Vous êtes sur la page 1sur 106

4.

DESACOPLAMENTO
4.1 Introdução
Muitos sistemas de controle de processos têm múltiplas entradas e múltiplas
saídas. Para estes sistemas, deseja-se freqüentemente que mudanças em
uma entrada de referência afetem apenas uma saída. Quando esta ‘não inte-
ração’ pode ser obtida, é mais fácil manter cada valor de saída em um valor
constante desejado na ausência de perturbações externas. Nesta unidade
são apresentadas noções sobre desacoplamento em sistemas multivariáveis.

4.2 Matriz de transferência de sistemas em malha fechada


Considere o sistema em malha fechada esquematizado na figura a seguir

U ( s) E ( s) Y ( s)
- G0 ( s)

H (s)
O sistema tem múltiplas entradas e múltiplas saídas (sistema MIMO)

no qual,
G0 ( s) : é a matriz de transferê ncia do elo direto
H ( s) : é a matriz de transferê ncia do elo de realimenta ção
E ( s) : é o vetor de erro
De acordo com o diagrama, pode-se escrever:

Y ( s)  G0 ( s) E ( s) (4.1)
E ( s)  U ( s)  H ( s) Y ( s) (4.2)
Substituindo (4.2) em (4.1), obtém-se

Y (s)  G0 (s) [U (s)  H (s) Y ( s) ]


ou
Y (s)  G0 (s) H (s) Y (s)  G0 (s) U (s) (4.3)
A equação (4.3) pode ser escrita como:

[ I  G0 (s) H (s)] Y (s)  G0 ( s) U (s)


Pré-multiplicando ambos os lados desta última equação por [ I  G0 ( s) H ( s)] 1
obtém-se

Y ( s)  [ I  G0 ( s) H ( s)]1 G0 ( s) U ( s) (4.4)

A matriz de transferência G(s) relaciona o vetor de saída Y(s) com o vetor de


entrada U(s), conforme a seguinte igualdade:

Y ( s)  G( s) U ( s) (4.5)

Portanto, de (4.4) e (4.5), conclui-se que a matriz de transferência do sistema


em malha fechada é:

G ( s)  [ I  G0 ( s) H ( s)] 1 G0 ( s) (4.6)
4.3 O problema de desacoplamento
Considere a matriz de transferência de um processo, denotada por G p (s ), de
ordem n x n. Suponha o seguinte problema: projetar um compensador sé-
rie representado pela matriz Gc (s ) , também de ordem n x n, tal que as
n entradas e n saídas sejam desacopladas.

Quando se deseja o desacoplamento (ou não interação) entre as n entradas e


n saídas, a matriz de transferência de malha fechada deve ser diagonal, ou
seja,
G11 ( s) 0 0 
 0 G ( s ) 0 
G( s)   22  (4.7)
   
 
 0  0 Gnn ( s ) 
Considere o caso em que a matriz de realimentação é igual à matriz identida-
de, ou seja, H(s)=I. Então, da equação (4.6), obtém-se

G ( s)  [ I  G0 ( s) ] 1 G0 ( s) (4.8)
Pré-multiplicando ambos os lados de (4.8) por [ I  G0 ( s) ] encontra-se
[ I  G0 (s) ] G( s)  G0 ( s)
ou
G ( s)  G0 ( s) G ( s)  G0 ( s)
G0 ( s)  G0 ( s) G ( s)  G ( s)
G0 ( s) [ I  G ( s)]  G ( s)
Pós-multiplicando ambos os lados da última equação por [ I  G( s)]1, obtém-
se
G0 ( s)  G ( s) [ I  G ( s)]1 (4.9)

Para o projeto da matriz do compensador, Gc (s) , considere que


G0 ( s)  G p ( s) Gc ( s) (4.10)
Se G p (s ) é inversível, então (4.9) e (4.10) podem ser combinadas tal que

Gc (s)  [Gp (s)] 1 G(s) [ I  G(s)]1 (4.11)


Portanto, dada a matriz de transferência do processo, G p (s ) , e a matriz de
transferência desejada para o sistema em malha fechada, G(s), na forma
diagonal (4.7), então a matriz de transferência do compensador série deve
ser calculada através de (4.11).

Exemplo
Considere um sistema em malha fechada com duas entradas e duas saídas,
consistindo do processo, de um compensador e de uma realimentação unitá-
ria, conforme o diagrama da figura a seguir Processo
U1 (s) E1 ( s) V1 (s) 1 Y1 ( s)
- Gc11 ( s) 
 2s  1
Gc 21 ( s)
1
Gc12 ( s)
U 2 ( s)  V2 (s)
 
1 Y2 (s)
- E ( s) Gc 22 ( s ) 
2 s 1
Determinar a matriz de transferência do compensador série de modo que a
matriz de transferência de malha fechada seja:
 1 1 
G ( s )  diag  ,  (4.12)
 s  1 5s  1 
De acordo com o diagrama, têm-se as seguintes equações para o processo:
1
Y1 ( s )  V1 ( s )
2s  1
1
Y2 ( s )  V1 ( s )  V2 ( s )
s 1
Na forma matriz-vetor, estas equações são equivalentes a
 1 
Y1 ( s)   2s  1 0  V ( s) 
Y ( s)  
1
1  V2 ( s)
(4.13)
 2   1 
 s  1
Portanto, a matriz de transferência do processo é
 1 
 2s  1 0 
G p ( s)  
1 
 1 
 s  1
Também baseado no diagrama do sistema, têm-se as seguintes equações
para o compensador:
V1 ( s)  Gc11 ( s) E1 ( s)  Gc12 ( s) E2 ( s)
V2 ( s)  Gc 21 ( s) E1 ( s)  Gc 22 ( s) E2 ( s)
ou, na forma matriz-vetor,
V1 (s)  Gc11 ( s) Gc12 (s)   E1 ( s) 
V ( s)  G ( s) G ( s)  E (s) (4.14)
 2   c 21 c 22  2 
Novamente de acordo com o diagrama do sistema, segue que
E1 ( s)  U1 ( s)  Y1 ( s) (4.15a)
E2 ( s)  U 2 ( s)  Y2 ( s) (4.15b)
Substituindo as equações (4.15) na equação (4.14), obtém-se:

V1 ( s)  Gc11 ( s) Gc12 ( s)  U1 ( s)  Y1 ( s) 


V ( s)  G ( s) G (s) U ( s)  Y ( s) (4.16)
 2   c 21 c 22  2 2 
Substituindo a equação (4.16) na equação (4.13), encontra-se
 1 
Y1 ( s)   2s  1 0  G ( s ) G ( s )   U ( s )  Y ( s ) 
Y ( s)  
c11 c12 1 1
1  Gc 21 ( s) Gc 22 ( s) U 2 ( s)  Y2 ( s)
(4.17)
 2   1 
 s  1

Portanto, de (4.10) e (4.17), segue que

 1 
 2s  1 0  G ( s ) G ( s ) 
Go ( s)   c11 c12
1  Gc 21 ( s) Gc 22 ( s)
 1 
 s  1

Para concluir, aplicamos (4.11), lembrando que G(s) deve ter a forma diago-
nal dada em (4.7), e calculamos a matriz de transferência do compensador
1 1
 1   1   1 
 2s  1 0   s 1 0   1 0  0 
Gc ( s)      s 1 
1   
1  0 1  1  
 1   0   0 
 s  1  5s  1    5s  1  
Série, encontrando-se:
 (2s  1) 0 
 s 
 G ( s ) G ( s )   
Gc ( s)   c11 c12
 
Gc 21 ( s) Gc 22 ( s)  ( s  1)( 2s  1) s  1

 s 5s 
Note que as funções de transferência Gc11 ( s) e Gc 22 ( s) representam contro
ladores do tipo proporcional – integral, e Gc 21 ( s) representa um controlador
do tipo proporcional – integral – derivativo.

É importante notar que na análise presente não foram consideradas


perturbações externas. Em geral, na presente abordagem, há cancelamentos
no numerador e denominador. Portanto, alguns dos autovalores serão perdi-
dos em G p ( s ) Gc ( s ) . Isto significa que a abordagem presente for-
nece o resultado desejado na ausência de perturbações externas, mas na
presença de perturbações externas, o sistema pode se tornar incontrolável
porque qualquer movimento causado pelo autovalor cancelado, não pode ser
controlado.
5. PROJETO DE LEI DE CONTROLE COM REALIMENTAÇÃO
DE ESTADOS
5.1. Realimentação de estados completa
Seja o sistema LTI de tempo contínuo e monovariável (SISO)
x (t )  Ax(t )  Bu (t ) (5.1a )
y (t )  Cx(t ) (5.1b)
onde:
i) x  n : é o vetor de variávei s de estado
ii) u   : é a entrada de controle
iii) y   : é a variável de saída
Lei de controle de realimentação de estados de ordem completa:

 x1 (t ) 
 x (t )
u (t )   Kx(t )  k1 k 2  kn  2  (5.2)
  
 
 xn (t )
onde K 1 n representa a matriz de ganho de realimentação, a ser calculada.
Supor que todas as variáveis de estado são acessíveis.
Substituindo a lei de controle dada por (5.2) no sistema (5.1), segue:
x (t )  ( A  BK ) x(t ) (5.3a )
y (t )  Cx(t ) (5.3b)
A equação característica do sistema em malha fechada (5.3) é
det[ sI  ( A  BK )]  0 (5.4)
A equação (5.4) corresponde a uma equação polinomial em s, de ordem n,
com a matriz de ganho de realimentação
K  k1 k2  kn 
Supondo que o sistema é a estados controláveis, o projeto de uma lei de
controle consiste então na determinação de K tal que as raízes da equação
(5.4) fiquem em posições desejáveis.
Suponha que as raízes desejadas para a equação (5.4) sejam dadas:
  {1 , 2 ,, n } (5.5)
Então a equação característica desejada correspondente é:

 c (s)  (s  1 )( s  2 )(s  n )  0 (5.6)


A matriz K é obtida igualando os coeficientes de (5.4) aos coeficientes
correspondentes de (5.6). Isto impõe que a equação característica do sistema
em malha fechada seja idêntica à equação característica desejada e, por
conseguinte, que os pólos do sistema em malha fechada sejam alocados em
posições desejadas.

Diagrama do sistema em malha fechada

u  x y
x  Ax  Bu C

K
Exemplo 5.1 – Lei de controle para um sistema de segunda ordem.
Considere um oscilador, sem amortecimento, com freqüência o e uma
descrição no espaço de estados dada por:

 x1   0 1  x1  0
 x     2      u
0  x2  1
(5.7)
 2  o

Encontrar uma lei de controle tal que ambos os pólos do sistema em malha
fechada sejam alocados em -2 o. Isto significa um aumento da freqüência
natural, em dobro, e um aumento do coeficiente de amortecimento  , de
0 para 1.
Solução
Aplicando (5.6) ao caso particular, obtém-se:

 c (s)  (s  2o )( s  2o )


 c (s)  s 2  4o s  4o2 (5.8)
Aplicando (5.4) ao caso particular, segue:

det[ sI  ( A  BK )]  0
 s 0   0 1  0  
det      2    k1 k 2   0
0 s    0 0 1 

que resulta na equação:


s 2  k 2 s  o2  k1  0 (5.9)
Para que (5.8) e (5.9) sejam idênticas, deve-se ter:
k2  4o
o2  k1  4o2 (5.10)
De (5.10) obtém-se
k1  3o2
Portanto, a matriz de realimentação de estados é

K  k1 
k 2   3o2 4o 
 Usando a forma canônica de controle

Quando a ordem do sistema é superior a 3, o método ilustrado no Exemplo


5.1 torna-se enfadonho e nem sempre existe uma solução para as
equações que aparecem ao se igualar os coeficientes da equação
característica do sistema aos coeficientes da equação desejada.
Considere a função de transferência do sistema (5.1) :
Y ( s) Nu( s)
  C ( sI  A) 1 B  D, com D  0 (5.11)
U ( s) De( s)
Os polinômios Nu(s) e De(s), de (5.11), podem ser obtidos usando o
comando MATLAB geral Num, Den   ss2tf( A, B, C, D, iu )

onde iu indica a iu-ésima entrada. Como o sistema (5.1) é SISO, iu=1.


Num e Den contêm os coeficientes de Nu(s) e De(s), respectivamente,
na ordem decrescente das potências de s.
Suponha que os polinômios Nu(s) e De(s) têm as formas:
Nu( s)  bn1s n1  bn2 s n2    b0 (5.12a)
De( s)  s n  an1s n1  an2 s n2    a0 (5.12b)
As matrizes do sistema na forma canônica de controle, obtidas para
os polinômios (5.12), são as seguintes:

 0 1 0  0 0 
 0 0 1  0 0 
  
Ac       , Bc     , Cc  b0 b1  bn 1 
   
 0 0 0  1 0 
 a0  a1  a2   an 1  1

Seja a matriz de ganho do controlador para o sistema na base canônica


 
K c  kc1 kc 2 kc3  kcn , a matriz do sistema de malha fechada é
 0 1 0  0 
 0 0 1  0 
 
Ac  Bc K c       
 
 0 0 0  1 
 a0  kc1  a1  kc 2  a2  k c 3   an1  kcn 
A equação característica do sistema de malha fechada é
det[ sI  ( Ac  Bc K c )]  s n  (an 1  kcn ) s n 1    (a2  kc 3 ) s 2  (a1  kc 2 ) s  (a0  kc1 )  0

Portanto, se o conjunto de pólos desejado para alocação, é dado por


  {1 , 2 ,, n } , então a equação característica desejada para o sistema
de malha fechada, na base canônica controlável, é
( s  1 )( s  2 )  ( s  n )  s n   n 1s n 1     2 s 2  1s   0  0 (5.13)
então a matriz de ganho do controlador pode ser encontrada a partir da condi-
ção necessária para que as duas equações acima sejam idênticas, qué é:
 n1  an1  kcn , ,  2  a2  kc3 , 1  a1  kc 2 ,  0  a0  kc1 (5.14)
Das relações (5.14) calculam-se os valores k ci e, conseqüentemente, a ma-

Kc   0  a0 1  a1  2  a2   n1  an1 
triz de ganho

A passagem para a forma canônica caracteriza uma transformação de


similaridade, tal que a matriz de ganho de realimentação para o sistema na
base original é K  K c Qc , onde Qc é uma matriz de transformação dada por:


Qc  q'c n 1

(qc A)'  (qc A )' , sendo qc  0 0  0 1M c1
/

Mc  B AB  An1B 
 Utilizando a fórmula de Ackermann para posicionamento de pólos

Outra alternativa para o projeto de posicionamento de pólos é utilizando a


fórmula de Ackermann.
Por este método, a matriz do ganho é calculada usando a fórmula compacta,
conhecida como fórmula de Ackermann:
K  0  0 1 M c1  c ( A) (5.15)
onde M c é a matriz de controlabilidade, ou seja

Mc  B  AB A2 B  An 1 B  (5.16)
Com base no teorema conhecido por teorema de Cayley-Hamilton, a matriz
 c ( A) é definida por
 c ( A)  An   n 1 An 1     2 A2  1 A   0 I (5.17)
onde os  i são os coeficientes da equação característica desejada (5.13) .
Note que (5.17) é uma equação matricial.
Exemplo 5.2

Utilize a fórmula de Ackermann para calcular a matriz de ganho do exemplo


5.1.
Solução
Inicialmente, reescrevem-se o polinômio característico desejado, e a matrizes
A e B:  ( s)  ( s  2 )( s  2 )  s 2  4 s  4 2
c o o o o

 0 1 0
A 2  , B 
 o 0 1
Os coeficientes do polinômio característico desejado são 1  40 ,  0  40
2

Utilizando a forma geral (5.17) para este exemplo particular, segue que

   2
0   0 1 2 1 0
 c ( A)  A  1 A   0 I  
2 0
2
 40  2   40  
 0  0    0 0  0 1 
 302 40 
 c ( A)   2
(5.18)
  4 2
0 3  0
A matriz de controlabilidade é
0 1 
M c  B AB   
1 0 
e sua inversa também é

1 0 1 
M c  
1 0 
De (5.15) conclui-se que

K  0 1 M c1  c ( A)
0 1  302 40 
K  0 1    2
1 0   4 2
0 30 

K  302 40 
que é o mesmo resultado obtido anteriormente.
5.2 Realimentação de estados completa considerando uma entrada de
referência

Seja o sistema LTI de tempo contínuo e monovariável (SISO)

x (t )  Ax(t )  Bu (t ) (5.19a )
y (t )  Cx(t ) (5.19b)
onde:
i) x  n : é o vetor de variávei s de estado
ii) u   : é a entrada de controle
iii) y   : é a variável de saída

Defina uma lei de controle por


u (t )   Kx(t )  r (t ) (5.20)
onde: a matriz do ganho de realimentação K 1 n é constate, a ser calcu-
lada, e r  é uma entrada de referência externa, que é a novidade em
relação à lei de controle (5.2), utilizada na Seção 5.1.
Supondo que todas as variáveis de estado são acessíveis, a substituição de
(5.20) em (5.19) resulta, após simples manipulação algébrica, no sistema em
malha fechada
x  ( A  BK ) x  Br (5.21a)
y  Cx (5.21b)
O sistema em malha fechada (5.21) está representado pelo diagrama da
figura a seguir
Planta

r u x x y
+
+ B +
+  C

K
A função de transferência do sistema em malha fechada (5.21) é dada por
Y ( s)
G( s)   C[ sI  ( A  BK )] 1 B (5.22)
R( s )
Portanto, os n pólos do sistema em malha fechada são as raízes da equação
característica:
 c (s)  det[ sI  ( A  BK )]  0 (5.23)

que também corresponde aos n autovalores da matriz (A-BK), do sistema em


malha fechada.

 Projeto de posicionamento de pólos para o sistema em malha fechada


Sabe-se que se um sistema (5.19) é a estados completamente controlável,
então todos os n pólos para o sistema de malha fechada podem ser posicio-
nados arbitrariamente no plano complexo s sob a aplicação de uma matriz de
ganho K, calculada apropriadamente.

Supondo que o sistema (5.19) é a estados completamente controlável, então


ele pode ser transformado para a forma canônica controlável utilizando uma
matriz de transformação Qc , não singular, definida por
 qc 
 q A 
Qc   c 
  
 n 1 
 qc A 
onde qc  0 0  0 1 M c1 , sendo M c a matriz de controlabilidade,
Mc  B  AB  An 1 B 
A transformação de (5.19) para a forma canônica controlável é através da
definição:
x (t )  Qc x(t ) (5.24)
Portanto, combinando (5.24) com (5.19), resulta
x (t )  Qc AQc1 x (t )  Qc B u(t ) (5.25a )
y(t )  CQc1 x (t ) (5.25b)
Definam-se as matrizes
A  Qc AQc1 , B  Qc B , C  CQc1
A forma (5.25) está na forma canônica controlável, que é equivalente a:

 x1 (t )   0 1 0  0   x1 (t )  0
   
 2   0
x ( t ) 0 1 0   x2 (t )  0
               u (t ) (5.26a )
      
 xn 1 (t )  0 0  0 1   xn 1 (t ) 0
 x (t )   a0  a1   an  2  an 1   xn (t )  1
 n 

 x1 (t ) 
 x (t ) 
 2 
y (t )  b0 b1  bn  2 bn 1     (5.26b)
 
x (
 n 1 t )
 xn (t ) 
A seguir mostra-se que o polinômio característico do sistema na base canôni-
ca é idêntico ao polinômio característico do sistema na base original.
det( sI  A )  det( sI  Qc AQc1 )  det(Qc ) det( sI  A) det(Qc1 )  det( sI  A)
Portanto, devido a este fato, tem-se que

det( sI  A)  det( sI  A )  s n  an 1s n 1    a1s  a0

ou, equivalentemente, pode-se escrever


 1 
 s 
det( sI  A)  s n  a0 a1  an 1    (5.27)
  
 n 1 
s 
Uma vez escolhido o conjunto de pólos desejado para alocação, denotado por
Mu  {1 , 2 ,, n }, o polinômio característico desejado pode ser
determinado conforme segue:
 c ( s)  ( s  1 )( s   2 ) ( s   n )  s n   n 1s n1    1s   0
 1 
 s 
 c ( s)  s n   0 1   n 1    (5.28)
  
 n 1 
s 
A lei de controle para o sistema na base canônica é idêntica à lei de controle
para o sistema (5.19), que está na base original, ou seja

u(t )   K x (t )  r (t )   K x(t )  r (t ) (5.29)

Considerando K  k1 
k 2  k n 1 , pode-se escrever que

 0 1 0  0 
 0 0 1 0 
 
A  BK        (5.30)
 
 0 0  0 1 
 a0  k1  a1  k 2   an 2  k n 1  an 1  k n 

De maneira análoga a uma demonstração feita anteriormente, pode-se provar


que
det[ sI  ( A  B K )]  det[ sI  ( A  BK )] (5.31)
De (5.30) e (5.31) obtém-se

det[ sI  ( A  BK )]  s n  (an 1  k n ) s n 1    (a1  k 2 ) s  (a0  k1 ) (5.32)

Conforme (5.28), o polinômio característico desejado é


 c ( s)  ( s  1 )( s   2 ) ( s   n )  s n   n 1s n 1    1s   0 (5.33)

A relação entre as matrizes K  k1  k 2  k n  e K  k1  k2  kn é 


 qc 
 q A 

K  k1 k 2  k n 1   k1 k 2  k n 1  c 
  
(5.34)
 n 1 
c

q A

Qc

Para atingir o objetivo de alocação dos n pólos no sistema em malha fechada,


o polinômio (5.32) deve ser idêntico ao polinômio (5.33). Para isto,
K  K Qc   0  a0 1  a1   n 1  an 1 Qc (5.35)
Exemplo 5.3
Para ilustrar o estudo anterior, sobre o problema de projeto de uma lei de con-
trole de realimentação de estados, considere um sistema dinâmico represen-
tado pelo par de matrizes:

0 0  5 1 
A   1 0  1 ; B  2
0 1  4 0

A matriz de controlabilidade é

 1 0  10

Mc  B AB 
A2 B  2 1  2
0 2  7

Esta é uma matriz não singular pois seu determinante, det( M c )  43  0 , é
diferente de zero.
A inversa de M c é

 0,0698 0,4651  0,2326


M c1   0,3256 0,1628 0,4186 
 0,0930 0,0465  0,0233

Portanto,
qc  0 0 1 M c1   0,0930 0,0465  0,0233

O polinômio característico do sistema em malha aberta é

s 0 5 1
det( sI  A)   1 s 1  s 3  4s 2  s  5  s 3  5 1 4  s 
0 1 s  4 s 2 

cujas raízes são os pólos do sistema em malha aberta, que são: -4,06 e
-0,029 ± j 1,11 . Devido à proximidade de dois pólos (o par de pólos comple-
xo conjugado) do eixo imaginário, o sistema é quase instável.
Suponha os seguintes pólos para alocação do sistema em malha fechada:

s  1 e s  2  j
Então, o polinômio característico desejado é

1
 c ( s)  ( s  1)( s  2  j )( s  2  j )  s 3  5s 2  9s  5  s 3  5 9 5  s 
s 2 
De (3.35), a matriz ganho de realimentação, K, é portanto
 qc 
K   0  a0 1  a1  2  a2   qc A 
qc A2 
  0,093 0,0465  0,0233
K  0 8 1  0,0465  0,0233 0,5116
 0,0233 0,5116  2,256
K  0,349 0,325 1,837
 Estabilizabilidade

Foi mostrado como todos os n pólos de um sistema controlável podem ser


arbitrariamente posicionados no plano complexo s por meio de uma reali-
mentação de estados. Obviamente que é desejável posicionar os pólos
no semiplano esquerdo do plano complexo s, Re(s) < 0, suficientemente
longe para garantir a estabilidade em malha fechada, mesmo diante de varia-
ções paramétricas, e/ou perturbações.

Quando um sistema não é a estados completamente controláveis, é impossí


vel alterar o posicionamento dos pólos (ou modos) não controláveis do siste
ma. Por outro lado, é possível o posicionamento arbitrário dos pólos contro-
láveis via uma lei de controle de realimentação de estados. Isto pode ser
mostrado empregando uma realização mínima do sistema com uma saída
observável. Ou seja, uma vez que o efeito de um posicionamento de pólo via
uma realimentação de estados é independente da saída y(t), pode-se redefi
nir a saída, se necessário, para obter um sistema observável (mas não contro
lável. Se uma realização mínima do sistema resultante é então encontrada
na forma canônica (também chamada companheira) controlável do espaço
de estados, segue que todos os pólos da realização mínima, isto é, todos os

pólos controláveis do sistema, podem ser arbitrariamente posicionados, usan


do uma realimentação de estados.

À luz dessas observações, define-se na seqüência o conceito de estabiliza-


bilidade. Um dado sistema dinâmico é dito estabilizável se todos os seus pó-
los não controláveis são estáveis, uma vez que os pólos restantes são contro
láveis e, por conseguinte, podem ser arbitrariamente posicionados no semi-
plano esquerdo do plano complexo s, Re(s) < 0. Portanto, um sistema con-
trolável é sempre estabilizável, mas um sistema estabilizável não é necessa
riamente controlável.
5.3 Observadores de estado

No estudo sobre realimentação de estados, da seção anterior, foi considera-


da a hipótese de que todas as n variáveis de estado eram acessíveis (ou
mensuráveis). Entretanto, na maioria dos casos, não é possível (ou não é vi-
ável) medir diretamente as n variáveis de estado. Em muitos casos tal impos-
sibilidade deve-se à não existência de sensores apropriados.

Em 1964, D. Luenberger introduziu a idéia de observador, que é um sistema


dinâmico que permite estimar (ou observar) as variáveis de estado do sistema
a ser tratado. Para construir um observador, Luenberger empregou uma técni-
ca de posicionamento de pólo, que é dual daquela estudada na seção ante-
rior.

Na seqüência ilustra-se a construção de observadores e sua subsequente uti-


lização em realimentação de estados para o caso de sistemas SISO.
5.3.1 Projeto de Observador de Ordem completa
Considere um sistema LTI e SISO, descrito por
x (t )  Ax(t )  Bu (t ) (5.36a)
y (t )  Cx(t ) (5.36b)
onde:
i) x  n : é o vetor de variávei s de estado
ii) u   : é a entrada de controle
iii) y   : é a variável de saída
Supondo que o sistema (5.36) é a estados completamente observável, então
existe um observador de estados descrito por
xˆ (t )  ( A  LC ) xˆ (t )  Bu (t )  Ly(t ) (5.37)
tal que todos os n autovalores de (A+LC) podem ser posicionados arbitraria-
mente no plano complexo s por uma matriz de ganho de observador L  n 1
calculada apropriadamente.
O vetor xˆ  representa o vetor de variáveis de estado estimadas. A ma
n

triz L deve ser calculada de tal modo que


lim [ xˆ (t )  x(t )]  0
t 
Para provar este fato, note que como o sistema (5.36) é a estados completa-
mente observável, por dualidade, ele pode ser transformado para a forma
canônica observável, por meio da seguinte matriz de transformação


Qo  qo A qo  A n 1
qo 
1
(5.38)

onde
0 

qo  M o1  
0 
 
1 
A matriz Mo é a matriz de observabilidade:

 C 
 CA 
Mo   
  
 n 1 
CA 
Visando converter o sistema (5.36) para a forma canônica observável, defina
a transformação: ~x (t )  Qo x(t ) (5.39)
Prémultiplicando ambos os lados da equação (5.39) por Qo1 , resulta

x(t )  Qo1 ~
x (t ) (5.40)
Substituindo (5.40) em (5.36), segue que
Qo1 ~x (t )  AQo1 ~x (t )  Bu (t ) (5.41a)
y (t )  CQ 1 ~
o x (t ) (5.41b)
Premultiplicando (5.41a) por Qo , obtém-se
x (t )  Qo AQo1 ~
~ x (t )  Qo Bu (t )
y (t )  CQ 1 ~
o x (t )
~ ~ ~
Definindo as matrizes A  Qo AQo1 , B  Qo B , C  C Qo1 , resulta
~~
x (t )  A
~ ~
x (t )  B u (t ) (5.42a)
~~
y (t )  Cx (t ) (5.42b)
O sistema (5.42) está na forma canônica observável, ou seja ele está na
forma:

~ x1 (t )  0 0  0  a0   ~ x1 (t )   b0 
 ~  
 2  1 0 
x (t ) 0  a1   ~
x2 (t )   b1 
             u (t ) (5.43a)
 ~    ~   
 xn 1 (t ) 0  1 0  an  2   xn 1 (t ) bn  2 
~  (t )  0 0  1  an 1   ~ xn (t )   bn 1 
 n 
x
~ x1 (t ) 
~ x (t ) 
 2 
y (t )  0 0  0 1    (5.43b)
~ 
x
 n 1 ( t )
 ~
xn (t ) 
 1 
O polinômio característico do sistema é  s 
a( s)  s n  a0  an 1   
~
a( s)  det( sI  A)  det( sI  A)  a1
  
 n 1 
s 
Considere que o polinômio característico com as raízes desejadas é

 1 
 s 
 o( s)  s n  0 1   n 1   
  
 n 1 
s 

~
Seja L a matriz do observador para o sistema na base canônica, pode-se
escrever a seguinte relação para a matriz do observador:

L  Q01 L  Q01 a0  0 a1  1  an1  n1 


~ /

Note que o projeto do observador é completamente independente da entrada


do sistema, u(t).
Exemplo 5.4
Para ilustrar a teoria sobre projeto de observador apresentada anteriormente,
considere um sistema dinâmico representado no espaço de estados pelo
par de matrizes:
 0 1 0
A   0 0 1 ; C  1 2 0
 5  1  4

A matriz de observabilidade é:

 C   1 2 0
M o   CA    0 1 2
CA2   10  2  7

que é não singular, sendo seu determinante:

det( M o )  43
Conforme (5.38), para encontrar a matriz de transformação Qo , inicialmente

determina-se a inversa da matriz Mo e, posteriormente, o vetor qo:

0  0,0698  0,3256  0,0930 0


qo  M o1 0   0,4651 0,1628 0,0465 0
1  0,2326 0,4186  0,0233 1

 0,0930
qo   0,0465
  0,0233

Agora, calcula-se Qo :
 9 4 1

Qo  qo Aqo 2 1

A qo   4 9 2
 1 2 0
Com a matriz de transformação Qo obtêm-se:
0 0  5
A  Qo AQo1   1 0  1 ; C  CQo1  0 0 1
~ ~

0 1  4

O polinômio característico do sistema é


~
a( s)  det( sI  A)  det( sI  A)  a( s)  s 3  4s 2  s  5
1
a( s)  s 3  5 1 4  s 
s 2 
Considere que os pólos a serem posicionados são p1 =-1 e p2= -2 ± j , então

1
 o( s)  det( sI  A  LC )  ( s  1)( s  2  j )( s  2  j )  s 3  5 9 5  s 
s 2 
Portanto, a matriz de ganho do observador é

L  Q L  Q01 ao  o a1  1 a2  2 
~ 1 /
0

1
 9 4 1  0   0,349
L   4 9 2  8   0,326
   
 1 2 0   1   1,837 

Lembre-se que a classe de observadores em estudo tem a forma geral

xˆ (t )  ( A  LC ) xˆ (t )  Bu (t )  Ly(t )
Definindo o erro de estimação como E (t )  x(t )  xˆ (t ) , então a dinâmica do
erro é:
E (t )  x (t )  xˆ (t )  Ax(t )  Bu (t )  ( A  LC ) xˆ (t )  Bu (t )  LCx(t )
E (t )  ( A  LC) x(t )  ( A  LC) xˆ(t )  ( A  LC)[ x(t )  xˆ(t )]
E (t )  ( A  LC)E (t )
Para o exemplo considerado, a dinâmica do erro é:

E1 (t )   0,349 0,302 0 E1 (t ) 


E (t )   0,326  0,652 1 E (t )
 2    2 
E 3 (t )   6,837  4,674  4 E3 (t ) 

onde:
E1 (t )   0,349 0,302 0
E (t )  E (t ) e  0,326  0,652 1  A  LC
 2   
E3 (t )   6,837  4,674  4
A resposta temporal do erro é:

E (t )  e ( A LC )(t to ) [ x(to )  xˆ (to )]


Uma vez que todos os autovalores de (A+LC), que correspondem aos pólos
(ou modos) do observador situam-se no semi-plano esquerdo do plano com-
plexo s, Re(s) < 0, os estados do observador aproximam-se exponencial-
mente para os estados do sistema dado. Portanto lim [ xˆ (t )  x(t )]  0
t 
5.3.2 Observadores de Ordem mínima
Os resultados apresentados na seção anterior são destinados a observadores
de ordem completa para sistemas SISO. Nesta seção os resultados são des-
destinados a observadores de ordem mínima para sistemas SISO e MIMO.

Seja n o número de variáveis de estado do sistema, os observadores de or-


dem n são chamados observadores de ordem completa, enquanto os obser-
dores de ordem menor que n, são chamados observadores de ordem reduzi-
zida. Em particular os observadores de ordem reduzida n-p, sendo p o núme-
ro de saídas do sistema, são chamados observadores de ordem mínima.

Na seqüência apresentam-se as condições para existência de uma estrutura


particular de observadores de ordem mínima n-p, para sistemas MIMO válida
também para sistemas SISO).
Considere o sistema no espaço de estados:
x (t )  Ax(t )  Bu (t ) (5.44a)
y (t )  Cx(t ) (5.44b)
onde : x  n , u m , y  p
Considere um observador de estado de ordem mínima (n-p) sob a forma:
z (t )  Hz (t )  Fu(t )  Zy (t ) (5.45a)
xˆ (t )  Sz (t )  Ny(t ) (5.45b)
onde: H ( n p )( n p ) , F ( n p )m , Z ( n p ) p , S n( n p ) , N  n p
n p
são matrizes constantes a serem determinadas; z   é o vetor de esta
dos do observador e xˆ   n é o vetor de estados estimados do sistema.

Seja T  ( n p )n uma matriz a ser determinada, existe um observador sob


a forma (5.45) para o sistema sob a forma (5.44) tal que

(i) lim [ z (t )  Tx(t )]  0 ,  z (0) , x(0) (5.46a)


t 

(ii ) lim [ x(t )  xˆ (t )]  0 ,  x(0) , xˆ (0) (5.46b)


t 

Se as seguintes condições são verificadas:


TA  HT   ZC ,  ( H )  C  (5.47a)
F  TB (5.47b)
 T  
posto      n (5.47c)
 C  
Para demonstrar a parte (i), equação (5.46a), inicialmente define-se o erro
 (t )  z (t )  Tx(t ) (5.48)
derivando, em relação ao tempo, a equação (5.48), obtém-se:
(t )  z(t )  Tx (t ) (5.49)
Substituindo as equações (5.44a) e (5.45a) em (5.49), tem-se:
(t )  Hz (t )  Fu(t )  Zy (t )  T [ Ax(t )  Bu (t )] (5.50)

Substituindo (5.44b) em (5.50), após simples manipulação algébrica, encon-


tra-se:
(t )  Hz (t )  ( F  TB)u (t )  (TA  ZC ) x(t )
Combinando esta última equação com (5.47a) e (5.47b), resulta:
(t )  H [ z (t )  Tx(t )] (5.51)
Substituindo (5.48) em (5.51), obtém-se:

(t )  H (t ) (5.52)
A solução da equação (5.52) é
 (t )  e H t  (0)
Como, de (5.47a) sabe-se que  (H )  C , então
lim  (t )  0
t 

que é equivalente a (5.46), concluindo assim a demonstração da parte (i).

Para demonstrar a parte (ii), equação (5.46b), inicialmente substitui-se a


Equação (5.44b) em (5.45b), obtendo-se

xˆ (t )  Sz (t )  NCx(t ) (5.53)
Aplicando o limite, com t   , sobre a equação (5.53), obtém-se
lim xˆ (t )  S lim z (t )  NC lim x(t ) (5.54)
t  t  t 

Combinando (5.46a), que já foi demonstrada, com (5.54), segue que


lim xˆ (t )  ST lim x(t )  NC lim x(t )
t  t  t 
Ou ainda:
T 
lim xˆ (t )  S N    lim x(t ) (5.55)
t 
C  t 

Se a condição (5.47c) é satisfeita, então é possível encontrar matrizes


S e N tais que
T 
S N     In (5.56)
C 
Combinando (5.55) com (5.56), encontra-se

lim [ x(t )  xˆ (t )]  0
t 

Isto demonstra a parte (ii), que corresponde à Equação (5.46b).


 Procedimento de projeto
Apresenta-se um procedimento para projetar observadores de ordem mínima
da forma (5.45) para sistemas observáveis da forma (5.44), com base nos
resultados apresentados nesta seção.

1. Escolha o espectro de autovalores a serem posicionados

 ( H )  1 , 2 ,, n p  C 


2. Resolva a equação 5.47a para encontrar as matrizes T e Z. Isto pode
ser feito utilizando a técnica de posicionamento de auto-estrutura, apre
sentada na página seguinte.
3. Calcule a matriz F, utilizando a Equação 5.47b

4. Considerando que a Condição (5.47c) é satisfeita, calcule as matrizes S e


N utilizando a Equação (5.56).
Resolução da equação (5.47a) pela técnica de auto-estrutura

Para resolver 5.47a, em resposta ao item 2 do procedimento de projeto,


pode-se aplicar a técnica de posicionamento de auto-estrutura descrita a
seguir.
• Para cada autovalor  i C escolhido no item 1, calcule as linhas t i e zi
 / /

/  A  i I 
tais que
/

t i zi     0 0 onde: t i C n
, z i C p

 C 
e determine uma linha para cada uma das matrizes T e Z, denotadas por
Ti e Z i , de acordo com o que segue. Se Im( i )  0 , então Ti  ti/ , Z i  zi/
Se Im( i )  0, então
i 1  i* , Ti  Re( ti/ ) , Ti 1  Im( ti/ ) , Z i  Re( zi/ ) , Z i 1  Im( zi/ )

( n p ) n ( n p ) p ( n  p ) ( n  p )
Monte as matrizes T  , Z  e H  como:
 T1   Z1   D1 0  0    i , se Im( i )  0;
T   Z  0 D    Re(  ) Im(  ) 
T 
2 , Z   2 , H   2  D   i i
,
         i   Im(  ) Re(  )
0
  i i 
     
 n  p 
T  n  p 
Z  0 0  Dn p 
 se Im(  i )  0

Detectabilidade

Foi mostrado anteriormente que para um sistema no espaço de estados


observável, é possível construir um sistema observador com todos os seus n
pólos posicionados arbitrariamente no plano complexo s, por meio de uma
matriz L. Quando um sistema não é a estados completamente observável, é
impossível alterar os pólos não observáveis do sistema utilizando uma matriz
L. Por outro lado, todos os pólos observáveis podem ser posicionados arbi-
trariamente por meio de L. Um sistema é detectável se todos os seus pólos
não observáveis são estáveis, uma vez que seus pólos restantes podem ser
posicionados arbitrariamente no semiplano esquerdo do plano complexo s,
Re(s) < 0, via uma matriz de observador L.

O conceito de detectabilidade é o dual do conceito de estabilizabilidade defini


do anteriormente.
6. SISTEMA COM REALIMENTAÇÃO DE ESTADOS ESTIMA-
DOS - OBSERVADOR
Ao se empregar a lei de controle (5.20) ao sistema (5.19), como visto na
unidade anterior, foi suposto que todas as n variáveis de estado estavam
disponíveis. Nesta unidade supõe-se que nem todas as variáveis de estado
estão disponíveis e o interesse é determinar o efeito de uma lei de controle de
realimentação de estados estimados, sob a forma

u (t )  Kxˆ (t )  r (t ) (6.1)
onde:
u  : é a entrada de controle;
K 1 n : é a matriz de ganho de realimentação de estados estimados (a ser
determinada); esta é uma matriz constante;
xˆ n : representa o vetor de variáveis de estado estimadas;
r  : é uma entrada de referência externa
Considere um sistema LTI observável sob a forma
x (t )  Ax(t )  Bu (t ) (6.2a )
y (t )  Cx(t ) (6.2b)
Considere um observador sob a forma
xˆ (t )  ( A  LC ) xˆ (t )  Bu (t )  Ly(t ) (6.3a)
w(t )   Kxˆ (t ) (6.3b)
O sistema de malha fechada resultante das conexões entre o sistema (6.2),
a lei de controle (6.1) e o observador (6.3), pode ser representado pelo dia-
grama da Figura 6.1.

Note que a entrada de controle do diagrama da Figura 6.1 está coerente


com a lei de controle (6.1) e com a saída do observador definida em (6.3b),
como demonstrado a seguir:
u (t )  r (t )  w(t )  r (t )  [ Kxˆ (t )]
u (t )  Kxˆ (t )  r (t )
Defina o erro entre os estados reais e os estados observados por
E (t )  x(t )  xˆ (t ) (6.4)
Derivando (6.4) em relação ao tempo encontra-se:
E (t )  x (t )  xˆ (t ) (6.5)

r u  x x y

 B   C

A

B
̂x 
 
w x̂
K  L

A  LC

Fig. 6.1
Substituindo (6.2a) e (6.3a) em (6.5), encontra-se a dinâmica do erro
E (t )  Ax(t )  Bu (t )  [( A  LC ) xˆ (t )  Bu (t )  Ly (t )]
E (t )  ( A  LC )[ x(t )  xˆ (t )]
E (t )  ( A  LC )E (t ) (6.6)
Da teoria de sistemas lineares, deduz-se que a solução para o sistema (6.6) é
( A LC )( t t o )
E (t )  e E (to )
onde: E (to )  x(to )  xˆ (to )

Por outro lado, substituindo (6.1) em (6.2a), encontra-se o sistema sob reali-
mentação de estados, como segue:
x (t )  Ax(t )  Bu (t )  Ax(t )  BK xˆ (t )  Br (t )
x (t )  Ax(t )  BK xˆ (t )  Br (t )  BKx (t )  BKx (t )
x (t )  ( A  BK ) x(t )  BK [ x(t )  xˆ (t )]
x (t )  ( A  BK ) x(t )  BK E (t ) (6.7)
Definindo um vetor de estados aumentado por x (t )
/ /

/
E (t ) , o comporta-
mento dinâmico do sistema de malha fechada pode ser definido no espaço de
estados aumentado, reunindo as equações (6.7) e (6.6), numa só equação,
como segue:
 x (t )   A  BK  BK   x(t )   B 
E (t )   0       r (t )
A  LC  E (t )  0 
(6.8a)
  
 x(t ) 
y (t )  C 0   (6.8b)
E (t ) 
ou:

x (t )  A x(t )  B r (t ) (6.9a)
y (t )  C x(t ) (6.9b)
onde:

 x(t )   A  BK  BK   B
x   , A  
2n
 , B    , C  C 0
E (t )  0 A  LC  0
Os 2n pólos do sistema de malha fechada aumentado (6.8), são as raízes do
polinômio característico:
det( sI  A)  det( sI  A  BK ) det( sI  A  LC )   c (s) o (s)
das quais n são os pólos desejados para o sistema sob realimentação de esta
dos estimados e n são os pólos desejados para o observador.

A função de transferência do sistema de malha fechada aumentado (6.9) é

Y ( s)
G ( s)   C ( sI  A) 1 B
R( s)
1
  sI  A  BK BK   B
G ( s )  C 0      
 0
  0 sI  A  LC    
( sI  A  BK ) 1  ( sI  A  BK ) 1 ( BK )( sI  A  LC ) 1   B 
G ( s )  C 0  1  
 0 ( sI  A  LC )  0
G ( s )  C ( sI  A  BK ) 1 B
Exemplo 6.1

Considere o seguinte sistema no espaço de estados na forma canônica con-


trolável:
 x1 (t )   0 1 0  x1 (t )  0
 x (t )   0 0 1  x (t )  0 u (t )
 2    2   
 x3 (t )   5  1  4  x3 (t )  1
 x1 (t ) 
y (t )  1 2 0  x2 (t )
 x3 (t ) 

O polinômio característico do sistema (ou da matriz A) é:


s 1 0 1
det( sI  A)  a( s)  0 s  1  s 3  4s 2  s  5  a( s)  s 3  5 1 4  s 
5 1 s4 s 2 
Para a realimentação de estados estimados, suponha que os pólos a serem
posicionados são -3 e -1± i

Isto implica que o polinômio característico desejado para o sistema sob a re-
alimentação de estados estimados é:

 c ( s)  ( s  3)( s  1  i )( s  1  i )  s 3  5s 2  8s  6
1
 c ( s)  s 3  6 8 5  s 
 s 2 

Uma vez que o sistema dado já está na forma canônica controlável, então a
matriz de transformação de equivalência é a matriz identidade, Qc  I . Por
tanto, a matriz do ganho de realimentação é

K  a0   0 a1  1 a2   2   5  6 1  8 4  5
K   1  7  1
O cálculo da matriz do observador para o sistema dado, já foi resolvido no
Exemplo 5.4, onde foi encontrado:
 0,349
L   0,326
  1,837 
A determinação de K e L completa o projeto do sistema composto: realimen-
tação de estados mais observador.

O sistema de malha fechada resultante será caracterizado pela função de


transferência mínima

1 2s  1
G ( s )  C ( sI  A  BK ) B  3
s  5s 2  8s  6

Os pólos do observador são as raízes do polinômio característico

o ( s)  det( sI  A  LC )  s 3  5s 2  9s  5
 Princípio da separação

Foi mostrado como os pólos controláveis de um sistema de malha fechada po


dem ser posicionados arbitrariamente no semi-plano esquerdo do plano com-
plexo, Re(s) < 0, usando uma lei de controle de realimentação de estados.
Além disso, se os pólos também são observáveis, foi mostrado como uma lei
de controle apropriada pode ser fisicamente implementada usando um obser-
vador cujos pólos também podem ser arbitrariamente posicionados no semi-
plano esquerdo do plano complexo. O cálculo da matriz de ganho K, que
posiciona arbitrariamente os pólos de malha fechada, é completamente inde
pendente (pode ser feito separadamente) do cálculo da matriz de ganho L,
que posiciona os pólos do observador. Esta regra simples, mas muito útil,
é conhecida como o princípio da separação.
7. PROJETO DE CONTROLADORES MULTIVARIÁVEIS
7.1. Controle Ótimo com função de custo quadrático
Nesta seção considera-se o projeto de um sistema de controle estável
baseado em índice de desempenho quadrático, como exposto na sequência.
O sistema a ser controlado tem a seguinte forma geral:
x (t )  Ax(t )  Bu (t ) (7.1)
onde: i) x  n : é o vetor de variávei s de estado
ii) u  m : vetor de entradas de controle
iii) A , B : matrizes constantes
Considere um índice de desempenho quadrático para o sistema, definido por

J   L( x , u) dt (7.2)
0
onde L(x, u) é uma função quadrática ou uma função hermitiana de x e u .
Deseja-se projetar um sistema de controle, onde o vetor de controle u(t)
é tal que o índice de desempenho definido em (7.2) é minimizado.
Pode-se provar que um índice de desempenho quadrático, com limites de in-
tegração: 0 e ∞, tal como em (7.2), conduz a leis de controle lineares.
Portanto, a lei de controle a ser utilizada é da forma:
u (t )   Kx(t ) (7.3)
onde K é uma matriz m x n
Substituindo
u(t )  u1 (t ) u2 (t )  um (t ) , x(t )  x1 (t ) x2 (t )  xn (t )
/ /

 k11 k12  k1n 


k k  k 
K   21 22 2n 

     
 
k m1 k m 2  k mn 
na lei de controle (7.3), obtém-se a seguinte equação equivalente:
 u1 (t )   k11 k12  k1n   x1 (t ) 
 u (t )  k k  k   x (t )
 2     21 22 2n   2 
          
    
um (t ) km1 km 2  k mn   xn (t )
O projeto de sistemas de controle e de sistemas reguladores ótimos baseados

em tais índices de desempenho quadráticos se reduz à determinação dos


elementos da matriz K.

No projeto de sistemas de controle baseados na minimizacão de índices de


desempenho quadráticos há necessidade de se resolver uma equação de
Riccati. O comando lqr do MATLAB fornece a solução da equação de Riccati
para sistemas contínuos no tempo e determina a matriz de ganho de retro-
ação ótima.

Nesta seção serão projetados sistemas de controle utilizando índices de de-


sempenho quadráticos, tanto analiticamente como computacionalmente.

Considera-se a seguir, o problema de determinar o vetor de controle ótimo u(t)


para o sistema descrito por (7.1) e o índice de desempenho definido por:

J   ( x * Qx  u * Ru )dt (7.4)
0
onde:
Q : é uma matriz hermitiana ou real simétrica e definida positiva
(ou semidefini da positiva)
R : é uma matriz hermitiana ou real simétrica e definida positiva
u : vetor de controle, sem restrições

Dentre diferentes abordagens existentes para a solução deste problema, será


utilizado nesta seção, o enfoque baseado no segundo método de Liapunov.

Para sistemas com vetores reais e matrizes reais, a equação (7.4) é especi
almente escrita como segue:

 ( x' Qx  u' Ru )dt


0
 Otimização de Sistemas de controle pelo segundo método de Lyapunov

Através desta abordagem, primeiramente formulam-se as condições de esta-


bilidade e posteriormente projeta-se o sistema dentro dessas limitações. Se
for utilizado o segundo método de Lyapunov para formar a base de projeto de
controladores ótimos, então estará assegurado que o sistema funcionará, isto
é, que a saída do sistema estará continuamente dirigida no sentido de alcan
çar o valor desejado. É evidente que o controle ótimo só se aplica se o siste-
ma é controlável.

Para uma ampla classe de sistemas de controle pode-se mostrar uma rela-
ção direta entre as funções de Lyapunov e os índices de desempenho quadrá-
ticos utilizados na síntese dos sistemas de controle ótimo. A abordagem de
Lyapunov para a solução de problemas de otimização será iniciada
considerando-se um caso simples conhecido como o problema de otimização
paramétrica.
 Problema de otimização paramétrica resolvido pelo segundo método de
Lyapunov
Discute-se aqui a relação direta entre as funções de Lyapunov e os índices
de desempenho quadráticos e resolve-se o problema de otimização
paramétrica utilizando essa relação.

Considere o sistema descrito por


x (t )  Ax(t ) (7.5)
onde  (A)  C -, ou seja, a origem x=0 é assintoticamente estável.
Supõe-se que a matriz A envolve um ou diversos parâmetros ajustáveis. De-
seja-se minimizar o seguinte índice de desempenho:

J   x * Qx dt (7.6)
0
onde x* é o transposto conjugado de x, e Q é uma matriz hermitiana, ou
simétrica real definida (ou semidefinida) positiva
O problema se torna o de determinar os valores dos parâmetros ajustáveis

de modo a minimizar o índice de desempenho.

Mostra-se que a função de Lyapunov pode ser usada efetivamente na solu-


ção deste problema.

Admite-se que
d
x * Qx   ( x * Px) (7.7)
dt
onde P é uma matriz hermitiana, ou simétrica real, definida positiva.

Desenvolvendo a derivada indicada em (7.7), obtém-se:

x * Qx   x * Px  x * Px (7.8)
De (7.5), pode-se escrever:
x*  x * A * (7.9)
Substituindo (7.5) e (7.9) em (7.8), segue que

x * Qx   x * A * Px  x * PAx   x * ( A * P  PA) x
Pelo segundo método de Lyapunov sabe-se que, dada Q, existe P se A é
estável (ou seja  (A)  C ) tal que:
-

A * P  PA  Q (7.10)
Resolver esta equação matricial implica em determinar os elementos de P.

O índice de desempenho J pode ser calculado como


 
J   x * Qx dt   x * Px   x * () Px()  x * (0) Px(0)
0 0
Como todos os autovalores de A têm parte real negativa,  (A)  C - , então,
x ( )  0
e consequentemente,
J  x * (0) Px(0) (7.11)
Note que o índice de desempenho J pode ser obtido em termos da condição
inicial x(0) e da matriz P

Exemplo 7.1
Considere o sistema mostrado na Figura 7.1. Determine o valor do coefici-
ente de amortecimento   0 tal que, ao submeter a uma solicitação r(t)
em degrau unitário, o seguinte índice de desempenho seja minimizado:

J   (e 2  e 2 )dt , com   0 (7.12)
0

r (t ) e(t ) 1 y (t )
+-
s(s  2 )

Fig. 7.1
De acordo com o sistema da Figura 7.1, o sinal de erro é dado por

e(t )  r (t )  y (t ) (7.13)
Consideram-se condições iniciais nulas. A função de transferência de malha
fechada é:
Y ( s) 1
 2
R( s) s  2s  1
ou
s 2Y (s)  2sY (s)  Y (s)  R( s) (7.14)
De (7.14) obtém-se a seguinte equação diferencial:
y(t )  2y (t )  y (t )  r (t ) (7.15)
Combinando (7.13) com (7.15), a equação diferencial fica em termos de e(t):

e(t )  2e(t )  e(t )  r(t )  2r(t ) (7.16)


Como a excitação r(t) é um degrau unitário, portanto constante para t≥0, então

r(t )  0 , r(t )  0 , para t  0


Portanto, r(0)  0 , r(0)  0

Conseqüentemente, para t ≥ 0+, tem-se

e(t )  2e(t )  e(t )  0 (7.17)


onde e(0)  1, e(0)  0

Defina agora as seguintes variáveis de estado:


x1 (t )  e(t ) (7.18a)
x2 (t )  e(t ) (7.18b)
Aplicando a derivada, em relação ao tempo, às equações (7.18), obtém-se:
x1 (t )  e(t ) (7.19a)
x2 (t )  e(t ) (7.19b)
Combinando as equações de (7.17) a (7.19), obtém-se a equação de estado:

 x1 (t )   0 1   x1 (t ) 
 x (t )   1  2   x (t )
 2    2 
Portanto, a matriz de estados do sistema é
0 1 
A 
  1  2 
Combinando (7.18) com o índice de desempenho J, definido em (7.12), segue
 
J   (e 2  e 2 )dt   ( x12  x22 )dt
0 0

1 0   x1 
J  x
0
1 x2     
0    x2 
dt


J   x / Qx dt
0
onde:
 x1  e 1 0 
x    , Q 
 x2  e 0  

Para o caso particular, x * torna - se x / . Então (7.11) pode ser particu-


larmente escrito por:
J  x / (0) Px(0)
onde a matriz simétrica e definida positiva P é determinada a partir de

A/ P  PA  Q (7.20)
Para o presente exemplo, seja
 p11 p12 
P
 p12 p22 
a equação (7.20) torna-se

0  1   p11 p12   p11 p12   0 1   1 0 


1  2   p    
   12 p22   p12 p22   1  2   0   
 
Efetuando as multiplicações indicadas na última equação, obtém-se:

  p12  p22    p12 p11  2 p12   1 0 


 p  2 p    
 11 12 p12  2 p22   p22 p12  2 p22   0   
Desta equação matricial, encontra-se o sistema de equações:
 2 p12  1
p11  2 p12  p22  0
2 p12  4 p22   
cuja solução é:

1  1 1 
p11    , p12  , p22 
4 2 4
O índice de desempenho J pode ser dado por

 1   2 1  2
J  x (0 ) Px(0 )    
T
 x1 (0 )  x1 (0 ) x2 (0 )  x2 (0 )
 4  4
Substituindo-se as condições iniciais x1 (0 )  1, x2 (0 )  0 nesta última

Equação, obtém-se:
1 
J  
4
Para minimizar J em termos de  , faz-se

J
0

Assim fazendo, segue que
J 1 
 1 0
 4 2

Desta equação, resulta que o valor ótimo de é


1 
 
2
 Problemas de controle ótimo quadrático

Considere o sistema linear de tempo contínuo descrito por:

x (t )  Ax(t )  Bu (t ) (7.21)
Determine a matriz K da lei de controle

u (t )   Kx(t ) (7.22)
tal que o seguinte índice de desempenho seja mínimo:


J   ( x*Qx  u* Ru )dt (7.23)
0

onde Q e R são matrizes hermitianas ou simétricas reais definidas positivas


(Q pode ser semidefinida positiva).
O segundo termo no integrando de (7.23) exprime o dispêndio de energia dos
sinais de controle. As matrizes Q e R determinam a importância relativa do
erro e do dispêndio de energia. Supõe-se, para este problema, que o vetor
de controle u(t) seja sem restrições.
A lei de controle linear (7.22), encontrada de tal modo que o índice de desem-
penho J, definido em (7.23), seja mínimo é a lei de controle ótima, qualquer
que seja x(0).

O diagrama de blocos do sistema de malha fechada está mostrado na Figura


7.2

u x
x  Ax  Bu

K

Fig. 7.2
Um método para se resolver o problema de otimização formulado anteriormen
mente é mostrado na seqüência

Substituindo a Equação (7.22) em (7.21), segue que:

x (t )  Ax(t )  B [ Kx(t )]
x (t )  ( A  BK ) x(t ) (7.24)
Suponha que a matriz (A-BK) seja estável, ou seja,  ( A  BK )  C 
Substituindo (7.22) em (7.23), tem-se

J   ( x*Qx  x* K * RKx )dt
0

J   x* (Q  K * RK ) xdt
0
Utilizando a idéia apresentada ao se resolver o problema de otimização para-
métrica, faz-se
d
x * (Q  K * RK ) x   ( x * Px) (7.25)
dt
onde P é uma matriz hermitiana ou real simétrica definida positiva.
Efetuando a derivada do lado direito da Equação (7.25), e combinando o re-
sultado com (7.24), obtém-se

x * (Q  K * RK ) x   x * Px  x * Px
  x * ( A  BK ) * Px  x * P( A  BK ) x
  x *[( A  BK ) * P  P( A  BK )] x
Comparando-se ambos os membros desta última equação, deve ter

( A  BK ) * P  P( A  BK )  (Q  K * RK ) (7.26)
Aplicando o segundo método de Lyapunov, se (A-BK) é uma matriz estável,
então existe uma matriz P, definida positiva, que satisfaz a Equação (7.26).

Portanto, o procedimento a se adotar é o da determinação dos elementos de


P a partir da Equação (7.26) e verificar se essa matriz é definida positiva.
Mais de uma matriz P pode satisfazer esta equação. Se o sistema é estável,
sempre existe uma matriz P definida positiva que satisfaz esta equação. Algu
ma outra matriz P, não definida positiva, deve ser descartada.
O índice de desempenho J pode ser calculado como:
 
J   x * (Q  K * RK ) x dt   x * Px 0
0

J   x * () Px()  x * (0) Px(0)

Como, por hipótese, os autovalores de (A-BK) têm partes reais negativas, em-
tão x(∞)=0. Portanto,
J  x * (0) Px(0) (7.27)
Assim, o índice de desempenho J pode ser obtido em termos do estado inicial
x(0) e da matriz P.

Para obter a solução do problema de controle ótimo quadrático, procede-se


como segue. Uma vez suposto que R é uma matriz hermitiana ou real simétri
ca definida positiva, pode-se escrever R  T * T , onde T é uma matriz não
singular. Então a Equação (7.26) pode ser escrita da seguinte maneira:

( A *  K * B*) P  P( A  BK )  Q  K * T * TK  0
Que pode ser reescrita sob a forma:

A * P  PA  [TK  (T *)1 B * P] * [TK  (T *)1 B * P]  PBR 1B * P  Q  0


A minimização de J em termos de K, requer a minimização de

x * [TK  (T *)1 B * P] * [TK  (T *)1 B * P] x


Em termos de K.
Como esta última expressão é não negativa, o mínimo ocorre quando ela vale
zero, ou seja, quando
TK  (T *)1 B * P
Assim, a expressão para K é

K  T 1 (T *)1 B* P
ou
K  R 1B * P (7.28)
A Equação (7.28) fornece a matriz ótima K.
Conseqüentemente, a lei de controle ótimo para o problema de controle ótimo
quadrático, quando o índice de desempenho é dado por (7.23), é linear e
dada por:
u(t )   K x(t )   R 1B * Px(t )
A matriz P, na Equação (7.28), deve satisfazer a Equação (7.26), ou a seguin
Equação reduzida:
A * P  PA  PBR 1B * P  Q  0 (7.29)
A Equação (7.29) é chamada de equação matricial reduzida de Riccati.
Com base na exposição apresentada, apresentam-se as etapas de projeto
 Procedimento resumido para o projeto da lei de controle ótimo
1) Resolver a Equação matricial reduzida de Riccati (7.29), para encontrar P
2) Substituir a matriz P na Equação (7.28), para encontra a matriz K, ótima

 Índice de desempenho em termos do vetor de saída


Observe que, se o índice de desempenho for dado em termos do vetor de
saída, ele pode ser modificado utilizando-se a equação de saída y  Cx
 
J   ( y * Qy  u * Ru )dt   ( x * C * QCx  u * Ru )dt
0 0
8. SISTEMAS DE CONTROLE ROBUSTO - FUNDAMENTOS
8.1. Introdução
Para certas hipóteses sobre a planta ou processo, um sistema de controle
pode ser projetado conhecendo-se os modelos da planta e do controlador, com
parâmetros constantes. Mas nem sempre os parâmetros são constantes.
Na realidade, o modelo da planta (ou processo) a controlar sempre é uma
representação inexata do sistema físico real devido a incertezas tais como:
a) Variações de parâmetros
b) Dinâmicas não modeladas
c) Retardos não incluídos no modelo
d) Mudanças no ponto de operação
e) Ruídos no sensor
f) Perturbações
Quando a ocorrência de uma ou mais dessas incertezas é significativa,
procura-se incluir no projeto do Sistema de Controle condições que garantam
estabilidade e desempenho satisfatórios a despeito dessas incertezas
(imprecisões e ou alterações do modelo). O sistema obtido a partir desse
projeto é denominado de Sistema de Controle Robusto.
Portanto um Sistema robusto apresenta desempenho satisfatório a despeito
da presença de incertezas consideráveis sobre a planta ou processo a contro-
lar.
Para ilustrar a estrutura física de um sistema de controle com incertezas
significativas, considera-se o diagrama em blocos da Figura 8.1

Fig. 8.1 – Estrutura básica de um Sistema de Controle a malha fechada


explicitando algumas incertezas
Note que a Estrutura básica do Sistema de Controle representado na Fig. 8.1
inclui:
a) Ruídos de sensor, denotado por N(s)
b) Perturbações externas, denotadas por D(s), que é vista como uma entrada
c) Planta ou processo, representado por G(s), com dinâmica potencialmente
não modelada e/ou com alterações de parâmetros.

 Dinâmicas não modeladas e mudanças de parâmetros podem ser


consideravelmente grandes. Para essa classe de sistemas, o desafio é
propor um projeto que preserve o desempenho desejado.

 De modo geral um sistema é dito robusto quando é durável, capaz de


suportar fadiga de intensidade e duração razoavelmente grandes e
resistente a choques, ou de modo específico:
a) apresenta baixa sensibilidade às incertezas consideradas no projeto
b) é estável dentro da faixa de variação dessas incertezas
c) mantem um bom desempenho mesmo diante mudanças nos parâmetros
do sistema.
De modo geral o projeto de um Sistema de Controle deve garantir que o seu
funcionamento seja adequado frente às incertezas especificadas no problema.

8.2. Sensibilidade de Sistemas de Controle a Variações de Parâmetros


A sensibilidade de um Sistema de Controle a variações de parâmetros é um in-
dicador de desempenho de fundamental importância. Quanto menor essa
sensibilidade melhor o desempenho do sistema.
A vantagem principal dos Sistemas de Controle à malha fechada é sua capa-
cidade de reduzir a sensibilidade do sistema diante variações paramétricas.

Para apresentar a fundamentação desse conceito, considere um sistema de


Controle geral a malha fechada, já conhecido do conteudo da disciplina
Controle I, representado pelo diagrama em blocos da Figura 8.2

Fig. 8.2 – Sistema de Controle


a malha fechada geral
Para o sistema representado pelo diagrama da Figura 8.2, sabe-se que
G( s)
Y ( s)  R( s ) (8.1)
1  G( s) H ( s)
Considerando que G(s) H(s) >> 1 nas frequências complexas de interesse,
de acordo com Equação 8.1, a variável de saída é aproximadamente:
1
Y ( s)  R( s ) (8.2)
H ( s)
que depende somente de H(s), o qual pode ser escolhido.
Para H(s)=1, tem-se o resultado desejado, isto é, a saída é aproximadamente
igual à entrada de referência:
Y ( s )  R( s )
A consequência da condição G(s) H(s) >> 1 é que o efeito da variação de
parâmetros da planta G(s) sobre a saída Y(s) tende a desaparecer uma vez
que Y(s) é aproximadamente independente de G(s) conforme Equação (8.2).
Portanto, a primeira vantagem de um sistema com retroação é que o efeito da
variação de parâmetros da planta G(s) sobre o desempenho do sistema é
reduzido .
Para ilustrar o efeito da variação de parâmetros, considera-se uma mudança
genérica na planta tal que sua função de transferência passa a ser
GI (s)  G(s)  G(s) (8.3)
Para um sistema de malha aberta, a variação na saída é

Y ( s)  G ( s) R( s) (8.4)
Para um sistema de malha fechada a saída é
GI ( s )
YI  Y ( s )  Y ( s)  R( s) (8.5)
1  GI ( s ) H ( s )

Substituindo (8.3) em (8.5), omitindo-se YI(s), tem-se:

G( s)  G( s)
Y ( s)  Y ( s)  R( s ) (8.6)
1  [G( s)  G( s)]H ( s)
Substituindo (8.1) em (8.6), após alguma manipulação algébrica, encontra-se
a seguinte expressão para a variação da grandeza de saída:

G( s)
Y ( s)  R( s )
[1  G( s) H ( s)  G( s) H ( s)][1  G( s) H ( s)]

Para G(s)H(s) >> ∆G(s) H(s), situação muito frequente de ocorrer na prática,
então, a expressão acima pode ser aproximada para:

G( s)
Y ( s)  R( s ) (8.7)
[1  G( s) H ( s)] 2

Nota-se que a mudança na saída do sistema à malha fechada, expressa na


Equação (8.7), é reduzida por um fator 1/[1+G(s)H(s)]2 em relação à mudança
na saída do sistema à malha aberta, expressa pela Equação (8.4).
De maneira geral, o fator [1+G(s)H(s)] desempenha um papel muito importante
nas características dos sistemas de controle com retroação.
 Sensibilidade de Sistema - definição
Considere um sistema geral cuja função de transferência é, por definição:
Y ( s)
T ( s)  (8.8)
R( s )
A sensibilidade do sistema é a relação entre a variação percentual da função
de transferência do sistema pela relação percentual da função de transferência
do processo. Isto traduzido matematicamente significa:
T ( s) / T ( s)
S
G ( s) / G( s)
Considerando diferenças infinitesimais, ou seja, ΔT(s)=∂T(s) e ΔG(s)=∂G(s),
a sensibilidade torna-se:
T / T  ln T
S  (8.9a)
ou
G / G  ln G
T G ( s)
S (8.9b)
G T ( s)
Em outras palavras, a sensibilidade do sistema é a relação entre a mudança
na função de transferência do sistema e a mudança na função de transferência
do processo (ou parâmetro) para uma pequena mudança incremental.

 Para o sistema de malha aberta,


Vale a Equação (8.4), da qual segue que
Y ( s)
Y ( s)  G ( s) R( s)  1
G ( s) R( s)
Substituindo (8.8) nesta equação e aplicando a ideia de diferenças infinitesi-
mais, como aplicada para (8.9), obtém-se:

T
S 1 (8.10)
G
Note que, para o sistema de malha aberta tem-se T(s)=G(s), ou equiva-
lentemente G(s)/(T)=1.
Em termos percentuais significa que a sensibilidade de um sistema de malha
aberta a variações de parâmetros do processo é 100 %. Em outras palavras, o
sistema de malha aberta está vulnerável a variações no processo.
 Para o sistema de malha fechada
A função de transferência é:
G( s)
T ( s) 
1  G( s) H (s)
Aplicando a definição de sensibilidade, Equação (8.9), tem-se:

T G( s) 1 G( s)
S  T
 
G T ( s) [1  G( s) H ( s)] G( s) /[1  G( s) H ( s)]
G 2

ou
1
S 
T
(8.11)
1  G( s) H ( s)
G

Por este resultado, demonstra-se mais uma vez que a sensibilidade do proces-
so G(s) pode ser reduzida projetando-se um sistema de malha fechada com
alta magnitude para G(s)H(s) na faixa de frequências de interesse.
 Sensibilidade do Sistema a mudanças no elemento de retroação
A sensibilidade do Sistema a mudanças no elemento de retroação H(s) é:
T H ( s) 0  G( s)G( s) H ( s)
S 
T
 
H T ( s) [1  G( s) H ( s)] G( s) /[1  G( s) H ( s)]
H 2

Após pequena simplificação encontra-se:


G( s) H ( s)
S 
T
(8.12)
1  G( s) H ( s)
H

Para G(s)H(s) com grande magnitude, esta sensibilidade é aproximadamente


G( s) H ( s)
S 
T
H  1
G( s) H ( s)
significando que mudanças em H(s) afetam diretamente a resposta (saída) do
sistema. Portanto, é importante escolher componentes de retroação que não
variam frente a mudanças ambientais, ou que possam ser mantidos constantes.
Procura-se frequentemente determinar a sensibilidade ST , onde α é um
parâmetro da função de transferência G(s).
Aplicando a regra da cadeia (de derivada), tem-se

ST  SGT SG


Em geral a função de transferência do Sistema, T(s), é uma fração da forma:
N ( s,  )
T ( s,  )  (8.13)
D ( s,  )
onde α é um parâmetro que pode sofrer variações provocadas pelo meio
ambiente.
T
S
Portanto, aplicando a definição de sensibilidade para determinar 
considerando a função de transferência na forma geral (8.11), tem-se
 ln T  ln N  ln D
S 
T
  (8.14a)
 ln   ln  o  ln   o
que, corresponde a

S  S  S
T N D
(8.14b)
onde αo é o valor nominal do parâmetro.
Um sistema de malha fechada evita que as possíveis incertezas da planta
G(s) afetem significativamente a saída de desempenho do sistema porque a
sensibilidade a mudanças ou erros é reduzida pelo ganho de malha
1+G(s)H(s)
Esta característica dos sistemas a malha fechada é uma grande vantagem
para os amplificadores eletrônicos aplicados nos Sistemas de
Telecomunicações. Para ilustrar a importância da retroação na redução da
sensibilidade, apresenta-se a seguir uma aplicação simples para ilustrar.

 Amplificador Inversor – Caso particular de realimentação negativa


Da Eletrônica, sabe-se que o símbolo esquemático de uma Amplificador
Operacional, com seus terminais básicos, tem a forma mostrada na Figura 8.3

Vn -
A Vo
+
VP

Fig. 8.3
Um exemplo de circuito eletrônico, obtido aplicando-se realimentação negati-
va ao Amplificador Operacional da Figura 8.3, está esquematizado na Figura
8.4 R f

R1 if
-
Vd A Vo
i1 +
Vin

Fig.8.4

De acordo com o circuito esquematizado acima, a tensão de saida pode ser


expressa por
Vo  AVd
De onde decorre vo
Vd  (8.15)
A
Supondo que a impedância de entrada do Amplificador Operacional, Ri , é
muito alta (dezenas de MΩ), então i1 é aproximadamente igual a if, ou seja:
vin  vd Vd  Vo
i1  i f   (8.16)
R1 Rf
Substituindo (8.15) em (8.16), segue que:

 vo   vo 
vin       Vo
 A   A 
vin vo
 
vo

vo
R1 Rf R1 AR1 AR f R f
Após alguns passos algébricos encontra-se

vo A
 (8.17)
vin 1  R1  A R1
Rf Rf
Como a configuração é inversora, o ganho do Amplif. Operacional pode ser
substituído por A=-Ad , de modo que a Equação (8.15), torna-se equivalente a
vo Ad
 (8.18)
vin R1 R1
1  Ad
Rf Rf
O ganho diferencial do Amplificador Operacional, Ad , é muito grande, sendo
típicamente │Ad │> 104 . Assim sendo, a Equação (8.18) é aproximadamente
vo Ad Ad
  (8.19a)
vin 1  Ad
R1 1  Ad k
Rf
onde k=R1/Rf . Sendo Ad k >>1, então:
vo Ad Rf
  (8.19b)
vin Ad k R1
Esta é a expressão do ganho do Amplificador inversor, considerando modelo
ideal para o Amplificador operacional ( ou seja Ad =∞, Ri=∞, Ro=0 )
A Equação (8.19a) pode ser representada pelo diagrama de blocos da Figura
a seguir

Fig. 8.5
Na prática o ganho diferencial do Amplificador Operacional, Ad , é vulnerável a
variações. Para amplificadores em malha aberta foi demonstrado que a
sensibilidade é igual a 1, conforme Equação (8.10). Então o Amplificador Ope
racional em malha aberta também tem sensibilidade igual a 1.

Aplicando a Equação (8.11) ao amplificador em malha fechada da Figura 8.5,


T ( A) 1
S 
A T 1  Ak
Por exemplo, para A=104 e k=0,1 então a sensibilidade é
1
S 
T
 0,001
1  10
A 3

A sensibilidade devida a mudanças na resistencia de retroação Rf (ou no fator


k) é determinada aplicando-se a expressão (8.12), conforme segue

G( s) H ( s) Ak
S 
T
  1
1  G( s) H ( s) 1  Ak
k

8.3 Sensibilidade e Lugar das raízes


Uma das principais razões para utilização da retroação negativa nos sistemas
de controle é reduzir o efeito das variações de parâmetros sobre o
desempenho do sistema. Tal efeito pode ser quantizado por uma medida de
sensibilidade do sistema a mudanças de um parâmetro específico. Foi
definida a sensibilidade logarítmica originalmente proposta por Bode como

d ln T T / T
S 
T
 (8.20)
d ln K K / K
k
onde T(s) é a função de transferência do Sistema e K o parâmetro de interesse
Com a aplicação crescente da técnica de pólos e zeros (plano s), tornou-se
útil definir uma medida de sensibilidade em termos do posicionamento das
raizes da equação característica.

Como as raízes da Equação característica representam os modos dominantes


da resposta transitória, o efeito das variações de parâmetros sobre a posição
das raízes é uma medida importante da sensibilidade, definida na sequencia.
A sensibilidade de raiz de um sistema, representado por T(s), pode ser definida
como r r
S Kri  i
 i
(8.21)
 ln K K / K
onde ri é a i-esima raiz do sistema, de modo que
m
K1  ( s  z j )
j 1
T ( s)  n
(8.22)
 (s  r )
i 1
i
e K é o parâmetro.
A sensibilidade de raiz relaciona as mudanças na localização das raízes no pla-
no s com as mudanças no parâmetro.

A relação da sensibilidade de raiz com a sensibilidade logarítmica é

 ln K n
 ri 1 
SK 
T 1
   (8.23)
 ln K i 1   ln K (s  ri ) 
Quando os zeros de T(s) são independentes do parâmetro K de modo que
z j
0
 ln K
Esta sensibilidade logarítmica pode ser obtida determinando-se a derivada de
T(s) em relação a K. Em particular para o ganho independente de K, tem-se
 ri
n
1 
S    S K 
T
 (8.24)
( s  ri ) 
K
i 1 
e as duas medidas de sensibilidade são diretamente relacionadas.
O cálculo da sensibilidade de raiz para um sistema de controle pode ser
efetuado utilizando-se o método de lugar das raízes.

A sensibilidade de raiz pode ser calculada na raiz ri examinando-se contornos


da raiz para o parâmetro K. É possível variar K de uma pequena quantidade
ΔK, finita e calcular a nova raiz modificada (ri + Δri ) em K+ ΔK

Então, usando a Equação (8.21), tem-se

ri
S 
ri
(8.25)
K / K
K

Esta é uma aproximação que tende ao valor real da sensibilidade à medida


que ΔK 0