O que é mostrado a seguir é o cálculo detalhado da equação (54). Fazendo a multiplicação de matrizes do lado esquerdo da igualdade da equação (54) tem-se 10 01 11 22 dscs dbscas (55) Da igualdade da equação (55) chega-se a 001 ccs (56) Após o cálculo de c, chega-se a 2 1 022 s aascas (57) Seguindo o mesmo raciocínio 1 1 11 s dds (58) E, finalmente, o cálculo de b fica na forma 21 1 02 ss bdbs (59) O valor de b, na equação (59), pode ser escrito expandindo-o em frações parciais, tal que 2121 1 21 s K s K ss (60) com 1 2 1 1 1 s s K (61) e 17 1 1 1 2 2 s s K (62) resultando em 2 1 1 1 ss b (63) Por fim, tem-se 1 1 0 2 1 1 1 2 1 1 s sss dc ba AsI (64) Agora, para encontrar o valor de eAT, basta aplicar a transformada inversa de Laplace à equação (64). Fazendo isso, o resultado é T TTT AT e eee e 0 22 (65) Considerando o período de amostragem igual a 1 segundo, a equação (65) fica 72,20 67,439,7 AT d eA (66) O segundo passo é a determinação da matriz Bd, fazendo 0 19,3 0 2 00 1 0 0 2 0 2 0 22 0 T TTT A d e d e d e eee dBeB (67) Como as matrizes Cd e Dd são iguais as matrizes C e D, respectivamente, o sistema da equação (50), na forma discreta, com T = 1, fica kxky kukxkx 01 0 19,3 72,20 67,439,7 1 (68) Este procedimento pode ser facilmente comprovado com a ajuda do Scilab, com os seguintes comandos: T = 1 // especificação do período de amostragem A = [2 -1 ; 0 1] // declaração da matriz A B = [1 ; 0] // declaração da matriz B C = [1 0] // declaração da matriz C D = 0 // declaração da matriz D 18 G = syslin (‘c’, A, B, C, D) // formação do sistema linear em espaço de estados Gd = dscr(G,T) // discretização do sistema linear G FINALIZANDO Nesta aula foram vistos os processos de discretização. Especificamente, foi apresentado o critério de Nyquist para discretização de sinais de modo que seja possível reconstruir o sinal amostrado sem perda de informação em relação ao sinal original. Na sequência, quatro métodos de discretização de sistemas representados por função de transferência foram apresentados, e aplicados a um mesmo sistema contínuo para que fosse possível a comparação entre eles. Por fim, é apresentada a forma de discretizar sistemas representados em espaço de estados e a representação do sistema discreto. 19 REFERÊNCIAS NISE, N. S. Engenharia de sistemas de controle, 7. ed. Rio de Janeiro: LTC, 2017. CASTRUCCI, P. L; BITTAR, A.; SALES, R. M. Controle Automático. Rio de Janeiro: LTC, 2011. PINHEIRO, C. A. M.; MACHADO, J. B.; FERREIRA, L. H. C. Sistemas de Controle Digitais e Processamento de Sinais. 1. ed. Rio de Janeiro: Interciência, 2017.
Compartilhar