Baixe o app para aproveitar ainda mais
Prévia do material em texto
Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo Henrique Carimbo 13 1 Profa. Carla de Moraes de Lara Controle Discreto Aula 1 13 2 Mapeamento de s no plano F(s) 13 3 Sendo F(s) = s² - 3s + 4, o mapeamento de s=8+j5 fica: F(8+j5) = (8+j5)² - 3(8+j5) – 4 = 64 +j80 + j².25 – 24 – j15 + 4 = (64 – 49 + 4) + (j80 –j15) = 19 + j65 13 4 Enquete Critério de Nyquist 13 5 Motivação; Representação Matricial; Obtenção da representação em EE; Exemplo de circuitos elétricos; Exemplo de sistema massa-mola; Conversão de EE para FT; Conversão de FT para EE. Representação em Espaços de Estados (EE) 13 6 A tendência é dos sistemas de controle modernos com várias entradas e saída; Isto exige técnicas de controle moderno e mais robustas; A representação no domínio da frequência só é aplicável em sistemas LIT; Por isso, a representação no domínio do tempo (espaço de estados) é indicada tanto para sistemas LIT quanto sistemas não lineares. Representação em EE 13 7 Comparação entre Controle Moderno e Controle Clássico CLÁSSICO •SISTEMAS LIT •SISO MODERNO •LIT E NÃO LINEARES •SISO ou MIMO 13 8 13 9 Espaços de estados em diagrama de blocos Fonte: Ogata (2010) 13 10 Exemplos 13 11 Circuito RL Variáveis de Estado: - x1(t): iL Entradas: - u(t): v(t) Variáveis de saída: - Escolhemos iL como variável de saída Representação em EE: 13 12 Circuito RLC Variáveis de Estado: - x1(t): iL(t) - x2(t): Vc(t) Entradas: - u(t): vi(t) Variáveis de saída: Vo(t) = Vc(t) Representação em EE: 13 13 Exercícios 13 14 Obtenha a representação em EE do Circuito RLC Variáveis de Estado: - x1(t): Vc(t) - x2(t): iL(t) Entradas: - u(t): Vin(t) Variáveis de saída: - Definir como saída iL(t) Representação em EE: 13 15 Conversão de EE para Função de Transferência 13 16 Considere o sistema representados em EE dado por Aplicando transformada de Laplace em (1), tem-se: Assumindo condições iniciais nulas, tem-se: Rearranjado os termos, tem-se: 13 17 Isolando X(s): Aplicando transformada de Laplace em (2), tem-se: Resultando em Substituindo (6) em (8): 13 18 Resultando em: Sabendo que a FT é a relação entre a saída e a entrada do sistema, pode-se defini-la como: Dificuldade: determinar a inversa desta matriz 13 19 Conversão de EE para FT - Etapas 13 20 Exercícios 13 21 Dados os sistemas representados em EE, determine a FT a) b) c) ሶ𝑥1(𝑡) ሶ𝑥2(𝑡) = 2 0 −1 5 𝑥1 (𝑡) 𝑥2(𝑡) + 1 0 𝑢 𝑡 y t = 1 0 𝑥1 (𝑡) 𝑥2(𝑡) ሶ𝑥1(𝑡) ሶ𝑥2(𝑡) = 3 −2 0,5 −1 𝑥1 (𝑡) 𝑥2(𝑡) + 1 −1 𝑢 𝑡 y t = 1 0 𝑥1 (𝑡) 𝑥2(𝑡) ሶ𝑥1(𝑡) ሶ𝑥2(𝑡) = 1 2 7 8 𝑥1 (𝑡) 𝑥2(𝑡) + 1 0 𝑢 𝑡 y t = 1 0 𝑥1 (𝑡) 𝑥2(𝑡) 𝒀(𝒔) 𝑼(𝒔) = 𝟏 𝒔 − 𝟐 𝒀(𝒔) 𝑼(𝒔) = 𝒔 + 𝟑 𝒔𝟐 − 𝟐𝒔 − 𝟐 𝒀(𝒔) 𝑼(𝒔) = 𝒔 − 𝟖 𝒔𝟐 − 𝟗𝒔 − 𝟔 13 1 Profa. Carla de Moraes de Lara Controle Discreto Aula 1 13 2 Controlabilidade 13 3 Capacidade de controlar o valor de qualquer estado existente na planta; Possibilidade de controlar suas variáveis de estado; A maioria dos sistemas é completamente controlável. Controlabilidade 13 4 O primeiro passo para determinar a controlabilidade de um sistema é obter sua matriz de controlabilidade, dada por: Sendo A e B as matrizes do sistema representado em EE. Matriz de Controlabilidade 13 5 A matriz Cm deve existir para qualquer valor inicial das variáveis de estado; Logo, o posto da matriz Cm de dimensão nxn deve ser n; Ou seja, a matriz Cm deve ser quadrada e de dimensão n, enquanto seu posto deve ser igual a sua dimensão. Determinando a controlabilidade a partir de CM 13 6 O posto de uma matriz indica o número de linhas linearmente independentes; Logo, determinaremos se a matriz possui linhas linearmente DEPENDENTES, através da avaliação de sua singularidade. Matriz Singular: é aquela que não admite ser calculada sua inversa. Posto de uma matriz 13 7 Para que uma matriz seja singular, seu determinante deve ser igual a zero; Logo, se a matriz de Cm for singular, o sistema não é controlável; Sendo assim, a matriz Cm terá seu posto diferente da sua dimensão. Matriz Singular 13 8 O posto da matriz Cm (nxn) deve ser igual a n; O determinante da matriz de controlabilidade é diferente de zero; A matriz Cm é não singular, ou seja, admite inversa. Característica de um sistema controlável 13 9 Definir as matrizes A e B; Determinar a matriz de controlabilidade Cm; Cm = cont_mat(A,B) Verificar o posto. rank(Cm) Determinando controlabilidade no Scilab 13 10 Exemplos 13 11 Sistema 1 Sistema 2 Determine se os sistemas são controláveis 13 12 Observabilidade 13 13 Um sistema é considerado observável, se é possível estimar qualquer estado x(t) a partir de um sinal de entrada e saída conhecidos, em um intervalo de tempo finito. Isto é útil na solução de problemas de reconstrução de variáveis de estado não mensuráveis. Observabilidade 13 14 Nas técnicas de controle por realimentação, é possível ocorrer situações onde não é possível realizar a medição direta de variáveis; Logo, é necessário estimar a variável de estado para construir os sinais de controle. Observabilidade e variáveis de estado não mensuráveis 13 15 Portando, devido a necessidade de projeto de observadores de estado, é necessário determinar se o sistema é completamente observável. Sendo assim, podemos aplicar os conceitos de teste de observabilidade.Observadores de Estado 13 16 O primeiro passo para determinar se um sistema é observável consiste em obter sua matriz de observabilidade, dada por: Sendo A e C as matrizes do sistema representado em EE. Matriz de Observabilidade 13 17 A matriz de observabilidade Om sempre será quadrada e de dimensão n x n; E o critério para que o sistema seja observável é o mesmo que da controlabilidade, ou seja, o posto de Om deve ser igual a sua dimensão n. Matriz de Observabilidade 13 18 Sendo assim, se o determinante da matriz Om for diferente de zero, podemos afirmar que seu posto é igual a sua dimensão; Logo, o sistema é observável; Portanto, pode-se afirmar que suas variáveis podem ser estimadas. Critério de Observabilidade 13 19 Exemplos 13 20 Considere o sistema dado por Determine se este é observável. Exemplo 1 13 21 Sua matriz de observabilidade será dada por: Substituindo C e A, tem-se: Exemplo 1 - Resolução 13 22 A partir da matriz Om obtida, calcular o determinante desta. Portanto, o sistema é observável Exemplo 1 - Resolução 13 23 Mostre que o sistema a seguir não é completamente observável. Exemplo 2 13 24 Sua matriz de observabilidade será dada por: Substituindo C e A, tem-se: Exemplo 2 - Resolução 13 25 A partir da matriz Om obtida, calcular o determinante desta. Portanto, o sistema não é observável. Exemplo 2 - Resolução 13 26 Definir as matrizes A e C; Determinar a matriz de observabilidade Om; Om = obsv_mat(A,C) Verificar o posto. rank(Om) Determinando obsevabilidade no Scilab 13 27 Exercícios 13 28 Avalie a observabilidade dos seguintes sistemas: 1) 2) 3) 13 1 Profa. Carla de Moraes de Lara Controle Discreto Aula 2 13 2 Projeto de controladores – Espaço de Estados 13 3 As técnicas de controle modernas utilizam a representação em espaço de estados; A partir dos conceitos de representação em espaço de estados, controlabilidade e observabilidade, desenvolveremos sistemas de controles e projetos de estimadores de estado. Por que utilizar técnicas de controle baseadas na representação em EE 13 4 Alocação de polos; Projetos de sistemas tipo regulador. Estimadores de estados; Projeto de estimadores de estados; Projeto de servossistemas; Técnicas de projeto para sistemas em espaço de estados 13 5 É exigido dos sistemas de controle modernos velocidade e precisão de operação, aliadas a custos menores; A alocação de polos é uma técnica que exige alta capacidade e desempenho dos dispositivos de controle; Já os estimadores de estado eliminam a necessidade de sensores, diminuindo os custos. Contextualizando 13 6 Alocação de Polos 13 7 Técnica por realimentação de estados; O objetivo é a partir de polos previamente definidos, estabelecer um vetor de ganhos k; Este vetor de ganhos multiplicará os estados com a intenção de alocar os polos nas posições desejadas. Alocação de Polos 13 8 Neste caso, a entrada de controle passa a ser definida como: (1) Ou seja, tem-se um vetor k multiplicando os estados. 13 9 Generalizando a eq. (1) para n ganhos e n estados, tem-se: 13 10 Porém, para que seja possível a implementação desta técnica é, alguns requisitos devem ser atendidos: i) Todos os estados da planta devem ser conhecidos, seja por medição ou por observadores de estados; ii) O sistema precisa ser completamente controlável. 13 11 Considerando um sistema representado em espaço de estados e dado por: (2) (3) Substituindo a eq. (1) na eq. (2), tem-se: 13 12 ❑Os polos do sistema em malha fechada são os autovalores de (A - Bk); ❑Portanto, pode-se concluir que se existir uma matriz (ou um vetor) que satisfaça a alocação de polos; ❑Então A-Bk determinará a estabilidade do sistema em malha fechada. ❑Os autovalores de A – Bk são chamados de polos reguladores. 13 13 Serão estudados dois métodos de determinação do vetor de ganhos k, sendo eles: i) Método da substituição direta; ii) Métodos de matriz de transformação. 13 14 Método da substituição direta 13 15 1º) Calcular o determinante da matriz (sI-A+Bk); 2º) Determinar a equação característica; 3º) Determinar o vetor de ganhos k; 4º) Elaborar o vetor de ganhos k. Método da substituição direta 13 16 Exemplos 13 17 Exemplo 1 Considere as matrizes Determine o vetor de ganhos k, que posiciona os polos em malha fechada em: -1+j6 e -1–j6 13 18 Exemplo 1 - Resolução O primeiro passo para o projeto de qualquer controlador, é verificar a controlabilidade do sistema. Portanto, vamos começar por ele: Como det(Cm) é diferente de zero, o sistema é controlável. 13 19 Exemplo 1 - Resolução Agora passaremos aplicar os passos do método da substituição direta. Passo 1) Calcular o determinante da matriz (sI-A+Bk) 13 20 Exemplo 1 - Resolução 13 21 Exemplo 1 - Resolução Passo 3) Comparar o determinante de (sI-A+Bk) obtido no passo 1 com a eq. característica obtida no passo 2. Para que as equações sejam iguais, os valores dos coeficientes precisam ser os mesmos, logo: 13 22 Exemplo 1 - Resolução Passo 4) Logo o vetor de ganhos k, pode ser definido como: Além disso, para verificar se os polos foram realmente alocados no lugar correto, basta verificar os autovalores da matriz (A-Bk). 13 23 Considere as matrizes Determine o vetor de ganhos k, que posiciona os polos em malha fechada em: -2+j3, -2–j3 e -5. Exemplo 2 13 24 1º) Calcular o determinante da matriz (sI-A); 2º) Determinar a equação característica; 3º) Determinar o vetor de ganhos k; OBS: só fica mais fácil se o sistema estiver na forma canônica. Método da Matriz de Transformação 13 25 Considere as matrizes Determine o vetor de ganhos k, que posiciona os polos em malha fechada em: -3+j5, -3–j5 e -9. Exercício 𝑨 = 𝟎 𝟎 𝟏 𝟎 𝟏 𝟎 −𝟏 −𝟐 −𝟑 𝑩 = 𝟎 𝟎 𝟏 13 26 Exercício - Resolução O primeiro passo para o projeto de qualquer controlador, é verificar a controlabilidade do sistema. Portanto, vamos começar por ele: Como det(Cm) é diferente de zero, o sistema é controlável. 𝑪𝑴 = 𝟎 𝟎 𝟏 𝟎 𝟏 −𝟑 𝟏 −𝟑 𝟕 ∴ 𝒅𝒆𝒕 𝑪𝑴 = 𝟎 𝟎 𝟏 𝟎 𝟏 −𝟑 𝟏 −𝟑 𝟕 = 𝟏 ≠ 𝟎 13 27 Exercício - Resolução Passo 1) Calcular o determinante da matriz (sI-A). 𝒔𝑰 − 𝑨 = 𝒔 𝟎 𝟎 𝟎 𝒔 𝟎 𝟎 𝟎 𝒔 − 𝟎 𝟏 𝟎 𝟎 𝟎 𝟏 −𝟏 −𝟐 −𝟑 = 𝒔 −𝟏 𝟎 𝟎 𝒔 −𝟏 𝟏 𝟐 𝒔 + 𝟑 𝒅𝒆𝒕 𝑪𝑴 = 𝒔 −𝟏 𝟎 𝟎 𝒔 −𝟏 𝟏 𝟐 𝒔 + 𝟑 = 𝒔𝟑 + 𝟑𝒔𝟐 + 𝟐𝒔 + 𝟏 𝒔𝟑 + 𝒂𝟏𝒔 𝟐 + 𝒂𝟐𝒔 + 𝒂𝟑 ቐ 𝒂𝟏 = 𝟑 𝒂𝟐 = 𝟐 𝒂𝟑 = 𝟏 Por meio de comparação direta entre os coeficientes 13 28 Exercício - Resolução Passo 2) Determinar a equação característica. 𝒔 − 𝒑𝟏 𝒔 − 𝒑𝟐 𝒔 − 𝒑𝟑 𝒔𝟑 + 𝟏𝟓𝒔𝟐 + 𝟖𝟖𝒔 + 𝟑𝟎𝟔 ቐ 𝜶𝟏 = 𝟏𝟓 𝜶𝟐 = 𝟖𝟖 𝜶𝟑 = 𝟑𝟎𝟔 Por meio de comparação direta entre os coeficientes 𝒔 + 𝟑 − 𝒋𝟓 𝒔 + 𝟑 + 𝒋𝟓 𝒔 + 𝟗 𝒔𝟑 + 𝜶𝟏𝒔 𝟐 + 𝜶𝟐𝒔 + 𝜶𝟑 13 29 Exercício - Resolução Passo 3) Determinar o vetor de ganhos K. 𝑲 = 𝜶𝟑 − 𝒂𝟑 𝜶𝟐 − 𝒂𝟐 𝜶𝟏 − 𝒂𝟏 𝑻 Sendo T a matriz de transformação linear, que neste caso é uma matriz identidade pois o sistema está representado na forma canônica. Portanto: 𝑲 = 𝟑𝟎𝟔 − 𝟏 𝟖𝟖 − 𝟐 𝟏𝟓 − 𝟑 𝟏 𝟎 𝟎 𝟎 𝟏 𝟎 𝟎 𝟎 𝟏 𝑲 = 𝟑𝟎𝟓 𝟖𝟔 𝟏𝟐 13 30 Exercício - Resolução Passo 4) O sistema final será dado por: ሶ𝒙 𝒕 = 𝑨 − 𝑩𝑲 𝒙 𝒕 + 𝑩𝒖(𝒕) ሶ𝒙 𝒕 = 𝟎 𝟎 𝟏 𝟎 𝟏 𝟎 −𝟑𝟎𝟔 −𝟖𝟖 −𝟏𝟓 𝒙 𝒕 + 𝟎 𝟎 𝟏 𝒖(𝒕) 13 31 Alocação de Polos no Scilab 13 32 1º) Declarar as matrizes A e B; 2º) Utilizar o comando: k = ppol(A,B,[p1,p2,p3]) Sendo que pn deve ser definido como: Pn = a+b*%i Ex: -3+j5 -> -3+5*%i. Alocação de Polos no Scilab 13 33 Projeto de Servossistemas 13 34 Podem ser definidos como sistemas de controle em que o sinal de saída segue um sinal de entrada, chamado de referência. São sistemas destinados a seguir comandos, sendo que qualquer alteração na referência, deve modificar a saída. Servossistemas 13 35 Basicamente, classificamos os servossistemas em: - Servossistemacom integrador; - Servossistema sem integrador. Servossistemas 13 36 Considerando o sistema representado em espaço de estados, dado por: Sendo A, B e C as matrizes de estados, enquanto u(t) e y(t), são respectivamente entrada e saída do sistema. Projeto de servossistema com integrador (1) 13 37 O sistema pode ser representado em diagrama de blocos por: Projeto de servossistema com integrador 13 38 Substituindo a entrada u(t) dada pela eq. (2) no sistema dado pela eq. (1), tem-se: Logo o novo sistema será dado por: Projeto de servossistema com integrador 13 39 Exemplo 1 13 40 Iniciando com a transformação da FT para EE: Exemplo 1 13 41 A partir do sistema já representado em EE, deve-se determinar o vetor de ganhos K = [k1 k2 k3]. Como o sistema está na forma canônica, pode ser aplicado o método da matriz de transformação linear já estudado. Exemplo 1 13 42 1º) Obtendo o determinante de (sI-A) Exemplo 1 13 43 2º) Obtendo a equação característica: Exemplo 1 13 44 3º) Obtendo o vetor de ganhos k: Exemplo 1 13 45 Finalmente, pode-se montar o novo sistema representado em espaço de estados: Exemplo 1 13 46 Portanto, o sistema final com o projeto do servossistema será: Exemplo 1 13 47 - Declarar: A, B, C, D; - Alocar os polos: K = ppol(A,B,[p1,p2,p3]); - k1 = K(1); - G = A – BK; - H = B*k1; - Gservo=syslin(‘c’, G, H, C, D); - t = 0:0.01:8; - y = csim(‘step’, t, Gservo) - plot(t, y); - xgrid; Projeto de servossistemas com integrador no Scilab 13 48 Determine o vetor de ganhos K e monte o sistema completo em regime permanente para os servossistemas com integrador dados a seguir: a) b) Exercícios 13 49 Projeto de servossistema sem integrador Inclusão do integrador, cuja entrada é o sinal de erro e a saída é o sinal de entrada da planta 13 50 Projeto de servossistema sem integrador As equações matemáticas do sistema apresentado, podem ser definidas como: 13 51 Passo para o projeto de servossistemas sem integrador 13 52 Verificar a controlabilidade da matriz P Considere a matriz P dada por: Para que possa ser implementado o projeto, P deve ser controlável. 13 53 As novas matrizes serão dadas por 13 54 Determinar o polinômio característico O polinômio característico será dado por: Obs.: utilizando o método da substituição direta. 13 55 Determinar a equação característica O equação característica será dada por: Mesmo que o sistema tenha originalmente apenas n estados, será inserido um novo estado, por isso o número de polos alocados será a dimensão do sistema + 1. 13 56 13 57 Montar o sistema completo em malha fechada A novo sistema será dado por: 13 58 Considere o sistema apresentado a seguir: Projete um servossistema sem integrador que faça a alocação dos polos em: -2,5 +j10; -2,5 – j10 e -4. Exemplo 1 13 59 Verificar a controlabilidade da matriz P 13 60 As novas matrizes serão dadas por 13 61 Determinar o polinômio característico 13 62 Determinar a equação característica O equação característica será dada por: 13 63 13 64 Montar o sistema completo em malha fechada A novo sistema será dado por: 13 65 Montar o sistema completo em malha fechada A novo sistema será dado por: 13 66 - Declarar: A, B, C, D; - Ahat = [A zeros(2,1); -C 0]; - Bhat = [B; 0]; - Khat = ppol(Ahat,Bhat,[p1,p2,p3]); - K = [Khat(1) Khat(2)]; - Ki = -Khat(3); - G = [A – B*K B*Ki; -C 0]; - H = [0; 0; 1;]; - Cn = [C 0]; - Gservo=syslin(‘c’, G, H, Cn, D); - t = 0:0.01:8; - y = csim(‘step’, t, Gservo) - plot(t, y); - xgrid; Projeto de servossistemas sem integrador no Scilab 13 67 Determine o vetor de ganhos K e monte o sistema completo em regime permanente para os servossistemas sem integrador dados a seguir: a) b) Exercícios 13 68 Estimadores de Estados 13 69 Também são chamados de observadores de estados; São técnicas utilizadas para estimar estados, quando um ou mais estados não são passíveis de medição. Estimadores de Estados 13 70 São baseados nas medidas da variáveis de saída e de controle; Além de que, só podem ser implementados em sistemas observáveis; Convenciona-se o uso do acento ‘~’ sobre as variáveis que estão sendo estimadas. Estimadores de Estados 13 71 Estimadores de Estados 13 72 Passos para o projeto do estimador de estados – Método 1 Verificar a observabilidade do sistema; Determinar a equação característica; Calcular o determinante de (sI-A+KeC); Determinar o vetor de ganhos Ke; Determinar a equação do estimador. 13 73 Passos para o projeto do estimador de estados – Método 2 Verificar a observabilidade do sistema; Calcular o determinante de (sI-A); Determinar a equação característica; Obter Ke a partir da relação: sendo 13 1 Profa. Carla de Moraes de Lara Controle Discreto Revisão 13 2 Mapeamento no plano F(s) 13 3 Mapeamento no plano F(s) O mapeamento no plano F(s), consiste em mapear cada ponto em s na função que descreve o plano F(s); Na prática, basta substituir s em F(s). 13 4 Representação em Espaço de Estados 13 5 Representação em Espaço de Estados 13 6 Representação em Espaço de Estados – Exemplo 1 13 7 Representação em Espaço de Estados – Exemplo 1 13 8 Representação em Espaço de Estados – Exemplo 2 13 9 Dado o circuito elétrico a seguir, determine sua representação em espaço de estados. Considere como saída a tensão Vo. Representação em Espaço de Estados – Exemplo 3 Variáveis de Estados: Entrada e saída: 13 10 Representação em Espaço de Estados – Exemplo 3 1 13 11 Representação em Espaço de Estados – Exemplo 3 2 13 12 Representação em Espaço de Estados – Exemplo 3 13 13 Capacidade de controlar o valor de qualquer estado existente na planta; Possibilidade de controlar suas variáveis de estado; A maioria dos sistemas é completamente controlável. Controlabilidade 13 14 Definir as matrizes A e B; Determinar a matriz de controlabilidade Cm; Cm = cont_mat(A,B) Verificar o posto. rank(Cm) Determinando controlabilidade no Scilab 13 15 Exemplos 13 16 Sistema 1 Sistema 2 Determine se os sistemas são controláveis 13 17 Sistema 1 Como o determinante deu igual a 0, o sistema não é controlável. 13 18 Sistema 2 Como o determinante deu diferente de 0, o sistema é controlável. 𝑪𝑴 = 𝑩 𝑨𝑩 𝑨𝟐𝑩 13 19 Observabilidade 13 20 Um sistema é considerado observável, se é possível estimar qualquer estado x(t) a partir de um sinal de entrada e saída conhecidos, em um intervalo de tempo finito. Isto é útil na solução de problemas de reconstrução de variáveis de estado não mensuráveis. Observabilidade 13 21 Exemplos 13 22 Considere o sistema dado por Determine se este é observável. Exemplo Como o determinante deu diferente de 0, o sistema é observável. 13 23 Definir as matrizes A e C; Determinar a matriz de observabilidade Om; Om = obsv_mat(A,C) Verificar o posto. rank(Om) Determinando obsevabilidade no Scilab 13 24 Alocação de Polos 13 25 Considere as matrizes Determine o vetor de ganhos k, que posiciona os polos em malha fechada em: -2+j8; -2-j8 e - 2. Sabe-se que o sistema é controlável. Exemplo – Método da Substituição Direta 13 26 Resolução Agora passaremos aplicar os passos do método da substituição direta. Passo 1) Calcular o determinante da matriz (sI-A+Bk) 13 27 Resolução Passo 2) Determinar a equação característica. 13 28 Resolução Passo 3) Comparar o determinante de (sI-A+Bk) obtido no passo 1 com a eq. característica obtida no passo 2. 13 29 Resolução Passo 4) Logo o vetor de ganhos k, pode ser definido como: Além disso, para verificar se os polos foram realmente alocados no lugar correto, basta verificar os autovalores da matriz (A-Bk). 13 30 1º) Calcular o determinante da matriz (sI-A); 2º) Determinar a equação característica; 3º) Determinar o vetor de ganhos k; OBS: só fica mais fácil se o sistema estiver naforma canônica. Método da Matriz de Transformação CONTROLE DISCRETO AULA 1 Prof. Samuel Polato Ribas 2 CONVERSA INICIAL Nesta disciplina, vamos estudar os sistemas de controle em tempo discreto. Entretanto, para se chegar a tal ponto, primeiramente devemos conhecer alguns conceitos ainda em tempo contínuo. Portanto, essa aula tem como objetivo realizar análises pertinentes à estabilidade e também trazer conceitos e conteúdos que serão válidos para os sistemas discretos. Dentre os assuntos abordados, começaremos pelo critério de Nyquist para a estabilidade. Na sequência, traremos a carte de Nichols. Com tais conceitos, podemos finalmente partir para a representação de sistemas em espaço de estados, por meio de variáveis de estado. Esse tipo de representação será fundamental para que terminemos esta aula com os conceitos de controlabilidade e observabilidade de sistemas. CONTEXTUALIZANDO Os sistemas de controle contínuo fazem parte do que é conhecido como teoria de controle clássico. São conceitos já consolidados, que formam uma teoria que serve de base para o desenvolvimento de novos conceitos e teorias. Entre eles, as noções de controle discreto e controle moderno. As técnicas de controle moderno têm sua teoria desenvolvida em tempo contínuo, porém a sua implementação prática é feita de forma discreta, utilizando plataformas digitais de desenvolvimento, como microcontroladores e microprocessadores. Por esse motivo, para compreender o controle discreto, é necessário conhecer a teoria que lhe deu origem, o que vem ao encontro dos temas desta aula. PROBLEMATIZANDO A teoria de controle clássico, por si só, não é algo simples de se compreender. Com a tendência de desenvolvimento de técnicas de controle moderno, e a decorrente necessidade de sua implementação, é indispensável conhece tais técnicas. Mais ainda, é sabido que em algumas situações os modernos controladores discretos tornam o sistema como um todo mais robusto, e com melhor desempenho. Assim, considera-se de extrema importância o 3 conhecimento dos princípios que regem as teorias de controle discreto. Tais teorias são originárias de análise em tempo contínuo, objeto de estudo nesta aula. Saiba mais Pesquise a diferença existente entre o controle clássico e o controle moderno. Veja também como são implementados os controladores discretos. Tente perceber como, atualmente, os sistemas de controle discreto dominam as aplicações e as suas vantagens em relação aos controladores analógicos. TEMA 1 – CRITÉRIO DE NYQUIST O critério de Nyquist, desenvolvido por Harry Nyquist, é um método utilizado para determinar a estabilidade de um sistema em malha fechada a partir de seus dados em malha aberta, mais precisamente da sua resposta em frequência e da localização dos polos em malha aberta. Antes de entrarmos especificamente na análise de estabilidade por este critério, é necessário conhecer a teoria que deu origem à análise, muito utilizada para análises de sistemas de controle. Comece considerando um sistema em malha fechada, cuja função de transferência direta é dada por G(s). A função de transferência de malha aberta é G(s)H(s), com sinais de entrada e saída iguais a R(s) e C(s), respectivamente. Assim, a função de transferência de malha fechada será dada por sHsG sG sR sC 1 (1) Para que o sistema da equação (1) seja estável, os polos de 1+G(s)H(s) devem estar no lado direito do plano complexo, ou seja, devem possuir parte real negativa. A grande vantagem do critério de Nyquist é que não precisamos conhecer a função de transferência do sistema ou da planta a ser controlada. Conhecendo apenas a resposta em frequência, em malha aberta, podemos determinar a estabilidade. Vamos considerar agora que a função de transferência em malha aberta é um sistema composto por uma relação de polinômios, e que o sistema é realizável – ou seja, o grau do denominador é maior, ou igual, ao grau do 4 numerador. Assim a medida que s aumenta, a função de transferência em malha aberta tende ao zero ou a uma constante. Agora, define-se a função de transferência em malha aberta como sendo a equação característica, F(s), dada por: 01 sHsGsF (2) A partir da equação (2), demonstra-se que uma trajetória contínua e fechada no plano s corresponde a uma trajetória contínua e fechada no plano F(s). Como exemplo, considere a função dada em Ogata (2010). 1 2 s sHsG (3) A equação característica F(s) = 1 + G(s)H(s) fica da seguinte forma: 0 1 1 1 2 1 s s s sF (4) Para o ponto s = 2+j1, por exemplo, tem-se da equação (4), que: 12 11 13 112 112 1 1 j j j j j s s sF (5) Dessa forma, vemos que o ponto s = 2+j1, é mapeado como o ponto 2– j1, no plano F(s). Assim, pode-se mapear pontos do plano s no plano F(s). Como exemplo, vamos considerar o plano F(s), para a linha de σ = +2, variando o valor de ω. Para cada valor de ω, encontra-se um valor mapeado no plano F(s). Em um determinado ponto, será completada uma trajetória fechada. Assim, para a linha ω = 0, o plano s, e mapeamento de F(s), ficam conforme mostrado na Figura 1. 5 Figura 1 – Mapeamento de F(s) para σ = +2 (b), de acordo com o plano s (a) Fonte: Elaborado com base em Ogata, 2010. Vamos supor agora que o ponto representativo em s resulte em um traçado no sentido horário. Se o contorno formado no plano s envolver o polo de F(s), então o contorno de F(s) envolverá a origem do plano F(s) com o contorno no sentido anti-horário. Agora, se o contorno de s envolver um zero de F(s), então o contorno de F(s) envolve a origem no sentido horário. Se o contorno do plano s envolver os polos e os zeros de F(s), não haverá envolvimento da origem pelo contorno de F(s). Vale ressaltar que não importa se os zeros e polos estão do lado esquerdo ou direito do plano s, pois o sentido do contorno de F(s) não sofrerá alteração. Agora que já conhecemos o que significa o mapeamento, vamos verificar como ele se aplica ao critério de Nyquist para análise de estabilidade. Para isso, fazemos o contorno do plano s abranger todo o lado direito do plano complexo, ou seja, ω vai de – até + . Fazendo isso, o contorno do plano s fica como na figura abaixo. 6 Figura 2 – Contorno do plano s com ω de – até + Fonte: Elaborado com base em Ogata, 2010. O contorno da Figura 2 é chamado de percurso de Nyquist, e é sempre traçado no sentido horário. Sabemos que a equação característica é dada por F(s) = 1 + G(s)H(s), e que o contorno do plano s abrange todo o lado direito. Assim, o número de zeros dentro do contorno do lado direito do plano s será igual ao número de polos do lado direito do plano complexo, mais o número de vezes que o traçado contorna a origem de 1 + G(s)H(s), no sentido horário. Perceba que o contorno de 1 + G(s)H(s), com ω de – até + , é 1 + G(jω)H(jω). Sendo 1 + G(jω)H(jω) a soma do vetor G(jω)H(jω) com um vetor unitário, então seu traçado é o mesmo do vetor traçado a partir de –1+j0. Como o envolvimento da origem por 1 + G(jω)H(jω) é igual ao envolvimento de –1+j0, a estabilidade de um sistema em malha fechada pode ser determinada ao considerarmos os envolvimentos do ponto –1+j0. De forma resumida, toda a teoria em torno do critério de estabilidade de Nyquist pode ser descrita por alguns critérios. Um dos critérios pode ser descrito como: PNZ (6) Nessa equação, Z é o número de zeros de 1 + G(s)H(s) no semiplano direito do plano s, N é o número de vezes que o ponto –1+j0 é envolvido no sentido horário, e P é o número de polos G(s)H(s) no semiplano direito do plano s. Se P for diferente de zero, para que o sistema de controleseja estável, Z deve ser igual a 0 ou N igual a –P, o que significa que devemos ter P envolvimentos de –1+j0 no sentido anti-horário. 7 Caso G(s)H(s) não possua nenhum polo no semiplano direito do plano, então Z igual a N; assim, para que o sistema seja estável, não podem haver envolvimentos no ponto –1+j0. Se o lugar das raízes de G(jω)H(jω), passar exatamente sobre o ponto – 1+j0, então os polos de malha fechada estarão exatamente sobre o eixo imaginário, o que pode levar o sistema à instabilidade muito facilmente. TEMA 2 – CARTA DE NICHOLS A carta de Nichols é uma forma de se obter as informações de magnitude e fase do diagrama de Bode, em um único gráfico parametrizado pela frequência. Em outras palavras, as informações de magnitude e ângulo do diagrama de Bode são transferidas para um gráfico de uma única curva em função de um valor de frequência ω. Considerando o que foi apresentado no diagrama de Bode, a carta de Nichols apresenta uma escala logarítmica para o ganho e linear para a fase. O princípio da construção da carta de Nichols é semelhante ao processo de representação de um ponto no plano complexo, com parte real e imaginária, o que dá origem ao conceito do diagrama de Nyquist. No mais, a escala logarítmica da magnitude da carta de Nichols permite uma interpretação mais detalhada do comportamento do sistema. O gráfico da carta de Nichols é mostrado na Figura 3. Figura 3 – Carta de Nichols Fonte: Franklin; Powell; Emami-Naeni, 2013. 8 O gráfico da carta de Nichols contém os contornos de magnitude e fase constantes em malha fechada, e é, portanto, diferente do diagrama de Nyquist, que contém círculos. A carta de Nichols é composta por gráficos de escala semilog na magnitude, e por uma escala linear na fase. Assim, é possível determinar a banda de um sistema em malha fechada, a partir de dados do gráfico de malha aberta, verificando onde a curva de malha aberta cruza o contorno de malha fechada com magnitude de 0,7 e determinando a frequência deste ponto. Da mesma forma, a magnitude do pico de ressonância, Mr, é determinado observando-se o valor da magnitude do maior contorno em malha fechada tangente à curva. A frequência neste ponto é a frequência de ressonância ωr. Ainda, a margem de ganho é determinada observando-se o valor do ganho onde o gráfico da carta de Nichols cruza a linha de –180º. Já a margem de fase é obtida verificando a fase em que o gráfico cruza a linha de amplitude 1. A carta de Nichols é uma ferramenta importante quando se deseja realizar cálculos sem utilizar recursos computacionais. Para verificar o efeito de uma alteração de ganho, por exemplo, basta deslizar a curva desenhada em um papel transparente sobre a carta de Nichols. Como exemplo, de aplicação da carta de Nichols, considere o sistema dado na figura abaixo. Figura 4 – Diagrama de blocos do sistema de controle de uma aeronave Fonte: Franklin; Powell; Emami-Naeni, 2013. 9 A Figura 4 representa o diagrama de blocos para o controle de uma aeronave. O compensador D(s) é um PID cuja função de transferência é dada por: 005,0110 05,0 ss s sD (7) As especificações do PID e a resposta em frequência do sistema da Figura 4 são mostradas na Figura 5. Figura 5 – Resposta em frequência do sistema mostrado na Figura 4. Fonte: Franklin; Powell; Emami-Naeni, 2013. Ao representar a resposta em frequência da Figura 5 por meio da carta de Nichols, o que se tem é um gráfico como o da Figura 6. 10 Na Figura 6, é fácil perceber alguns pontos relevantes ao sistema. Primeiramente, é fácil observar a margem de fase de 65º. Note que a curva cruza a linha de amplitude igual a 1 em –115º, o que caracteriza uma margem de fase de 65º, conforme mostrado no diagrama de Bode da Figura 5. Note ainda que não há cruzamento da curva do sistema com a curva de –180º na carta de Nichols, o que caracteriza uma margem de ganho infinita. Figura 6 – Carta de Nichols do sistema da Figura 4 Fonte: Franklin; Powell; Emami-Naeni, 2013. Além disso, percebe-se pela curva do gráfico que o valor da magnitude de maior contorno é tocado pela curva de 1,2, o que caracteriza uma magnitude de pico de ressonância, Mr, igual a 1,2. Por fim, percebe-se que a curva em malha aberta cruza o contorno de malha fechada com magnitude de 0,7 em ω = 0,8 rad/s, determinando assim a banda passante do sistema em malha fechada. 11 TEMA 3 – VARIÁVEIS DE ESTADO As variáveis de estado são elementos utilizados para realizar a representação matemática de um sistema, por um meio diferente do da função de transferência. Estamos habituados a representar um sistema a partir das equações diferenciais que descrevem o seu comportamento, e então aplicar a transformada de Laplace, para isolar a função de transferência que nos interessa. As variáveis de estado são utilizadas para representar um sistema por espaço de estados. Essa representação é feita por meio de matrizes, de modo que a representação de um sistema físico fica da seguinte forma: tDutCxty tButAxtx (8) Na equação (8) tem-se: x(t): vetor contendo as variáveis de estado u(t): sinal de controle ou sinal de entrada y(t): saída do sistema A: matriz com os coeficientes das variáveis de estado chamada de matriz de estados B: matriz de entrada C: matriz de saída D: matriz de transição direta Vale ressaltar que o “ponto” sobre x(t) indica uma derivação em relação ao tempo. As matrizes A, B, C e D aparecem naturalmente durante o processo de modelagem de um sistema físico. O vetor x(t) é o vetor de estados, cuja dimensão dependerá da quantidade de variáveis de estado que são inerentes ao sistema a ser controlado. O sistema da equação (8) pode ser representado por um diagrama de blocos, conforme mostrado na Figura 7. 12 Figura 7 – Representação de um sistema no espaço de estados por diagrama de blocos A Figura 7 mostra a o diagrama de blocos completo de um sistema em espaço de estados; entretanto, na maioria dos casos a matriz D é igual a zero, fazendo assim desaparecer o bloco D. Como exemplo de modelagem de um sistema e representação por espaço de estados, considere o circuito RLC série, da figura abaixo. Figura 8 – Circuito RLC série Vamos admitir que a saída é a tensão sobre o capacitor, vo(t). Neste caso, teremos duas variáveis de estado: a corrente no indutor, iL(t), e a tensão sobre o capacitor, vo(t), que são duas variáveis representadas por derivadas. Assim, aplicando a Lei de Kirchhof das malhas, tem-se que: tvtvtvtv ioLR tvtv dt tdi LtRi io L L tv L ti L R tv Ldt tdi iLo L 11 (9) Temos ainda: dt tdv Cti oL ti Cdt tdv L o 1 (10) 13 As equações (9) e (10) podem ser escritas na forma de um sistema de equações. Vejamos: tv L ti L R tv Ldt tdi ti Cdt tdv iLo L L o 11 1 (11) Agora, representamos o sistema da equação (11) na forma matricial: tv L ti tv L R L C ti tv i L o L o 1 0 1 1 0 (12) Perceba que a representação matricial da equação (12) condiz com a representação por espaço de estados da equação (8). Admitindo a tensão sobre o capacitor, e vo(t) como saída, como mencionado anteriormente, temos: ti tv tv tv L ti tv L R L C ti tv L o o i L o L o 01 1 0 1 1 0 (13) A equação (13) já é a representação por espaço de estados do circuitoda Figura 8. Se for feita uma analogia da equação (8) com a equação (13), teremos: tvtutvty ti tv tx ti tv tx io L o L o ;;; 0;01;1 0 ; 1 1 0 DC L B L R L CA (14) Perceba que, nesta representação, não foi aplicada a transformada de Laplace, o que deixa as equações no domínio do tempo. Portanto, a representação por variáveis de estado não é indicada para o projeto de controladores clássicos, projetados no domínio da frequência, e sim para o projeto de controladores modernos, principalmente os que são baseados na realimentação de estados. 14 É possível ainda, a partir da representação em espaço de estados, obter a função de transferência do sistema. Considerando o exemplo em questão, se o objetivo fosse determinar a função de transferência do circuito RLC da Figura 8, bastaria fazer: DBAsIC sR sC 1 (15) Aqui, R(s) e C(s) são os sinais de entrada e saída, respectivamente, e I representa uma matriz identidade. Substituindo na equação (15) as matrizes, A, B, C e D, dadas na equação (14), temos: 01 0 1 1 0 10 01 01 1 L L R L Cs sV sV i O (16) O resultado: 1 1 2 0 RCLCssV sV i (17) Perceba que, para executar os cálculos da equação (16), são envolvidos conceitos de matrizes, como determinantes e matriz inversa. Neste ponto, vale ressaltar uma observação da mais extrema relevância. Os autovalores da matriz A são os valores dos polos da planta, ou seja, determinando os autovalores de A, é possível determinar a estabilidade do sistema. TEMA 4 – CONTROLABILIDADE O conceito de controlabilidade está relacionado à capacidade que um sistema tem de alterar o valor de qualquer estado, em um instante inicial, t0, para um outro valor qualquer em um tempo finito. Em outras palavras, trata-se da capacidade de controlar o valor de qualquer estado existente na planta ou no sistema de controle. Sabe-se que nem todos os sistemas físicos são controláveis por completo, ou seja, não é possível controlar todos os seus estados. Entretanto, a grande maioria dos sistemas é completamente controlável. Entende-se por completamente controlável um sistema no qual todas as variáveis de estado possam ser controladas. Entretanto, mesmo não sendo 15 completamente controlável, um sistema pode ter uma ou mais variáveis que possam ser controladas. Vamos estudar as situações mais relevantes para o problema da controlabilidade. 4.1 Controlabilidade completa de estados Para entendermos este conceito, vamos considerar um sistema em tempo contínuo, na forma de espaço de estados, dado por: tButAxtx (18) Este sistema será considerado completamente controlável se, em t0, houver um sinal de controle que altere o sistema como um todo, do estado atual para um outro estado qualquer, em um intervalo de tempo finito. Para determinar se um sistema possui controlabilidade completa de estados, ou se é completamente controlável, deve-se primeiramente determinar a matriz de controlabilidade do sistema. A matriz de controlabilidade, chamada de CM, é dada por: BAABBC nM 1 (19) Para que o sistema seja completamente controlável, a matriz CM deve existir para qualquer valor inicial das variáveis de estado. Para que essa condição seja satisfeita, o posto da matriz de controlabilidade n x n deve ser igual a n, ou seja, a matriz de controlabilidade deve ser quadrada, e o seu posto deve ser igual à sua dimensão. Tal conceito pode ser estendido para o caso em que a entrada u(t) é um vetor de dimensão r. Neste caso, para que o sistema seja totalmente controlável, a matriz de controlabilidade de dimensão n x nr deve ter posto n ou conter n vetores-coluna que sejam linearmente independentes. Com exemplo, considere o sistema dado por: tu tx tx tx tx 0 1 10 11 2 1 2 1 (20) Portanto, tem-se que: 00 11 ABBCM singular (21) 16 Se a matriz é singular, ou seja, se não admite inversa, o determinante é igual a zero, o que indica a existência de linhas linearmente dependentes. Portanto, o posto n da matriz é diferente da sua dimensão n x n. Assim, pode- se afirmar que o sistema não é totalmente controlável. Entretanto, vejamos: tu tx tx tx tx 1 0 12 11 2 1 2 1 (22) Portanto, tem-se que: 11 10 ABBCM não-singular (23) Portanto, se CM é não-singular, significa que o posto é igual à sua dimensão, e portanto o sistema é totalmente controlável. Os cálculos para verificar o posto da matriz podem se tornar complexos e extensos. Por isso, programas computacionais podem ser uma ferramenta muito útil. O Scilab, por exemplo, possui o comando “cont_mat”. Esse comando retorna o valor da matriz de controlabilidade do sistema. Após a declaração das matrizes A e B, o comando pode ser utilizado como “Cm = cont_mat(A,B)”, onde “Cm” será a matriz de controlabilidade. Na sequência, é possível determinar o posto da matriz digitando o comando “rank(Cm)”. Assim, o valor retornado deve ser igual ao número de linhas e de colunas da matriz de controlabilidade. 4.2 Forma alternativa para determinação da controlabilidade Uma outra forma de determinar a controlabilidade de um sistema é por meio da utilização de uma matriz de transformação linear, que chamaremos de P. Comece considerando o sistema: tButAxtx (24) Se os autovetores de A são distintos entre si, então existe uma matriz de transformação linear, tal que: 17 n APP 0 0 2 1 1 (25) Nela, λ1, λ2, ..., λn são os autovalores de A. Para entender a suposição de forma completa, vamos definir: Pzx (26) Portanto, substituindo a equação (26) no sistema da equação (24), tem- se que: BuPAPzPz 11 (27) Nesse caso, a condição para que o sistema seja completamente controlado é que os autovetores de A sejam distintos. Assim, o sistema terá todos os seus estados controláveis, se nenhuma linha de P-1B possuir todos os elementos iguais a zero. Vale ressaltar que tais condições só serão válidas se a condição da equação (25) for válida. 4.3 Controlabilidade da variável de saída Em sistemas de controle clássicos, e na maioria dos sistemas de controle modernos, a única variável a ser controlada é a de saída. Por isso, em grande parte das aplicações, não há a necessidade de que todas as variáveis de estado sejam controladas. O que interessa em tais casos é que a variável de saída seja controlável, independentemente das demais. Para compreender o conceito da controlabilidade da variável de saída, considere o seguinte sistema: tDutCxty tButAxtx (28) O sistema é dito de saída controlável, se para qualquer valor inicial da saída, y(t0), seja possível estabelecer um sinal de controle no vetor u(t) que leve à saída y(t) para qualquer valor, sendo t um tempo finito. O sistema da equação (28) possui saída controlável se, e somente se, a matriz de controlabilidade, dada por: 18 DBCABCACABCBC nM 12 (29) de dimensões m x (n + 1)r, tiver posto m. Neste caso, o termo Du tem um papel fundamental para estabelecer a controlabilidade da variável de saída, mesmo que D seja igual a zero. TEMA 5 – OBSERVABILIDADE O conceito de observabilidade vem da possibilidade de um sistema de permitir a reconstrução de uma variávelde estado, a partir do conhecimento de variáveis que possam ser medidas, no menor intervalo de tempo possível. Na prática, alguns sistemas não permitem a medição direta das suas variáveis. No controle por realimentação de estados, é necessário ter o conhecimento de tais variáveis. Assim, o conceito de observabilidade vem ao encontro da necessidade de elaborar projetos de estimadores de estado, que permitem estimar qual será o valor das variáveis de estados que não foram medidas diretamente. O conceito de estabilidade é aplicado a um sistema do seguinte tipo: tCxty tAxtx (30) Diz-se que o sistema será completamente observável se todo estado, no instante de tempo inicial, x(t0), puder ser estimado em função da observação da variável de saída, y(t), em um intervalo de tempo menor que infinito. Devido à dualidade existente entre a controlabilidade e a observabilidade, a matriz de observabilidade pode ser calculada da seguinte forma: 1n M CA CA C O (31) Aqui, OM é chamada de matriz de observabilidade. Para que o sistema seja completamente observável, é necessário que o posto da matriz de observabilidade, de dimensões n x nm, seja igual a n. Como exemplo, considere o sistema dado por: 19 tx tx tx ty tu tx tx tx tx tx tx 3 2 1 3 2 1 3 2 1 150 1 0 0 234 100 010 (32) Assim, a matriz de controlabilidade será a seguinte: 91312 334 150 2CA CA C OM (33) Assim como no caso da controlabilidade, por envolver em alguns casos cálculos complexos e algumas vezes longos, os programas computacionais para controle trazem uma função que retorna como resultado a matriz de observabilidade. No caso do Scilab, o comando que deve ser utilizado é o “obsv_mat”, que retorna a matriz de observabilidade a partir das entradas das matrizes A e C. Para o problema em questão, bastaria declarar as matrizes A e C, e então solicitar a matriz de observabilidade por meio do comando em questão. Poderia ser feito, por exemplo, “Om = obsv_mat(A,C)”, sendo A e C as matrizes da equação (31). Assim como no caso da controlabilidade, uma matriz de transformação linear pode ser utilizada para determinar a observabilidade de um sistema de controle. FINALIZANDO Nesta aula, estudamos duas formas de análise de sistemas no domínio da frequência. Fizemos a introdução à representação de um sistema por espaço de estados. Os critérios de Nyquist e da Carta de Nichols, temas de controle clássico, trazem uma nova forma de resposta em frequência e um novo olhar para os sistemas. A partir do Tema 3, inicia-se o trabalho com a representação em espaço de estados. Esse tipo de representação proporciona, ao projetista de controle, a possibilidade de obter diferentes dados, e também de aplicar novas CONTROLE DISCRETO AULA 2 Prof. Samuel Polato Ribas 2 CONVERSA INICIAL Agora que já conhecemos a representação por espaço de estados, nesta parte da disciplina vamos tratar de aplicações em que esta representação é utilizada. Esta aula começa com a técnica de alocação de polos. Trata-se de uma técnica de controle moderna. É necessário conhecer as variáveis da planta a ser controlada, sendo que o controlador é projetado baseando-se na representação por espaço de estado. Na sequência, apresentamos o controlador tipo regulador, e logo após os tipos de estimadores de estado e o modo de projetá-los. Lembramos que os estimadores de estado têm seu projeto vinculado ao conceito de observabilidade. Para finalizar a aula, apresentamos o problema de controle tipo servo, ou controlador de servossistemas, suas características e diferenças em relação ao controlador do tipo regulador. CONTEXTUALIZANDO Cada vez mais, as técnicas de controle e os recursos para implementá- las se modernizam, e assim o desempenho dos novos controladores melhora. Com relação a isso, a redução de custos de implementação, além da velocidade e da precisão em um processo industrial, são cada vez mais exigidas. Todas essas ferramentas e exigências citadas vêm ao encontro aos temas desta aula. A alocação de polos é uma técnica de controle moderno que exige alta capacidade e desempenho do dispositivo que irá aplicá-la, assim como a redução de custos está associada ao uso de estimadores de estado, os quais eliminam a necessidade de utilização de sensores. Associado a tudo isso, os controladores tipo servo e tipo regulador, quando aplicados de forma correta e bem projetados, proporcionam um excelente desempenho ao sistema que estão controlando. 3 PROBLEMATIZANDO As técnicas de controle moderno já existem há alguns anos na literatura; já se sabe que são funcionais e que têm um bom desempenho. Entretanto, o que ainda faltava, até há pouco tempo, eram dispositivos capazes de implementá-las em sistemas físicos. Tal problema não existe mais. Por outro lado, o hábito de utilizar os chamados controladores clássicos é tão grande, que há certa resistência em aplicar técnicas de controla moderno. Não queremos dizer, com isso, que o controle moderno é melhor que o controle clássico; mas, em alguns casos, é fato que o desempenho deles é melhor. Assim, um dos objetivos desta aula é quebrar paradigmas e incentivar o uso dos recursos disponíveis que podem melhorar o controle e o desempenho de um processo. Saiba mais Pesquise sobre técnicas de controle implementadas a partir do modelo em espaço de estados. Também pesquise sobre os estimadores de estado e suas aplicações em sistemas de controle. TEMA 1 – ALOCAÇÃO DE POLOS A alocação de polos é uma técnica de controle que tem seu projeto baseado em sistemas representados em espaço de estados. O controlador resultante de um projeto por alocação de polos é um controlador do tipo realimentador de estados. Isso significa que haverá um ganho para cada estado do sistema, tal que a lei de controle resultante será na forma: Kxu (1) Nessa equação, K é um vetor de ganhos, e x é o vetor de estados. Já u será um escalar, que é o resultado da soma dos produtos resultantes dos ganhos com seus referidos estados. Generalizando a equação (1) para n ganhos e n estados, tem-se: 4 n n x x x KKKu 2 1 21 (2) Tal que: 332211 xKxKxKu (3) Entretanto, para que essa leide controle seja implementada, são necessários alguns requisitos. O primeiro deles é que todos os estados da planta sejam conhecidos. Portanto, todos eles devem medidos, ou deve-se utilizar um observador de estados. O segundo requisito é que o sistema seja completamente controlável. Se essas duas condições forem atendidas, então é possível alocar os polos no plano s em qualquer posição, mediante valores de ganho K que levem os polos em malha fechada até a posição desejada. Sendo assim, a técnica de alocação de polos resume-se em determinar uma posição para os polos em malha fechada, e projetar o vetor de ganhos K, que leva os polos em malha fechada até a posição desejada. Lembrando que isso é possível se as duas condições descritas no parágrafo anterior forem atendidas. De forma geral, o projeto por alocação de polos consiste em uma representação em espaço de estados na seguinte forma: tDutCxty tButAxtx (4) Os elementos da matriz foram definidos no Tema 3 da Aula 1. O sinal de controle para um sistema com alocação de polos é dado na equação (1). Substituindo a equação (1) na equação (4), tem-se: txBKAtx (5) A solução é dada por: 0xetx tBKA (6) Nela, x(0) é um vetor com o valor inicial dos estados da planta. Os polos do sistema em malha fechada são os autovalores de (A–BK); portanto, podemos afirmar que, se existir uma matriz (ou vetor) que satisfaça a 5 alocação de polos, então A–BK determinará a estabilidade do sistema em malha fechada. Os autovalores de A–BK são chamados de polos reguladores. Em malha fechada, o sistema da equação (4), com uma lei de controle por realimentação de estados (como é a alocação de polos), pode ser representado conforme a Figura 1. Figura 1 – Sistema em malha fechada para lei de controle u = –Kx Fonte: Ogata, 2010. Há basicamente três maneiras de determinarmos o conjunto de ganhos K utilizando a alocação de polos. Tais métodos serão vistos a seguir. 1.1 Determinação de K por matriz de transformação T Considere um sistema dado por: tButAxtx (7) Considere-se também o sinal de controle igual à equação (1). O vetor de ganhos K, se os autovalores de A–BK são μ1, μ2, ..., μn, pode ser determinado pelos seguintes passos: a) Verificar se o sistema é totalmente controlável. b) Pela equação característica da matriz A, determinar a matriz de transformação linear T. Vejamos a equação: nn nn asasasAsI 1 1 1 (8) c) Com os polos desejados em malha fechada, escreve-se o polinômio característico e determina-se os valores de α1, α2,...., αn. 6 nn nn n ssssss 1 1 121 (9) d) Determinar o vetor de ganhos K 1112211 TaaaaK nnnn (10) 1.2 Determinação de K por substituição direta Pode-se determinar o vetor de ganhos K substituindo diretamente o vetor K no polinômio característico. Essa substituição pode simplificar a determinação dos ganhos. Este método só é recomendado para sistemas de baixa ordem (menor ou igual a 3). Como exemplo, considere um sistema de ordem 3; portanto, a matriz de ganhos será: 321 kkkK (11) Substituindo o vetor K no polinômio característico, dado por |sI – A + BK|, e igualando (s – μ1) (s – μ2) (s – μ3), tem-se: 321 sssBKAsI (12) Como os dois lados da igualdade da equação (12) são polinômios em s, basta igualar os coeficientes e, por analogia, determinar os valores de k1, k2 e k3. 1.3 Determinação de K pela fórmula de Ackermann A fórmula de Ackermann é um método utilizado para determinar o vetor de ganhos K. Por se tratar de um cálculo propício para a utilização em sistemas computacionais, a grande parte dos programas matemáticos que calculam ganhos para controladores por alocação de polos usam em seu algoritmo a fórmula de Ackermann. De forma extremamente resumida, a fórmula de Ackermann, que determina o vetor de ganhos K, é dada por: ABAABBK n 11000 (13) O significado de ϕ(A), bem como a dedução da fórmula de Ackermann, estão descritos no livro de Ogata (2010, p. 664). 7 1.4 Exemplo Como exemplo de aplicação dos métodos de alocação de polos descritos nas Subseções 1.1 e 1.2, considere um sistema na seguinte forma: tButAxtx (14) Nele, teremos: 1 0 0 ; 651 100 010 BA (15) Deseja-se projetar um sistema de controle por realimentação de estados, com o sinal de controle dado por u = –Kx, de modo que os polos em malha fechada fiquem em –2±j4 e em –10. Independentemente do método utilizado para determinar o conjunto de ganhos K, deve-se verificar se o sistema é totalmente controlável. A matriz de controlabilidade fica assim: 3161 610 100 2 BAABBCM (16) A matriz da equação (16) tem posto igual a 3, portanto ela é completamente controlável, o que significa que podemos projetar ganhos para alocar os polos em malha fechada em qualquer ponto do plano complexo. Pelo método da matriz de transformação T, a equação característica do sistema será: 0156 651 10 01 32 2 1 323 asasassss s s s AsI (17) Portanto, a1 = 6, a2 = 5 e a3 = 1. A equação característica é dada por: 02006014104242 32 2 1 323 sssssssjsjs (18) E assim temos que α1 = 14, α2 = 60, α2 = 200. Por fim, da equação (10) tem-se: 8 11112233 6145601200 TTaaaK (19) Como a equação e os estados já estão na forma canônica controlável (Ogata, 2010, p. 662), a matriz T é igual à matriz identidade. Portanto: 855199K (20) Pelo segundo método, da substituição direta, também é possível chegar nos valores de ganho K. Para isso, iniciamos definindo o vetor K como na equação (11), já que se trata de um sistema de terceira ordem. Igualando a equação a [sI – A + BK] à equação característica desejada, tem-se: 2006014 156 651 10 01 1 0 0 651 100 010 00 00 00 23 12 2 3 3 321 321 sss ksksks kskk s s kkk s s s BKAsI (21) Da equação (21), por analogia, tem-se: 2001;605;146 123 kkk (22) Ou seja, 8;55;199 321 kkk (23) O Scilab possui a função “ppol”, que realiza o cálculo do vetor de ganhos, mediante o conhecimento das matrizes A e B e da localização desejada para os polos. As linhas de código a seguir, se digitadas no Scilab, retornarão o vetor de ganhos K para o exemplo em questão: --> A = [0 1 0 ; 0 0 1 ; -1 -5 -6] --> B = [0 ; 0 ; 1] --> K = ppol(A,B,[-2+4*%i,-2-4*%i,-10]) K = 199. 55. 8. 9 TEMA 2 – PROJETO DE SERVOSSISTEMAS Antes de iniciarmos a descrição e a formulação de projetos de controladores para servossistemas, vamos entender o que é um servossistema. Um servossistema é um sistema de controle em que, a um sinal de saída, deve-se seguir um sinal de entrada, que será chamado de referência. Em outras palavras, são destinados a seguir comandos, pois se houver uma alteração na referência, a saída deve ser corrigida, de modo que seu sinal seja igual ao da entrada. Neste tema, vamos abordar o projeto de servossistemas por meio da alocação de polos. Em tais casos, o sinal de controle u, assim como o sinal de saída y, são escalares, e serão tratados como tal. 2.1 Servossistemas com integrador Primeiramente, vamos realizar a análise de projetos de servossistemas cuja planta já possui um integrador em seu modelo. Para isso, comece considerando um sistema dado por: Cxy BuAxx (24) Nele, A, B e C são matrizes constantes, x é o vetor de estadosda planta e u e y são os sinais escalares de controle e de saída, respectivamente. Esse tipo de servossistema é descrito, de forma geral, pelo diagrama de blocos da Figura 2. 10 Figura 2 – Diagrama de blocos de um servossistema com integrador. Fonte: Ogata, 2010. Matematicamente, o sinal de controle u, que é igual a u(t), na Figura 2 pode ser escrito como: rkKxxrk x x x kkku n n 111 2 1 320 (25) Suponha agora que o sinal de referência seja aplicado no instante t = 0. Então, para t > 0, o sistema é descrito conforme a equação (24), ou ainda por: rBkxBKABuAxx 1 (26) Em projeto de servossistemas, deseja-se que, em t = ∞, o sinal de controle seja nulo. Nesse caso, o sinal de entrada, r, será igual ao sinal de saída, y. Em regime permanente, ou seja, em t = ∞, os valores de x(t) e u(t) podem ser determinados da maneira que segue. Da equação (25), tem-se que: rBkxBKAx 10 (27) Considerando que o sistema em questão é totalmente controlável, então é possível alocar os polos em qualquer parte do plano s. Sendo assim, considerando que todos os polos estão localizados no lado esquerdo do plano complexo, a matriz A–BK admite inversa, e portanto x(∞) pode ser escrito como: 11 rBkBKAx 1 1 (28) Da mesma maneira como pode ser obtido: 01 rkKxu (29) Para ilustrar o raciocínio, considere um sistema dado pela equação (24), tal que: 001; 1 0 0 ; 320 100 010 CBA (30) Esse sistema possui um integrador no seu modelo. Sabendo que o posto da matriz de controlabilidade é 3, então o sistema é totalmente controlável, e assim o sinal de controle pode ser escrito como: rkKxxrkxkxku 1113322 (31) Nele, temos: 321 kkkK (32) O vetor de ganhos K pode ser obtido utilizando um dos métodos descritos no Tema 1, ou com o auxílio de programas computacionais, como o Scilab, por exemplo. Realizando os cálculos do vetor K, para que os polos em malha fechada fiquem posicionados em –2±j3,464 e em –10, o resultado é: 1154160K (33) Feito isso, vamos considerar que o sinal de entrada é do tipo degrau unitário, de tal forma que o valor da entrada seja 1; portanto, em regime permanente a saída deve ser 1 também. Fazemos: 1456160 100 010 1154160 1 0 0 320 100 010 BKA (34) Dessa forma, de acordo com a equação (27), tem-se: 12 r tx tx tx tx tx tx 160 0 0 1456160 100 010 3 2 1 3 3 1 (35) A saída seria: tx tx tx y 3 2 1 001 (36) Para verificar a validade do projeto, a Figura 3 apresenta a saída do sistema da equação (35) quando submetido a uma entrada do tipo degrau unitário. O projeto pode ser executado por intermédio do Scilab, por exemplo, utilizando os comandos vistos no Tema 1 desta aula para obter o vetor de ganhos K. Depois, basta declarar as matrizes das equações (35) e (36) como sistemas lineares e aplicar uma entrada do tipo degrau unitário. Figura 3 – Reposta do sistema em malha fechada com alocação de polos 2.1 Servossistemas sem integrador Quando o servossistema não tem integradores na sua planta, deve-se inserir um entre o sinal de erro e a planta. Dessa forma, o sinal de erro será a entrada do integrador, e a sua saída será o sinal de entrada da planta. A Figura 13 4 apresenta o diagrama de blocos de um servossistema com a inserção de um integrador conforme a descrição. Figura 4 – Servossistema com a inclusão de um integrador Fonte: Ogata, 2010. O servossistema da Figura 4 pode ser descrito matematicamente pelas seguintes equações: BuAxx (37) Cxy (38) 1kKxu (39) Cxryr (40) Nele, ξ é o sinal de saída do integrador. Vamos considerar, como no exemplo anterior, o sinal de entrada como um degrau unitário. Combinando as equações (37) e (38), tem-se: trtu B t tx C A t tx 1 0 00 0 (41) A equação corresponde à representação do sistema da Figura 4 em espaço de estados. Para compreendermos melhor como será projetado o controle para este servossistema, vamos diretamente para um exemplo. A teoria para a dedução das equações utilizadas está disponível em Ogata (2010, p. 676). Assim, vamos começar considerando uma planta cujas matrizes das equações (37), (38), (39) e (40) são dadas por: 14 0100; 5,0 0 1 0 ; 0004905,0 1000 000601,20 0010 CBA (42) O próximo passo é determinar a equação de estado de erro, dada por: euBeAe ^^ (43) De tal forma que: eKue ^ (44) E considerando: II kkkkkkKK |4321 ^ (45) Finalmente, temos: 0 5,0 0 1 0 0 ; 00100 00004905,0 01000 0000601,20 00010 0 0 ^^ B B C A A (46) Para que o sistema tenha o desempenho desejado em malha fechada, os polos devem ser alocados em –1+j1,732, –1–j1,732, –5, –5 e –5. Para determinar o vetor de ganhos K, deve-se verificar a controlabilidade da matriz P, dada por: 00100 5,00004905,0 01000 1000601,20 00010 0C BA P (47) O posto da matriz P é 5, e portanto o sistema é totalmente controlável. Calculando o vetor de ganhos K, e utilizando as matrizes dadas na equação (46), que aloca os polos em malha fechada na posição desejada, tem- se: 96,5071,3606,5637,3563,157 ^ 4321 ^ K kkkkkkKK II (48) 15 Portanto, temos kI = –50,9684. Após a determinação do vetor de ganho K, é possível verificar a resposta do sistema a uma entrada do tipo degrau unitário, com kI, o ganho da parcela integral. Para obter tal resposta, é necessário descrever o sistema em espaço de estados. Em malha fechada, qualquer sistema como o que estamos trabalhando fica da seguinte forma: r t tx C BkBKA t tx I 1 0 0 (49) A saída do sistema é dada por: r t tx y 000100 (50) Assim, definindo as matrizes A, B, C e K da equação (50), é possível utilizar um programa como o Scilab, por exemplo, para determinar como se comportará a resposta do sistema. Perceba, pela equação (50), que a variável de saída é o estado 3 do vetor x, e que portanto x3(t). A Figura 5 mostra o comportamento do estado x3(t) em relação a uma entrada do tipo degrau unitário. Figura 5 – Reposta do sistema em malha fechada com alocação de polos 16 Perceba, pela Figura 4, que há uma estabilização da variável x3 em 1. Isso comprova a eficácia do projeto por alocação de polos, mesmo que a planta não tenha integrador. TEMA 3 – ESTIMADOR DE ESTADOS Os estimadores de estado, também chamados de observadores de estado, ou simplesmente observadores, são técnicas utilizadas para estimar o valor de um estado de uma planta. Essas técnicas são utilizadas quando um ou mais estados da planta não são passíveis de medição, ou seja, quando não podem ser medidos diretamente por sensores. De forma geral, um estimador de estados se baseia nas medidas de variáveis de saída e de controle. Além disso, como o próprionome sugere, os observadores de estado só podem ser implementados se o sistema for observável. A partir desse ponto, vamos utilizar o acento “~” sobre uma variável, vetor ou matriz, para indicar que se trata de uma grandeza estimada, ou de um estado observado. Se considerarmos um sistema como o mostrado na equação (24), então o estimador de estado será um subsistema que reconstrói o vetor de estados da planta. Matematicamente, o modelo do estimador é igual ao da planta, sendo diferente da planta física por um termo a mais, que é o erro de estimação, o qual compensa as variações paramétricas a que podem estar sujeitas as matrizes A e B, considerando a inexistência de erro no início de seu funcionamento. O erro de estimação é a diferença entra a o sinal real e o sinal estimado, e o erro inicial é a diferença entre o valor inicial de um estado e o valor da estimação inicial. Matematicamente, um observador de estados pode ser dado por: yKBuxCKAxCyKBuxAx eee ~~~~ (51) Nele, ~ x é o vetor de estados estimados, ~ xC é a saída estimada. As entradas do estimador são a saída y, e o sinal de controle u. O vetor Ke é o vetor de ganhos do estimador, cujos valores envolvem o erro entre a saída medida e a saída estimada. 17 Utilizando a representação por diagrama de blocos, a equação (51) pode ser representada pela Figura 5. Note que o estimador, delimitado pela linha tracejada, possui uma estrutura muito semelhante a da planta. Na Figura 5 é mostrado um observador de ordem plena, conforme descrito pela equação (51). Neste tipo de estimador, a sua ordem deve ser a mesma da planta. O comportamento dinâmico do estimador, é determinado pela posição dos autovalores da matriz A–KeC. Se esta matriz for estável, então o erro convergirá para zero.para qualquer valor inicial de erro. Figura 5 – Estimador de estados de ordem plena Fonte: Ogata, 2010 Se a planta for totalmente observável, então existirá um vetor Ke do estimador, tal que as dinâmicas do erro serão definidas por: eCKAe e (52) Considera-se qualquer valor inicial do erro. A idéia básica do estimador é esta que foi apresentada, ou seja, determinar o valor de estados não mensuráveis de uma planta de forma a conhecê-los e assim ser possível utilizá-los para realizar o controle da planta. 18 A seguir, mostraremos como realizar o projeto de estimadores de estado. TEMA 4 – PROJETO DE ESTIMADOR DE ESTADOS Existem várias formas de executar o projeto de estimadores de estados. Portanto, ao invés de vermos a teoria por trás desse tipo de projeto, vamos diretamente resolver exemplos. Assim, caso seja desejável projetar estimadores de estado, este tema servirá como um roteiro para tal. Sendo assim, vamos considerar um exemplo disponível em Ogata (2010). Ele traz um sistema do seguinte tipo: Cxy BuAxx (53) Ele terá as matrizes: 10, 1 0 , 01 6,200 CBA (54) E vai utilizar uma lei de controle por realimentação de estados, tal que: Kxu (55) Deseja-se projetar um estimador de estados pleno, cujos autovalores da matriz do estimador sejam –10 e –10. Perceba que os autovalores da matriz A, da equação (55), são –4,53 e +4,53. Perceba que os polos do estimador estão mais afastados da origem do plano complexo, o que torna a sua dinâmica mais rápida que a da planta. A propósito, a dinâmica do estimador sempre deve ser mais rápida que a da planta. Deve-se iniciar o projeto verificando a observabilidade do sistema da equação (54): 01 10 CA C OM (56) Verifica-se que seu posto é 2; portanto, é completamente observável. Após isso, devemos verificar qual é a equação caraterística do sistema, fazendo: 06,20 1 6,20 21 22 asass s s AsI (57) 19 Resulta-se em a1 = 0 e a2 = –20,6. Além disso, sabe-se que a equação característica do estimador é: 0100201010 21 22 ssssss (58) Temos que α1 = 20 e α2 = 100. O primeiro método de determinação do vetor de ganhos do estimador consiste em utilizar a seguinte equação: eCKAe e (59) A equação característica do estimador é: 0 CKAsI e (60) Se considerarmos que o vetor Ke é composto pelos ganhos ke1 e ke2, então a equação (58) fica da seguinte forma: 06,20 1 6,20 10 01 6,200 0 0 12 2 2 1 2 1 ee e e e e ksks ks ks k k s s (61) Com a equação característica do estimador, dada na equação (58), podemos fazer uma comparação direta na seguinte forma: 06,2010020 12 22 ee ksksss (62) Resulta-se que ke1 = 120,6 e ke2 = 20, o que leva ao vetor de ganhos Ke: 20 6,120 eK (63) O segundo método utilizado para o projeto de estimadores parte do pressuposto de que o vetor de ganho Ke pode ser escrito em função da observabilidade do sistema. Segundo esse método, o vetor Ke pode ser escrito como: 11 111 a a a OWK nn nn Me (64) Nele, OM é a matriz de observabilidade e W é uma matriz na seguinte forma: 20 0001 001 01 1 1 32 121 a aa aaa W nn nn (65) Como os coeficientes a1, a2, α1 e α2 já foram determinados, o vetor de ganhos Ke, de acordo com a equação (64), fica na forma: 20 6,120 020 6,20100 01 10 01 1 1 1 11 221 a a a OWK Me (66) Independentemente do método de projeto adotado, o fato é que a equação do observador, dada pela equação (51), pode ser escrita como: yu x x x x yKBuxCKAx ee 20 6,120 1 0 201 1000 ~ 2 ~ 1 ~ 2 ~ 1 ~~ (67) A equação (67) descreve o diagrama de blocos da Figura 5, ou seja, trata-se de um observador de estado pleno, no qual todos os estados podem ser estimados. Vale lembrar que é adequado escolher os autovalores do estimador, mais afastados do plano complexo do que os autovalores da planta, pois a sua dinâmica deve ser maior, de forma a obter o valor do estado estimado mais rapidamente. TEMA 5 – PROJETO DE SISTEMAS TIPO REGULADOR Assim como no caso do Tema 4, sobre projetos de estimadores, aqui vamos explicar como elaborar o projeto de sistemas do tipo regulador por meio de exemplos. Antes de iniciar, é preciso relembrar o que é um sistema desse tipo. Ele não tem um valor de referência – a sua entrada é nula. Neste caso, o sistema de controle tem como objetivo manter a planta, ou um processo, em uma condição pré-determinada de operação. Um exemplo de sistema do tipo regulador é apresentado abaixo. 21 Figura 6 – Sistema do tipo regulador Fonte: Ogata, 2010. O projeto de controladores do tipo regulador pode ser realizado utilizando estimadores de estados conforme o que foi estudado nos temas anteriores. Segundo Ogata (2010), um projeto deste tipo pode ser realizado executando as seguintes etapas: 1. Obter o modelo da planta em espaço de estados. 2. Escolher os polos em malha fechada, considerando um projeto por alocação de polos, e escolher os polos do estimador. 3. Determinar o vetor de ganhos K, da alocação de polos, e o vetor Ke dos ganhos do estimador. 4. Após determinadas as matrizes de ganho K e Ke, basta obter a função de transferência do conjunto controlador-estimador e verificar se o resultado atende aos requisitos de desempenho. Como exemplo, considere uma planta cuja função de transferência é dada por: 64 210 sss s sU sY (68) A primeira
Compartilhar