Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Santa Catarina Florianópolis Programa de Pós-Graduação em Engenharia de Automação e Sistemas Modelagem de Sistemas Dinâmicos - DAS410074 Modelagem matemática de sistemas fluídicos: Sistema de nível de líquido com interação Robson Ferreira dos Santos Júnior Professor: Nestor Roqueiro Florianópolis/SC 2020 Sumário 1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 Problema Proposto . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 METODOLOGIA E DESENVOLVIMENTO . . . . . . . . . . . 3 2.1 Processos Não-lineares, Por que Linearizá-los? . . . . . . . . . . 3 2.2 Vantagens de de Linearizar um Sistema . . . . . . . . . . . . . . 3 2.3 Representação em Espaço de Estados . . . . . . . . . . . . . . . 3 2.3.1 Estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.3.2 Variáveis de Estado . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.3.3 Espaço de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.3.4 Matrizes do Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.4.1 Matriz A: Matriz de Estado . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.4.2 Matriz B: Matriz de Entrada . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.4.3 Matriz C: Matriz de Saída . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.4.4 Matriz D: Matriz de Transição . . . . . . . . . . . . . . . . . . . . . . 6 2.4 Modelagem do Processo . . . . . . . . . . . . . . . . . . . . . . 6 2.5 Linearização do modelo . . . . . . . . . . . . . . . . . . . . . . . 7 2.6 Modelagem matemática em espaço de estados . . . . . . . . . 9 2.7 Modelagem computacional do modelo não-linear . . . . . . . . 12 3 RESULTADOS E DISCUSSÕES . . . . . . . . . . . . . . . . . . 14 3.1 Comparação entre modelos . . . . . . . . . . . . . . . . . . . . . 18 4 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . 22 ANEXO A – CÓDIGO DE PLOTAGEM E COMPARAÇÃO DE RESULTADOS . . . . . . . . . . . . . . . . . 23 ANEXO B – DEFINIÇÃO DE VARIÁVEIS PARA SIMULAÇÃO 25 1 INTRODUÇÃO Em processos industriais, há diversas maneiras de se movimentar recursos pela planta. Um exemplo é a movimentação de fluidos entre de tanques e reservatórios. Estes processos são muito comuns em no dia-a-dia de processos automatizados. Deslo- camento de fluidos são, frequentemente, representados por equações diferenciais não- lineares. No entanto, se determinada uma região de operação, tais equações podem ser linearizadas ao redor deste ponto e o sistema modelado e estudado (OGATA; SEVERO, 1998). 1.1 Problema Proposto Objetivando a modelagem e estudo do comportamento de um sistema fluídico, optou- se pela utilização de um sistema composto por dois tanques, conectados por um tubo associado a uma válvula. A saída do sendo tanque é controlada por uma válvula mas a mesma está aberta à atmosfera. A figura 1 mostra como é dada a disposição do modelo. Figura 1 – Modelo do sistema fluídico composto por dois tanques conectados Fonte: Ogata e Severo (1998) 1.2 Objetivo 1.2.1 Objetivo Geral Objetivando avaliar o aprendizado dos conceitos ofertados na disciplina de Modelagem de Sistemas Dinâmicos, o presente trabalho tem por objetivo linearizar e modelar matematicamente um sistema não-linear, realizar sua simulação computacional e comparar o modelo matemático linearizado com o modelo computacional não-linear. Após a realização das comparações, será gerado um relatório contendo os passos adotados para a realização do que foi proposto. 1.2.2 Objetivos Específicos Tendo em vista o trabalho proposto, serão seguidos os seguintes passos para a elaboração e execução da atividade: • Modelagem matemática do sistema proposto; • Definir as variáveis de estado e suas faixas de variação; • Caracterização do modelo para aplicações de controle e adequação para simula- ção; • Comparativo entre modelos matemáticos e o modelo não-linear simulado; • Geração de um descritivo analítico e sistemático. 2 Metodologia e Desenvolvimento 2.1 Processos Não-lineares, Por que Linearizá-los? Processos não- lineares são desafiadores e,em muitas ocasiões, são complexos e demandam muito estudo e recursos para que sejam modelados e assim serem analisados, controlados, simulados, etc. Por este motivo, modelos lineares uma opção para que sejam determinadas as nuances do processo de forma mais rápida e com menos recursos exigidos. A variável de interesse em um sistema linear, possui termos linearmente dependentes, ou seja, cada termo tem uma parcela de contribuição na variável de interesse, já sistemas não lineares não possuem essa contribuição de forma clara e direta. Por este motivos, linearizar sistemas não-lineares é, quase sempre, o principal objetivo para que possa ser desenvolvido um modelo, pois através da linearização, pode- se estudar o efeito de cada entrada na saída do sistema, de forma independente. 2.2 Vantagens de de Linearizar um Sistema Sistemas reais são, normalmente, não-lineares. Como dito acima, este tipo de sistema são complexos. Sistemas lineares, por sua vez, são conhecido por terem seu processo de análise menos complexo. Por este motivo existem inúmeras ferramentas para que um processo seja analisado, seja ele no domínio do tempo ou da frequência. E quando se a possibilidade de analisar a contribuição de cada entrada, separadamente, em uma determinada saída, é possível encontrar funções de transferência que são utilizadas para que possa ser entendida a dinâmica do sistema e à partir disso realizar o desenvolvimento de um controlador capaz de executar sua função de forma efetiva. 2.3 Representação em Espaço de Estados A modelagem em espaço de estados possui diversas vantagens, entre elas: • Modelagem de sistemas com múltiplas entradas e múltiplas saídas; • Possibilita que controladores sejam projetados; • Representa sistemas não-lineares; • Representa sistemas que variam no tempo; • Manipula sistemas com condições iniciais não nula de forma adequada. Para que se entenda melhor o conceito abordado, deve- se conhecer os termos que são utilizados em uma representação por espaço de estados. 2.3.1 Estado Em sistemas dinâmicos, seu estado está relacionado com um conjunto específico de valores de suas varáveis de estado.Se conhecermos os valores destas variáveis onde t=0,juntamente com a entrada para t t0, pode- se determinar o comportamento de todo o sistema. 2.3.2 Variáveis de Estado As variáveis de estado são as variáveis que influenciam na dinâmica de um sistema. Estas variáveis são responsáveis por determinar o estado de um sistema em um determinado tempo. Em outras palavras, uma variável de estado é capas de determinar o comportamento atual do sistema, uma vez que são conhecidas as entradas para aquele determinado momento. 2.3.3 Espaço de Estados Espaço de estados é o termo utilizado para descrever o conjunto de que pode representar todos os estados possíveis de um sistema,ou seja, qualquer estado pode ser representado por um ponto no espaço de estados. 2.3.4 Matrizes do Sistema As matrizes do sistema são responsáveis por determinar o comportamento de um sistema em um determinado instante. Podem ser descritas por: [ẋ] = A · x + B · u y = C · x + D · u Cada uma dessas matrizes A,B,C e D possuem uma função, quando se falar em determinar o estado de um sistema. 2.3.4.1 Matriz A: Matriz de Estado A matriz de estado A é a matriz que armazena os coeficientes relacionados às variáveis de estado, ou seja, todas as variáveis que possuem contribuição com na saída do sistema. Lembrando que a parcela correspondente à entrada do sistema é explicita em outra matriz. 2.3.4.2 Matriz B: Matriz de Entrada Esta matriz tem por finalidade agruparas os coeficientes de contribuição de cada entrada do sistema. 2.3.4.3 Matriz C: Matriz de Saída De forma análoga à matriz de entrada, a matriz de saída está relacionada co a saída do sistema. 2.3.4.4 Matriz D: Matriz de Transição Esta matriz representa a relação direta entre entrada e saída. Na grande maioria das vez não há relação direta da entrada com a saída, por este motivo a matriz D é normalmente zero. Obter- se representação em espaço de estados de um sistema, é uma ferramenta para que técnicas de controle avançado sejam aplicadas em sistemas não-lineares que podem ser linearizados. 2.4 Modelagem do Processo Modelagem de sistemas não lineares, obedece princípios necessários para o entendimento da dinâmica do sistema e a abordagem a ser utilizada para que a modelagem seja feita. Entre estes princípios estão a abordagem do problema, Leis de conservação e relações constitutivas, balanços de energia, entre outros. Pelo fato do sistema escolhido para este trabalho ser um sistema mecânico, onde envolve dinâmica de fluidos, deve- se obedecer o princípio do balanço de massa entre os tanques. Ou seja, o sistema está em equilíbrio quando a vazão de entrada é igual à vazão de saída e não há alteração nos níveis dos tanques. A equação 2.1 define como é equacionado o volume em um tanque comum: A · ∂h ∂t = qin − (a · k √ 2 · g · h) (2.1) Onde: A = Área transversal do tanque; ∂h ∂t = Variação da altura do nível no tempo; qin= Fluxo de entrada; a · k= coeficiente de vazão da válvula; √ 2 · g · h= diferença de pressão à jusante e montante da válvula. A diferença de pressão à jusante e montante da válvula pode ser melhor explicada pela seguinte equação: √ ∆P = √ ((2 · g · h) + Patm)− Patm A equação se dá desta forma, pois em um sistema de apenas um tanque, onde a saída está aberta para a atmosfera, tem- se apenas a influência da pressão atmosférica, enquanto do outro lado da válvula tem- se a presença da pressão atmosférica e a pressão exercida pela coluna de líquido presente no tanque. No entanto as pressões atmosféricas se anulam, restando apenas a pressão exercida pela coluna de líquido, neste caso. Para o sistema composto por dois tanques conectados por uma válvula e um tubo, o balanço de massa pode ser expresso pelo seguinte conjunto de equações: A1 · ∂h1 ∂t = a1 ·K1 − (a2 · k2 √ 2 · g · (h1− h2)) (2.2) A2 · ∂h2 ∂t = (a2 · k2 √ 2 · g · (h1− h2))− (a3 · k3 √ 2 · g · h2) (2.3) 2.5 Linearização do modelo Para realizar a linearização do modelo, primeiramente é estabelecido o ponto de equilíbrio do sistema. Este ponto é conhecido, no caso dos tanques interconectados, quando a vazão de entrada se iguala à vazão de saída e os níveis nos dois tanques permanecem constantes. Quando este estado é atingido, as equações 2.4 e 2.5 são expressas da seguinte forma: 0 = a10 ·K1 − (a2 · k2 √ 2 · g · (h10 − h20)) (2.4) 0 = (a2 · k2 √ 2 · g · (h10 − h20))− (a3 · k3 √ 2 · g · h20) (2.5) Onde os índices com valor 10 e 20 representam os valores no ponto de equilíbrio. Feito isso, inicia- se o processo de linearização atravéz da aplicação da expansão da Série de Taylor truncada, pois sabe- se que ao traçarmos uma reta tangente à um ponto em uma curva e calcularmos a derivada deste ponto, é possivel obter a linearização do sistema ao redor daquele ponto, quando a variação é muito pequena. Fazendo uso deste mecanismo matemático, serám realizada a linearização das partes não lineares do sistema, para que em seguida seja realizada a modelagem matemática em espaço de estados. A expansão da Série de Taylor pode ser descrita por: f(x, y) = f(x + ∆x, y + ∆y) + ∂x ∂t |x0, y0 ·∆x + ∂y ∂t |x0, y0 ·∆y (2.6) Normalmente a série de taylor possui mais termos, mas estes termos serão multiplicados pelas variações ∆x e ∆y elevados ao grau do seu termo (1,2,3..., n) e como no caso da linearização consideram- se variações muito pequenas ao redor do ponto de equilíbrio, estes termos tendem a zero. Aplicada a expansão da série de Taylor em ambas as equações, obtemos o seguinte conjunto de equações lineares: A1 · ∂h1 ∂t = K1 ·∆a1 − a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h1 + a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h2 (2.7) A2 · ∂h2 ∂t = a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h1 − ( a2 · k2 √ 2 · g 2 · √ h10 − h20 + a3 · k3 √ 2 · g√ h20 )∆h2 (2.8) Para que seja facilitado o entendimento, as equações 2.7 e 2.8 podem ser reescritas da seguinte forma: ḣ1 = 1 A1 (K1 ·∆a1 − a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h1 + a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h2) (2.9) ḣ2 = 1 A2 ( a2 · k2 √ 2 · g 2 · √ h10 − h20 ∆h1 − ( a2 · k2 √ 2 · g 2 · √ h10 − h20 + a3 · k3 √ 2 · g√ h20 )∆h2) (2.10) 2.6 Modelagem matemática em espaço de estados Para que a modelagem em espaço de estados seja realizada, primeiramente deve- se especificar as variáveis de estado, que por vez serão: x1 = h1 x2 = h2 E suas respectivas derivadas: ẋ1 = ḣ1 ẋ2 = ḣ2 A variável de saída e a variável de entrada também devem ser determinadas: u = [a1] e y = [h2] As equações de balanço de massa, podem agora ser reescritas utilizando-se as variáveis de estado: ẋ1 = 1 A1 (K1 · a1 − a2 · k2 √ 2 · g 2 · √ h10 − h20 x1 + a2 · k2 √ 2 · g 2 · √ h10 − h20 x2) (2.11) ẋ2 = 1 A2 ( a2 · k2 √ 2 · g 2 · √ h10 − h20 x1 − ( a2 · k2 √ 2 · g 2 · √ h10 − h20 + a3 · k3 √ 2 · g√ h20 )x2) (2.12) Estabelecidas todas as variáveis, pode-se escrever as matrizes de estado no formato: [ẋ] = A · x + B · u y = C · x A = (− a2·k2√2·g2·A1·√h10−h20 ) ( a2·k2√2·g2·A1·√h10−h20 ) ( a2·k2 √ 2·g 2·A1· √ h10−h20 ) ( a2·k2 √ 2·g 2·A1· √ h10−h20 )− a3·k3 √ 2·g√ h20 ) B = K1A1 0 C= [ 0 1 ] Fazendo o uso das matrizes de estado acima, utiliza-se de recursos computacio- nais para observarmos a dinâmica do sistema quando aplicado um determinado sinal na entrada do modelo. Com o uso do software MATLAB c© e sua ferramenta Simulink c©, fez- se uso das matrizes de estado para simular o sistema linearizado e matematicamente modelado em espaço de estados. A figura 2 representa como o conjunto de tanques foi aplicado no ambiente de simulação. Figura 2 – Estrutura do modelo em espaço de estados aplicado em ambiente de simulação 2.7 Modelagem computacional do modelo não-linear O modelo não-linear foi embarcado em ambiente de simulação também utili- zando a ferramenta Simulink c© e sua estrutura pode ser observada na figura 3 Figura 3 – Estrutura do modelo não- linear implementado no Simulink c© 3 Resultados e Discussões Para validar o modelo em espaço de estados e compará- lo com o modelo simulado, foram realizados três ensaios, onde o degrau aplicado na entrada após o sistema ter sido modelado em torno do ponto de equilíbrio aos 28 segundos, obteve- se os seguintes resultados apresentados nas 4, 5 e 6. Figura 4 – Resposta do modelo quando aplicada uma variação de 5% do valor inicial do fluxo de entrada. Figura 5 – Resposta do modelo quando aplicada uma variação de 10% do valor inicial do fluxo de entrada. Figura 6 – Resposta do modelo quando aplicada uma variação de 20% do valor inicial do fluxo de entrada. 3.1 Comparação entre modelos Para compararmos em qual das situações o modelo se comporta de forma mais fiel, foram comparadas as respostas nos três cenários, e os resultados podem ser observados nas 7, 8 e 9. Para a variação de Erro de 5%, houve uma diferença de 3.1 x 10−3 m3/s no fluxo de saída do tanque 2, quando comparado o modelo não- linear com o modelo representado por espaço de estados. Figura 7 – Erro entre a resposta do modelo linearizado e o modelo não-linear quando aplicada uma variação de 5% do valor do fluxo de entrada. Já Para a variação de fluxo correspondente a 10% a mais na entrada, houve uma diferença de 3.1 x 10−3 m3/s no fluxo de saída do tanque 2, quando comparados os modelos não- linear e o modelo representado por espaço de estados. Para finalizar, com uma variação 20% a mais no fluxo de entrada, houve uma diferença de 6.3 x 10−3 m3/s no fluxo de saída do tanque 2, quando comparadoo modelo não- linear com o modelo representado por espaço de estados. Figura 8 – Erro entre a resposta do modelo linearizado e o modelo não-linear quando aplicada uma variação de 10% do valor do fluxo de entrada. Figura 9 – Erro entre a resposta do modelo linearizado e o modelo não-linear quando aplicada uma variação de 20% do valor do fluxo de entrada. 4 Conclusão Tendo em vista os resultados obtidos com as simulações, conclui- se que o modelo do sistema representado pelas matrizes de espaço de estados, retornam bons resultados quando a variação na variável de entrada é pequena, ou seja, como o sistema foi modelado para trabalhar em uma determinada região de operação, é esperado que quanto mais longe daquela região o ponto de operação está, mais divergente do esperado será a resposta do sistema. Referências OGATA, K.; SEVERO, B. Engenharia de controle moderno. [S.l.]: Prentice Hall do Brasil, 1998. ANEXO A – Código de plotagem e comparação de resultados 15/08/20 23:36 C:\Users\robso\...\Trabalho_Modelagem.m 1 of 1 nivel_naolinear=altura1'; %Altura de Nível Modelo Fenomenológico não Linearizado nivel_linear=altura2'; %Altura de Nível Modelo Matemático Linearizado com G(s) t=0:0.1:60; %Definição do eixo do tempo t2=30:0.05:60; %Definição do eixo do tempo - Nova origem H0=nivel_naolinear(300); %Altura do nível no ponto de Equilíbrio vetor1=ones(1,601); %Vetor de numeros 1 para criar deslocamento de origem vetorH0=H0.*vetor1; %Vetor com H0 em todas as posições soma= vetorH0+nivel_linear; %Obtenção do valor real de nível tendo nova origem como referencia figure(), subplot(2,1,1) plot (t,nivel_naolinear); %Plot Altura do Nível em resposta à ateração de Fluxo 1 hold on plot (t2,soma,'--','linewidth',2); %Plot do modelo linearizado plot(t,fluxoIn1,t,fluxoOut1); xlabel('Tempo') ylabel('Nivel do Tanque e Vazões de Entrada/ Saída') legend({'Nivel do tanque modelo não linear', 'Nivel do tanque modelo linearizado','Fluxo de Entrada', 'Fluxo de Saida'},'Location', 'Southeast') subplot(2,1,2) plot(t2,soma,'r'), xlabel('Tempo'), ylabel('Nível'), axis([30 t2(end) 0.5 max ([soma])*1.2]); hold on plot (t,nivel_naolinear); legend({'Nivel do tanque modelo não linear', 'Nivel do tanque modelo linearizado','Fluxo de Entrada', 'Fluxo de Saida'},'Location', 'Southeast') ANEXO B – Definição de variáveis para simulação 15/08/20 23:35 C:\Users\robs...\definicao_variaveis.m 1 of 1 A1=1; %Área do Tanque 1 A2=1; %Área do Tanque 1 a=0.4; %Área transversal da válvula de entrada Cd=0.7; a2=0.4; %Área transversal da válvula que interliga os tanques 1 e 2 Cd2=0.7; a3=0.4; %Área transversal da válvula de saída do sistema Cd3=0.7; g=9.8; %Gravidade h10=1.3 %Altura do nível do tanque 1 quando em equilíbrio h20=0.6503 %Altura do nível do tanque 2 quando em equilíbrio alfa = a2*Cd2*sqrt(2*g) beta = a3*Cd3*sqrt(2*g) A = [((-alfa)/2*A1*sqrt(h10-h20)) 0 (alfa/2*A1*sqrt(h10-h20)) 0; 0 0 0 0; (alfa/2*A2*sqrt(h10-h20)) 0 ((-alfa)/2*A2*sqrt(h10-h20)+((-beta)/2*A2*sqrt (h20))) 0; 0 0 0 0] %Matriz A espaço de estados B = [(Cd/A1);0;0;0] %Matriz B espaço de estados C = [0,0,1,0] %Matriz C espaço de estados D = [0,0,0,0] %Matriz D espaço de estados Sumário INTRODUÇÃO Problema Proposto Objetivo Objetivo Geral Objetivos Específicos Metodologia e Desenvolvimento Processos Não-lineares, Por que Linearizá-los? Vantagens de de Linearizar um Sistema Representação em Espaço de Estados Estado Variáveis de Estado Espaço de Estados Matrizes do Sistema Matriz A: Matriz de Estado Matriz B: Matriz de Entrada Matriz C: Matriz de Saída Matriz D: Matriz de Transição Modelagem do Processo Linearização do modelo Modelagem matemática em espaço de estados Modelagem computacional do modelo não-linear Resultados e Discussões Comparação entre modelos Conclusão Referências Código de plotagem e comparação de resultados Definição de variáveis para simulação
Compartilhar