Académique Documents
Professionnel Documents
Culture Documents
Fevereiro de 2007
LNCC
1 Resumo
2 Motivação
LNCC
LNCC
Resumo
O objetivo do curso é dar uma breve introdução ao controle de sistemas
não lineares, tendo em vista que uma vasta gama de aplicações utilizam
modelos não lineares. Esses modelos podem apresentar caracterı́sticas, tais
como, múltiplos atratores, ciclo-limite, dinâmicas caóticas, dentre outras.
Estes fenômenos serão mostrados mediante exemplos de simulação, bem
como o projeto de um controlador para sistemas não lineares.
LNCC
Motivação
Pesquisadores e projetistas nas áreas da aeronáutica, robótica, controle de
processos, engenharia biomédica, processos quı́micos e bio-quı́micos,
biologia, ecologia têm mostrado recentemente muito interesse no
desenvolvimento e aplicações de metodologias de controle não linear
(Slotine and Li, 1991; Khalil, 1992; Leigh, 1983).
A caracterı́stica significante
dessas funções é que elas são suaves o suficiente e podem ser linearizadas,
i.e., aproximadas por funções lineares em uma vizinhança de qualquer
LNCC
ponto de operação dado (Cook, 1986).
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 6 / 110
Tipos de não linearidades
Não linearidades suaves (dinâmicas ou contı́nuas)
A caracterı́stica significante
dessas funções é que elas são suaves o suficiente e podem ser linearizadas,
i.e., aproximadas por funções lineares em uma vizinhança de qualquer
LNCC
ponto de operação dado (Cook, 1986).
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 6 / 110
Tipos de não linearidades
Não linearidades suaves (dinâmicas ou contı́nuas)
A caracterı́stica significante
dessas funções é que elas são suaves o suficiente e podem ser linearizadas,
i.e., aproximadas por funções lineares em uma vizinhança de qualquer
LNCC
ponto de operação dado (Cook, 1986).
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 6 / 110
Tipos de não linearidades
Não linearidades suaves (dinâmicas ou contı́nuas)
A caracterı́stica significante
dessas funções é que elas são suaves o suficiente e podem ser linearizadas,
i.e., aproximadas por funções lineares em uma vizinhança de qualquer
LNCC
ponto de operação dado (Cook, 1986).
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 6 / 110
Tipos de não linearidades
Não linearidades duras (estáticas ou descontı́nuas)
Elementos modelados
Válvulas de apertura gradual; Transformadores e motores; Materiais
ferromagneticos; Folga de engrenagens; Tambor hidráulico e pneumático
com mudança de direção; Linearização de elementos elétricos e eletrônicos.
Caracterı́stica significante
dessas não linearidades é que não podem ser linearizadas.
LNCC
Elementos modelados
Válvulas de apertura gradual; Transformadores e motores; Materiais
ferromagneticos; Folga de engrenagens; Tambor hidráulico e pneumático
com mudança de direção; Linearização de elementos elétricos e eletrônicos.
Caracterı́stica significante
dessas não linearidades é que não podem ser linearizadas.
LNCC
Elementos modelados
Válvulas de apertura gradual; Transformadores e motores; Materiais
ferromagneticos; Folga de engrenagens; Tambor hidráulico e pneumático
com mudança de direção; Linearização de elementos elétricos e eletrônicos.
Caracterı́stica significante
dessas não linearidades é que não podem ser linearizadas.
LNCC
Elementos modelados
Válvulas de apertura gradual; Transformadores e motores; Materiais
ferromagneticos; Folga de engrenagens; Tambor hidráulico e pneumático
com mudança de direção; Linearização de elementos elétricos e eletrônicos.
Caracterı́stica significante
dessas não linearidades é que não podem ser linearizadas.
LNCC
Exemplo
Saturação Zona morta
LNCC
ẋ = A x
ou ẋ = f (x)
ẋ = A x − b
Princı́pio de
superposição Válido Não válido
LNCC
ẋ(t) = y (t)
ẏ (t) = −sin(x(t)) − 0.5 y (t)
y 0
-10 -5 0 5 10
x
-2
-4
LNCC
-6
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 10 / 110
Comportamento de sistemas não lineares
Comparação Sistemas Lineares vs Sistemas Não Lineares
ẋ = A x
ou ẋ = f (x)
ẋ = A x − b
∃ de ciclo
limite Não existe
(solução Pode existir
periodica
isolada)
Bifurcação
Mudança ∃ são
qualitativa de ∃ mas são possivelmente
comportamento simples complicados
em função de
um parámetro
Caos 6∃ ∃
LNCC
ẋ(t) = y (t)
ẏ (t) = −x(t) + 0.2 1 − (x(t))2 y (t)
y 0
-4 -2 0 2 4
x
-2
LNCC
-4
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 12 / 110
Exemplo 3: Comportamento de sistemas não lineares
Caos
ẋ(t) = y (t)
ẏ (t) = 7.5 cos(t) − 0.05 y (t) − (x(t))3
x(t)0
0 10 20 30 40 50
t
-2
LNCC
-4
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 13 / 110
Exemplo 4: Comportamento de sistemas não lineares
Bifurcação
x ε
ẋ = r x 1− − ε x ⇒ x1eq = 0, x2eq = K 1−
K r
xeq
K estável
instável
0 r ε
LNCC
Definição
O sistema não linear (4) é dito autônomo se f não depende explicitamente do tempo, i.e., se o
sistema de equações de estado podem ser escritos como
ẋ = f (x). (5)
LNCC
LNCC
ẋ1 = f1 (x1 , x2 )
(6)
ẋ2 = f2 (x1 , x2 )
Sistema massa-mola
ẍ + x = 0 (7)
1111111111
0000000000
0000000000
1111111111
Condição inicial x0 . Solução da 0000000000
1111111111
0000000000
1111111111
ẋ
equação é
k =1
x(t) = x0 cos(t) 0 x
ẋ(t) = x0 sin(t) 11111
00000
00000
11111
00000
11111
00000
11111 m=1
00000
11111
Equação da trajetória:
x 2 + ẋ 2 = x02
LNCC
Definição
Ponto singular é um ponto de equilı́brio no plano de fase. Desde que um
ponto de equilı́brio é definido como um ponto onde o sistemas de estados
pode permanecer para sempre, sua localização pode ser obtida de resolver
f1 (x1 , x2 ) = 0 f2 (x1 , x2 ) = 0
LNCC
LNCC
LNCC
Sistema massa-mola
ẍ + x = 0 (8)
1
ẋ
x1 = x x2 = ẋ
ẋ1 = x2 x1 = x0 cos(t)
⇒
ẋ2 = −x1 x2 = −x0 sin(t)
„ «„ «
d ẋ dx d ẋ
ẍ = ⇒ ẋ +x =0
dx dt dx
ẋ 2 + x 2 = x02 LNCC
Definição
Isóclina é definida como o lugar geométrico dos pontos com uma
inclinação tangencial dada. Uma isóclina com inclinação α é definida como
d x2 f2 (x1 , x2 )
= =α
d x1 f1 (x1 , x2 )
ẍ + e ẋ + f x = 0 (10)
e a equação caracterı́stica é
s 2 + e s + f = (s − λ1 )(s − λ2 ) = 0
λi = j ω + σ
jω x2
Nó estável
σ x1
jω x2
Nó instável
σ x1
LNCC
jω x2
Foco estável
σ x1
jω x2
Foco instável
σ x1
LNCC
jω x2
Sela
σ x1
jω x2
Centro
σ x1
LNCC
LNCC
1 Calcular os P.S.
2 Estudar localmente os P.S. (sela, nó, foco, etc.)
3 Esboçar o plano de fase local nos P.S.
4 Usar outras iscóclinas se necessário para ter uma idéia melhor do
plano de fase local.
5 Usar simulação para confirmar.
LNCC
ẋ1 = x2 ẋ1 = x2 x1 x1
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) ẋ2 = −x1 x2 α
x2
α Isóclina
0 x1 = 0
x1
0 LNCC
ẋ1 = x2 ẋ1 = x2 x1 x1
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) ẋ2 = −x1 x2 α
x2
α Isóclina
0 x1 = 0
∞ x2 = 0
∞
x1
0 LNCC
ẋ1 = x2 ẋ1 = x2 x1 x1
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) ẋ2 = −x1 x2 α
x2
α Isóclina
0 x1 = 0
∞ x2 = 0
1 x2 = −x1 ∞
x1
1
0 LNCC
ẋ1 = x2 ẋ1 = x2 x1 x1
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) ẋ2 = −x1 x2 α
x2
α Isóclina
0 x1 = 0
∞ x2 = 0
1 x2 = −x1 ∞
x1
−1 x2 = x1
−1 1
0 LNCC
ẋ1 = x2 ẋ1 = x2 x1 x1
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) ẋ2 = −x1 x2 α
x2
α Isóclina
0 x1 = 0
∞ x2 = 0
1 x2 = −x1 ∞
x1
−1 x2 = x1
−1 1
0 LNCC
ẋ1 = x2 x2 − x 1 x1
α= ⇒ x2 = −
ẋ2 = −x1 − x2 x2 α+1
x2
α Isóclina 0
0 x2 = −x1
x1
LNCC
ẋ1 = x2 x2 − x 1 x1
α= ⇒ x2 = −
ẋ2 = −x1 − x2 x2 α+1
x2
α Isóclina 0
0 x2 = −x1
∞ x2 = 0
∞
x1
LNCC
ẋ1 = x2 x2 − x 1 x1
α= ⇒ x2 = −
ẋ2 = −x1 − x2 x2 α+1
x2
α Isóclina 0
0 x2 = −x1
∞ x2 = 0
−1 x1 = 0 ∞
x1
−1
LNCC
ẋ1 = x2 x2 − x 1 x1
α= ⇒ x2 = −
ẋ2 = −x1 − x2 x2 α+1
x2
α Isóclina 0
0 x2 = −x1
∞ x2 = 0
−1 x1 = 0 ∞
x1
−2 x2 = x1
−2
−1
LNCC
ẋ1 = x2 x2 − x 1 x1
α= ⇒ x2 = −
ẋ2 = −x1 − x2 x2 α+1
x2
α Isóclina 0
0 x2 = −x1
∞ x2 = 0
−1 x1 = 0 ∞
x1
−2 x2 = x1
−2
−1
LNCC
ẋ1 = x2 sin(x1 ) sin(x1 )
α=− ⇒ x2 = −
ẋ2 = −sin(x1 ) x2 α
x2
α isóclina α = −1/4
0 x1 = 0
α = −1/2
∞ x2 = 0
α = −1
1 x2 = −sin(x1 )
−1 x2 = sin(x1 )
1 x1
2 x2 = −2sin(x1 ) α=1
− 21 x2 = 2sin(x1 ) α = 1/2
1
4 x2 = −4sin(x1 )
− 41 x2 = 4sin(x1 ) α = 1/4
LNCC
ẋ1 (t) = x2 (t)
ẋ2 (t) = −sin(x1 (t)) − 0.5 x2 (t)
y 0
-10 -5 0 5 10
x
-2
-4
LNCC
-6
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 35 / 110
Sumário da Parte III
10 Objetivo de controle
LNCC
LNCC
y 0
-10 -5 0 5 10
x
-2
-4
-6 LNCC
LNCC
x2 x2 x2
x1 x1 x1
LNCC
2 2 2
1 1 1
y 0 y 0 y 0
-2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2
x x x
-1 -1 -1
-2 -2 -2
LNCC
ż = f (z) = 0. (13)
Definição r z0
0
Seja z(t) a solução de (12) para c.i.
z(t0 ) = z0 ⇒ z = 0 é: R
LNCC
Definição
Seja z(t) a solução de (12) para c.i. r z0
z(t0 ) = z0 ⇒ z = 0 é: 0
Assintoticamente estável se é R
estável e r pode-se escolher de modo
que
LNCC
Definição
z0
z(t) a solução de (12) para c.i. z(t0 ) = z0
⇒ z = 0 é exponencialmente estável se
existe α e λ tais que
0
−λ t
kz(t)k ≤ α kz(0)k exp α≥1
r
∀ kz(0)k < r e algum r > 0
LNCC
∂V ∂V
V̇ (z) = ż = f (z) = ∇V (z) · f (z)
∂z ∂z
f1 (z)
0 1
„
∂V ∂V ∂V
«B f2 (z) C
= ··· . (14)
B C
..
B C
∂z1 ∂z2 ∂zn @ A
fn (z)
LNCC
LNCC
LNCC
R
θ
m
LNCC
1 Dados
v2
ac = at = R θ̈ v = R θ̇
R
2 Eixo radial
“ ”2 R
T − mg cos(θ) = R θ̇
θ
3 Eixo tangencial
T
−mg sin(θ) − bv = R θ̈ m
mg sin(θ)
4 Espaço de estados
θ mg cos(θ)
x1 = θ x2 = θ̇
mg
ẋ1 = x2
ẋ2 = − Rg sin(x1 ) − b x2
LNCC
1 Dados
v2
ac = at = R θ̈ v = R θ̇
R
2 Eixo radial
“ ”2 R
T − mg cos(θ) = R θ̇
θ
3 Eixo tangencial
T
−mg sin(θ) − bv = R θ̈ m
mg sin(θ)
4 Espaço de estados
θ mg cos(θ)
x1 = θ x2 = θ̇
mg
ẋ1 = x2
ẋ2 = − Rg sin(x1 ) − b x2
LNCC
1 Dados
v2
ac = at = R θ̈ v = R θ̇
R
2 Eixo radial
“ ”2 R
T − mg cos(θ) = R θ̇
θ
3 Eixo tangencial
T
−mg sin(θ) − bv = R θ̈ m
mg sin(θ)
4 Espaço de estados
θ mg cos(θ)
x1 = θ x2 = θ̇
mg
ẋ1 = x2
ẋ2 = − Rg sin(x1 ) − b x2
LNCC
1 Dados
v2
ac = at = R θ̈ v = R θ̇
R
2 Eixo radial
“ ”2 R
T − mg cos(θ) = R θ̇
θ
3 Eixo tangencial
T
−mg sin(θ) − bv = R θ̈ m
mg sin(θ)
4 Espaço de estados
θ mg cos(θ)
x1 = θ x2 = θ̇
mg
ẋ1 = x2
ẋ2 = − Rg sin(x1 ) − b x2
LNCC
11 Métodos de Controle
Função de Liapunov com Controle (CLF)
Backstepping
Controle de Estrutura Variável (VSC)
LNCC
LNCC
LNCC
Uma forma de estabilizar SÑL, é selecionar V (z) e tentar achar u(z) que
torne V̇ (z, u(z)) negativa definida.
LNCC
ẋ = y
(17)
ẏ = 2y − x + u
4
Define-se
2
z2
V (z) = ,
2 -4 -2
y 0
0 2 4
x
tal que -4
x
V̇ (z) = y 2y − x + u < 0.
y
4 4
2 2
y 0 y 0
-4 -2 0 2 4 -4 -2 0 2 4
x x
-2 -2
-4 -4
ẋ = y
(18)
ẏ = 2 y2 − x + u 4
Define-se 2
z2 y 0
V (z) = , -4 -2 0
x
2 4
2 -2
tal que
2
x
V̇ (z) = y 2y − x + u < 0.
y Retrato de fase do
sistema sem controle
Controle: u = −2 y 2 − y LNCC
4 4
2 2
y 0 y 0
-4 -2 0 2 4 -4 -2 0 2 4
x x
-2 -2
-4 -4
ż = f (z) + g (z) u
f1 (z) g (z) y
= + (19)
f2 (z) u2 (z)
ẋ = y
(20)
ẏ = 2 y − x + u2
Seja o controle fictı́cio y = u1 (x), e define-se
x2
V1 = . Achar u1 (x) tal que
2
V̇1 = ẋ x = u1 (x) x < 0 ⇒ u1 = −x.
Seja y − u1 o erro a ser regulado para zero por u2 , e define-se
(y − u1 )2
V2 = V1 + . Achar u tal que
2
V̇2 = ẋ x + (y − u1 )(ẏ − u̇1 ) < 0.
Controle
u2 = −4 y LNCC
4 4
2 2
y 0 y 0
-4 -2 0 2 4 -4 -2 0 2 4
x x
-2 -2
-4 -4
ẋ = y
(21)
ẏ = 2 y 2 − x + u2
Seja o controle fictı́cio y = u1 (x), e define-se
x2
V1 = . Achar u1 (x) tal que
2
V̇1 = ẋ x = u1 (x) x < 0 ⇒ u1 = −x.
Seja y − u1 o erro a ser regulado para zero por u2 , e define-se
(y − u1 )2
V2 = V1 + . Achar u tal que
2
V̇2 = ẋ x + (y − u1 )(ẏ − u̇1 ) < 0.
Controle
u2 = −2 y 2 − y LNCC
4 4
2 2
y 0 y 0
-4 -2 0 2 4 -4 -2 0 2 4
x x
-2 -2
-4 -4
Caracterı́sticas:
Controle robusto.
Invariança: O sistema é insensı́vel às incertezas paramétricas e
perturbações externas.
Exemplo:
ẋ = y
ẏ = 2y − x + u (22)
u = ψx
4 quando s(x, y ) > 0
ψ =
−4 quando s(x, y ) < 0
s(x, y ) = x σ, σ = 0.5 x + y (23)
LNCC
σ=0
s<0 s>0
4
u R y R x x
s<0
−4 s>0
2
linhas de comutação
s(x, y ) = 0
x =0
4 4 10
2 2 5
y 0 y 0 y 0
-4 -2 0 2 4 -4 -2 0 2 4 -10 -5 0 5 10
x x x
-2 -2 -5
-4 -4 -10
LNCC
LNCC
4, s(x, y ) > 0 s +σ
ψ(s) = ψ(s, σ) = −4+8 max 0, min 1,
−4, s(x, y ) < 0 2σ
ψ ψ
4 4
−σ
σ
s(x, y ) s(x, y )
−4 −4
LNCC
10 10
5 5
y 0 y 0
-10 -5 0 5 10 -10 -5 0 5 10
x x
-5 -5
-10 -10
8
−4 x(t), s(x, y ) < −σ 8
< −4 x(t), s(x, y ) < −σ
>
s(x, y ) + σ
>
< „ «
u= −4 + 4 x(t), −σ < s(x, y ) < σ u= 4 y (t), −σ < s(x, y ) < σ
>
> σ : 4 x(t), s(x, y ) > σ
4 x(t), s(x, y ) > σ
:
LNCC
LNCC
LNCC
LNCC
f1 (z, u1 ) , z ∈ G 1
ż = f2 (z, u2 ) , z ∈ G 2 (25)
z(0) = z0 ∈ R2+
G j , j ∈ {1, 2}, fj : G j → R2 .
LNCC
G1 τ (z) = 0
zGeq2 f1 V (τ ) = 12 τ 2
u1
zsleq Região de V̇ = τ τ̇
Modo Deslizante ⇒ τ τ̇ < 0
τ (z) > 0 f2
zGeq1
τ (z) < 0
u2
G2
Limiar x
Definição
Seja zGeqi | fi zGeqi , ui = 0 para algum ui em (1). Então zGeqi ∈ G i é
Noy–Meir (1975)
Collie–Spencer (1993)
Outros (Holling tipo I, II, III).
Modelo geral (engloba N–M, C–S e outros)
LNCC
x f (x), x u
εmax τ =0
xth x
LNCC
dx x 1 if τ > 0
=rx 1− − u x, u = ε φ (τ ) , φ (τ ) = (26)
dt K 0 if τ ≤ 0,
7
6.5
5.5
x(t)5
4.5
3.5
3
0 1 2 3 4 5 6
Time LNCC
x y
ẋ
= x r 1− − x+A ,
K
sA (x − J)
ẏ
= y
(J + A) (x + A)
x : densidade populacional da presa
y : densidade populacional do predadore
r : taxa de crescimento intrı́nseca da presa
K : capacidade de carga do meio ambiente
A : taxa meia de saturação
s : eficácia da conversão do predador
J : mı́nima população das presas para o qual o predador pode
sobreviver debaixo da capacidade de carga K , J < K .
LNCC
Phase portrait
90
80
70
60
50
y
40
30
20
10
0
0 10 20 30 40 50 60 70
x
LNCC
x y
ẋ = x r 1− − x+A ,
K
sA (x − J)
ẏ = y − y u2
(J + A) (x + A)
u2 = ε2 φ(τ ),
x y
ẋ = x r 1− − x+A ,
K
sA (x − J) (28)
ẏ = y − y u2
(J + A) (x + A)
u2 = ε2 φ(τ ),
Idéia:
1 Em (28) y atua como controle fictı́cio u1 (x) (backstepping).
2 CLF: V1 (x) = 12 (x − xd )2 ; u1 = ε x e V̇1 < 0.
3 u2 é escolhido para fazer com que y rastreie u1 (x).
4 Escolha do limiar: τ = y − u1 = y − ε x.
5 CLF: V2 = 12 τ 2 ; ε e ε2 e V̇2 < 0.
LNCC
80
60 60
70
50 50
60
50 40 40
y y y
40
30 30
30
20 20
20
10 10
10
0 0 0
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
x x x
LNCC
dV /dt = (h W ⋆ (V ) − l − b H) V
dH/dt = (e b V − d) H,
V,H
W ⋆ (V ) disponibilidade de água como função da vegetação
h crescimento da vegetação / disponibilidade água
l perda devido a velhice da vegetação
b consumo dos herbı́voros
e coeficiente de conversão
d morte natural dos herbı́voros
LNCC
dV /dt = (hW ⋆ (V ) − l − φ1 (τ )) V ,
dH/dt = (φ2 (τ ) − d) H,
0 if τ (V , H) > 0,
φ1 (τ ) =
bH if τ (V , H) < 0,
k1 if τ (V , H) > 0, k1 ≤ d
φ2 (τ ) =
ebV if τ (V , H) < 0,
LNCC
H H
fs
Predator
PSfrag repla
ements
iso
line
Z Prey
s
fs
4 PSfrag repla
ements iso
line
Prey
iso
line
Predator
iso
line
LNCC
ẋ = f1 (x) + f2 (x/y )y
ẏ = y (f3 (x/y ) − d) + f4 (y )u2
u2 = ε2 φ(τ ),
e.g.
f1 = a x (1 − x/K ) f2 = −c x/ (m y + x)
f3 = f x/ (m y + x) f4 = −y
LNCC
t −→ at x −→ x/K y −→ my /K
ẋ = f1 (x) + f2 (x/y )y ,
ẏ = δ y f3 (x/y ) + f4 (y )u2 ,
u2 = ε2 φ(τ )
f1 = x (1 − x) f2 = −s x/ (y + x)
f3 = x/ (y + x) − r f4 = −y
c f d
s= , δ= , r=
ma a f
LNCC
u̇ = g (u) − ϕ(u)y ,
ẏ = ψ(u)y + f4 (y )u2 ,
u2 = ε2 φ(τ ),
LNCC
LNCC
Instável
Estável
0 K x
“ “ x” y
”
ẋ = x r 1− − x+A ,
„ K «
sA (x − J)
ẏ = y .
(J + A) (x + A)
LNCC
1, se τ > 0,
1, se τ > −σ e τ̇ < 0,
φ(τ, t) = φhys (τ, t) =
−1, se τ < 0. −1, se τ < σ e τ̇ > 0,
φ
φhys
1
1
τ −σ σ
τ
−1
−1
LNCC
H
G1 : (Z ) > (Z ) = 0
Z eq
G2
M 0
Z eq
G1
M1 G2 : (Z ) <
V
LNCC
= g x 1 − Kx − x uhys ,
ẋ
(29)
uhys = ε φhys (τ )
0.9
0.8
0.7
M0
Vegetation density
0.6
0.5
0.4
M1
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
Time
LNCC
x y
ẋ = x r 1− − x+A ,
K
sA (x − J) (30)
ẏ = y − y u2
(J + A) (x + A)
u2 = ε2 φhys (τ ),
80
60 60
70
50 50
60
50 40 40
y y y M
0
40
30 30
M
30 1
20 20
20
10 10
10
0 0 0
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
x x x
Vegetation Vegetation
40 40
30 30
V V
20 20
10 10
0 0
0 100 200 300 400 500 600 700 0 100 200 300 400 500 600 700 800 900 1000
Time Time
Herbivore Herbivore
15 15
H10 H10
5 5
0 0
0 100 200 300 400 500 600 700 0 100 200 300 400 500 600 700 800 900 1000
Time Time
LNCC
ẋ = λ − d x − β x v,
ẏ = β x v − a y, (31)
v̇ = k y − u v,
LNCC
6
x 10
6
x
y
5 v
0
0 5 10 15 20 25 30 35 40 45 50
Time LNCC
ẋ = λ − d x − (1 − εTR ) β x v ,
ẏ = (1 − εTR ) β x v − a y ,
(32)
v̇ = (1 − εIP ) k y − u v ,
ẇ = εIP k y − u w ,
Objetivo de controle
é manter o nı́vel das células não infectadas o mais alto possı́vel e o nı́vel
do vı́rus o mais baixo possı́veis.
LNCC
1−x
ẋ = λ+px − d x − β x v,
Tm
(33)
ẏ = β x v − a y,
v̇ = N a y − u v,
LNCC
4000
x
3500
y
v
3000
2500
2000
1500
1000
500
0
0 100 200 300 400 500 600 700 800
Time
LNCC
λ2 v p1 x v
ẋ = λ1 − −dx + − βx v
Bs + v C +v
p2 y v
ẏ = βx v − a y − (34)
Ci + v
p3 y v gs v
v̇
= − kv x v +
Ci + v B +v
LNCC
1500
x
y
v
1000
500
0
0 500 1000 1500 2000 2500 3000 3500
Time
LNCC
LNCC
LNCC
0
m1 xy m2 xz
ẋ = x − x (D0 + φ (z) D) − a1 +x − a2 +x
ẏ = m 1 xy
a1 +x − (D0 + φ (z) D1 ) y (35)
ż = am22+x
xz
− (D0 + φ (z) D2 ) z
α1 if z > zth
φ (z) = (α1 , α2 > 0),
α2 if z < zth
x : concentração do nutriente limitante
x0 : concentração de entrada do nutriente (mantido
constante)
y ez : concentrações dos microorganismos
Di , (i = 0, 1, 2) : taxas de diluição
m1 , m2 : taxas máximas de crescimento de cada micro-
organismo
a1 , a2 : constantes meias de saturação
αi , (i = 1, 2) : constantes adimensionais as quais dictam as
LNCC
novas taxas de diluição
Magno E. M. Meza (UFRJ) Mini-curso Fevereiro de 2007 108 / 110
Aplicação na Ecologia Matemática: Modelo Quimiostato
Resultados de simulação - Costa & Meza (2006)
5
4
4.5
2
3.5
4
3.5 3
1.5
3
z
z
z
2.5
2.5
1
2 2
1.5
1.5
0.5
1
1
0.5
0 0 0.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
y y y
LNCC