ads:
FÁBIO ROBERTO GARCIA DE LIMA
ANÁLISE COMPARATIVA DE ESTRATÉGIAS
DE CONTROLE MODERNAS APLICADAS NO
CONTROLE DE VELOCIDADE DE UM
SERVOMOTOR
SÃO CAETANO DO SUL
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
FÁBIO ROBERTO GARCIA DE LIMA
ANÁLISE COMPARATIVA DE ESTRATÉGIAS
DE CONTROLE MODERNAS APLICADAS NO
CONTROLE DE VELOCIDADE DE UM
SERVOMOTOR
Dissertação apresentada à Escola de Engenharia
Mauá do Centro Universitário do Instituto Mauá
de Tecnologia para a obtenção do título de
Mestre em Engenharia de Processos Químicos e
Bioquímicos.
Linha de Pesquisa: Análise e Controle de
Processos Químicos
Orientador: Prof. Dr. Wânderson O. Assis
SÃO CAETANO DO SUL
2008
ads:
Lima, Fábio Roberto Garcia de
Análise Comparativa de Estratégias de Controle
Modernas Aplicadas no Controle de Velocidade de um
Servomotor / Fábio Roberto Garcia de Lima – São Caetano do
Sul, SP: CEUN-EEM, 2008.
193 p.
Dissertação (Mestrado) – Escola de Engenharia Mauá
do Centro Universitário do Instituto Mauá de Tecnologia.
1. Controle PID 2. Controle de Velocidade 3.
Servomotores 4. Controle Fuzzy I. Lima, Fábio Roberto Garcia
de II. Instituto Mauá de Tecnologia. Centro Universitário. III.
Título
A minha amada esposa, Cláudia, com quem
compartilho minhas alegrias e tristezas, vitórias
e derrotas.
AGRADECIMENTOS
Agradeço ao meu orientador, Prof. Dr. Wânderson pela amizade, incentivo e ajuda na
conclusão deste trabalho.
Ao Prof. Dr. Cláudio Garcia pelas contribuições ao longo do trabalho e pela
participação na banca de qualificação.
A Prof
a
. Dr. Alessandra Dutra Coelho pela participação na banca de qualificação e
mestrado.
Ao aluno de engenharia Miguel Afonso Negri pelas contribuições na execução dos
ensaios práticos.
Ao Prof. Dr. Ângelo José Junqueira Rezek – UNIFEI pela participação na banca de
mestrado.
v
RESUMO
Este trabalho apresenta uma análise comparativa entre diversas estratégias de controle
aplicadas ao controle de velocidade de um servomotor. Foram realizados o
modelamento dos dispositivos do sistema, a sintonia e projeto de diversos
controladores PID e nebulosos utilizando diversos métodos consagrados na literatura e
em aplicações práticas na indústria. Estes controladores foram avaliados por meio de
critérios no domínio do tempo, erro em regime permanente e critérios de erro
integrado utilizando software de simulação por computador. Os controladores com os
melhores desempenhos foram testados em sistema com aquisição de dados de forma a
confirmar os resultados obtidos e estabelecer então uma análise comparativa entre os
controladores.
Palavras-chave: Sintonia de Controladores PID, Acionamentos Controlados, Chopper
CC, Controle Fuzzy, Máquinas Elétricas.
vi
ABSTRACT
This work presents a comparative analysis between applied control strategies of
control to servomechanism speed control. The modeling of system devices, projects
and tuning of PID and fuzzy controllers had been carried through, using methods
presented in researches and industry practical applications. These controllers have
been evaluated by time domain criterion, steady state error and integrated error
criterion using computer simulation software. The best performance controllers have
been implemented on data acquisition system to confirm the obtained results and to
establish the comparative analysis of controllers.
Key Words: Tuning of PID Controllers, Drive Control, Chopper DC, Fuzzy Control,
Electrical Machine.
vii
ÍNDICE
AGRADECIMENTOS............................................................................................... IV
RESUMO.......................................................................................................................V
ABSTRACT ................................................................................................................ VI
ÍNDICE.......................................................................................................................VII
ÍNDICE DE FIGURAS .............................................................................................. XI
ÍNDICE DE TABELAS ............................................................................................XV
LISTA DE SÍMBOLOS .......................................................................................... XVI
1.
INTRODUÇÃO .....................................................................................................1
2.
MODELAGEM DO SISTEMA............................................................................6
2.1.
M
ODELAGEM DA
M
ÁQUINA DE
C
ORRENTE
C
ONTÍNUA
(MCC)............................................6
2.1.1.
Conceitos Básicos....................................................................................6
2.1.2.
Constante de torque da MCC ..................................................................8
2.1.3.
Constante da força contra-eletromotriz do motor ..................................9
2.1.4.
Representação esquemática da MCC....................................................12
2.1.5.
Quadrantes de operação da MCC.........................................................13
2.1.6.
Modelo matemático da MCC ................................................................14
2.2.
M
ODELAGEM DO MEDIDOR DE VELOCIDADE
......................................................................17
2.3.
M
ODELAGEM DO
A
CIONAMENTO
........................................................................................19
2.3.1.
Conversores CC-CC..............................................................................19
viii
2.3.2.
Conversores CC-CC em ponte completa...............................................23
2.3.3.
Modulação por largura de pulso...........................................................26
2.3.4.
Modelo matemático do acionamento ....................................................28
2.4.
V
ERIFICAÇÃO DOS MODELOS
...............................................................................................28
2.4.1.
Funções de transferência dos dispositivos............................................31
2.4.2.
Resultado das Simulações .....................................................................33
2.5.
V
ALIDAÇÃO DO MODELO
.....................................................................................................35
2.6.
K
IT DE AQUISIÇÃO DE DADOS
..............................................................................................36
2.7.
C
ONTROLE POR REALIMENTAÇÃO
.......................................................................................42
2.8.
F
UNÇÃO DE TRANSFERÊNCIA EM MALHA FECHADA
............................................................44
2.9.
A
NÁLISE DE ESTABILIDADE
.................................................................................................45
3.
CONTROLADORES PID ANALÓGICOS......................................................52
3.1.
O
ALGORITMO DO
C
ONTROLADOR
PID
ANALÓGICO
...........................................................52
3.1.1.
Modo proporcional................................................................................53
3.1.2.
Modo proporcional-integral..................................................................54
3.1.3.
Modo Proporcional-Derivativo.............................................................55
3.1.4.
Modo Proporcional-Integral-Derivativo ..............................................56
3.2.
C
RITÉRIOS PARA AVALIAÇÃO DE DESEMPENHO
..................................................................57
3.2.1.
Critérios de erro integrado ...................................................................57
3.2.2.
Erro em regime permanente..................................................................58
3.2.3.
Critérios no domínio do tempo..............................................................62
3.3.
M
ÉTODOS DE SINTONIA E PROJETO DE CONTROLADORES
PID
ANALÓGICOS
......................63
3.3.1.
Método das oscilações contínuas de Ziegler-Nichols (OCZN).............64
3.3.2.
Método da síntese direta .......................................................................67
3.3.3.
Projeto por cancelamento de pólos.......................................................70
3.4.
C
OMPARAÇÃO DOS CONTROLADORES OBTIDOS
..................................................................74
3.4.1.
Resultados da primeira bateria de simulações .....................................75
3.4.2.
Resultados da segunda bateria de simulações ......................................81
3.5.
C
ONCLUSÕES
.......................................................................................................................83
4.
CONTROLADORES PID DIGITAIS...............................................................87
ix
4.1.
A
PROXIMAÇÃO DO TIPO DIFERENÇA OU INTEGRAÇÃO RETANGULAR PARA TRÁS
..............88
4.2.
A
PROXIMAÇÃO BILINEAR OU MÉTODO DE
T
USTIN OU
I
NTEGRAÇÃO TRAPEZOIDAL
...........90
4.3.
O
TEMPO DE AMOSTRAGEM
.................................................................................................91
4.4.
F
UNÇÃO DE TRANSFERÊNCIA DISCRETA EM MALHA ABERTA
.............................................92
4.5.
F
UNÇÃO DE TRANSFERÊNCIA DISCRETA EM MALHA FECHADA
...........................................97
4.6.
F
UNÇÃO DE TRANSFERÊNCIA DISCRETA DA CARGA
............................................................97
4.7.
A
NÁLISE DE ESTABILIDADE
.................................................................................................98
4.8.
M
ÉTODOS DE SINTONIA E PROJETO DE CONTROLADORES
PID
DIGITAIS
...........................103
4.8.1.
Método das oscilações continuas de Ziegler-Nichols .........................104
4.8.2.
Projeto por emulação ..........................................................................105
4.9.
C
OMPARAÇÃO DOS CONTROLADORES
D
IGITAIS
...............................................................112
4.9.1.
Resultados da primeira bateria de simulações ...................................112
4.9.2.
Resultados da segunda bateria de simulações ....................................116
4.10.
C
ONCLUSÕES
.....................................................................................................................119
5.
CONTROLADORES NEBULOSOS (FUZZY) ..............................................120
5.1.
F
UNDAMENTOS DA
L
ÓGICA
N
EBULOSA
............................................................................122
5.1.1.
Conjuntos Nebulosos e funções de pertinência...................................122
5.1.2.
Operações Básicas entre conjuntos nebulosos ...................................124
5.1.3.
Variáveis lingüísticas ..........................................................................128
5.2.
E
STRUTURA E FUNCIONAMENTO DO CONTROLADOR NEBULOSO
......................................129
5.3.
C
ONTROLADORES
N
EBULOSOS PROJETADOS
....................................................................135
5.3.1.
Controlador CN01...............................................................................136
5.3.2.
Controlador CN02...............................................................................137
5.3.3.
Controlador CN03...............................................................................138
5.3.4.
Controlador CN04...............................................................................140
5.3.5.
Controlador CN01d.............................................................................141
5.3.6.
Controlador CN02d.............................................................................142
5.3.7.
Controlador CN03d.............................................................................144
5.3.8.
Controlador CN04d.............................................................................146
5.4.
C
OMPARAÇÃO DOS CONTROLADORES
N
EBULOSOS
..........................................................148
5.4.1.
Resultados da primeira bateria de simulações ...................................148
5.4.2.
Resultados da segunda bateria de simulações ....................................153
x
5.5.
C
ONCLUSÕES
.....................................................................................................................156
6.
CONTROLE UTILIZANDO O SISTEMA DE AQUISIÇÃO DE DADOS157
6.1.
A
VALIAÇÃO DOS
C
ONTROLADORES NA
P
RÁTICA
.............................................................157
7.
CONCLUSÕES FINAIS...................................................................................167
8.
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................169
ANEXO.......................................................................................................................171
xi
ÍNDICE DE FIGURAS
F
IGURA
2.1
-
C
ONDUTOR ELÉTRICO MOVENDO
-
SE NUM CAMPO MAGNÉTICO
.........................................6
F
IGURA
2.2
–
R
EPRESENTAÇÃO DE UMA
MCC
COM UMA ESPIRA
............................................................8
F
IGURA
2.3
–
R
EPRESENTAÇÃO DA GEOMETRIA DE UMA
MCC.............................................................10
F
IGURA
2.4
-
R
EPRESENTAÇÃO ESQUEMÁTICA DE UMA
MCC...............................................................12
F
IGURA
2.5
–
Q
UADRANTES DE OPERAÇÃO DE UMA
MCC ....................................................................13
F
IGURA
2.6
–
D
IAGRAMA DE BLOCOS DE UMA
MCC .............................................................................17
F
IGURA
2.7
–
R
EPRESENTAÇÃO DE UMA
MCC
E UM MEDIDOR
..............................................................18
F
IGURA
2.8
–
C
IRCUITO DE UM CHOPPER BÁSICO ACIONANDO UMA
MCC............................................20
F
IGURA
2.9
–
E
SQUEMA BÁSICO DO CHOPPER TIPO PONTE
H ................................................................23
F
IGURA
2.10
–
C
IRCUITO BÁSICO DE UM GERADOR
PWM.....................................................................26
F
IGURA
2.11
–
F
ORMAS DE ONDA DO MODULADOR
PWM.....................................................................27
F
IGURA
2.12
–
R
EPRESENTAÇÃO DO CICLO DE TRABALHO DO
PWM
PARA
V
M
=1.................................27
F
IGURA
2.13
–
D
IAGRAMA DE
B
LOCOS EM MALHA ABERTA
..................................................................30
F
IGURA
2.14
–
C
OMPORTAMENTO DINÂMICO DA VELOCIDADE
.............................................................34
F
IGURA
2.15
–
C
OMPORTAMENTO DINÂMICO DA SAÍDA DO MEDIDOR
..................................................35
F
IGURA
2.16
–
C
OMPORTAMENTO DINÂMICO DA SAÍDA DO MEDIDOR
–
O
SCILOSCÓPIO
.......................36
F
IGURA
2.17
-
K
IT
ELVIS
®
....................................................................................................................37
F
IGURA
2.18
–
C
IRCUITO DE ACIONAMENTO DO SERVOMOTOR E CONDICIONAMENTO DO SINAL DO
TACOGERADOR
..............................................................................................................................38
F
IGURA
2.19
–
C
OMPORTAMENTO DINÂMICO DA SAÍDA DO MEDIDOR
–
A
QUISIÇÃO
............................39
F
IGURA
2.20
-
D
ETALHE DO PROGRAMA DE GERAÇÃO DO SINAL
PWM................................................39
F
IGURA
2.21
-
C
OMPORTAMENTO DINÂMICO DA SAÍDA DO MEDIDOR
–
AQUISIÇÃO COMPLETA
...........40
F
IGURA
2.22
-
D
IAGRAMA DE
B
LOCOS EM MALHA ABERTA COM SISTEMA DE AQUISIÇÃO
...................41
F
IGURA
2.23
-
C
OMPARATIVO DE RESPOSTA SIMULAÇÃO X SISTEMA PRÁTICO COM AQUISIÇÃO
..........42
F
IGURA
2.24
-
D
IAGRAMA DE BLOCOS EM MALHA FECHADA
................................................................43
F
IGURA
2.25
-
L
UGAR DAS
R
AÍZES DO SISTEMA EM TEMPO CONTÍNUO
.................................................49
F
IGURA
2.26
-
A
MPLIAÇÃO DO LUGAR DAS RAÍZES
...............................................................................50
F
IGURA
2.27
-
S
IMULAÇÃO PARA CONFIRMAR O GANHO E PERÍODO CRÍTICOS
......................................50
F
IGURA
3.1
-
P
ARÂMETROS DE DESEMPENHO PARA RESPOSTA AO DEGRAU
..........................................63
F
IGURA
3.2
–
R
ESPOSTA A DEGRAU UNITÁRIO
–
C
ONTROLADORES SINTONIZADOS PELO MÉTODO DE
Z
IEGLER
-N
ICHOLS
........................................................................................................................75
xii
F
IGURA
3.3
-
R
ESPOSTA A DEGRAU UNITÁRIO
–
C
ONTROLADORES SINTONIZADOS POR SÍNTESE DIRETA
E CANCELAMENTO DE PÓLOS
........................................................................................................76
F
IGURA
3.4
-
S
OBRE
-
SINAL MÁXIMO DOS CONTROLADORES ANALÓGICOS
...........................................78
F
IGURA
3.5-
T
EMPOS DE ACOMODAÇÃO DOS CONTROLADORES ANALÓGICOS
......................................78
F
IGURA
3.6
-
E
RRO EM REGIME PERMANENTE
........................................................................................79
F
IGURA
3.7
-
Í
NDICES
ITAE
OBTIDOS DURANTE A
1
A BATERIA DE SIMULAÇÕES
..................................79
F
IGURA
3.8
-
Í
NDICES
ITSE
OBTIDOS DURANTE A
1
A BATERIA DE SIMULAÇÕES
...................................80
F
IGURA
3.9
–
R
ESPOSTA A DEGRAU UNITÁRIO E VARIAÇÃO DE
0,2
NA CARGA
–
C
ONTROLADORES
SINTONIZADOS PELO MÉTODO DE
Z
IEGLER
-N
ICHOLS
...................................................................81
F
IGURA
3.10
–
R
ESPOSTA A DEGRAU UNITÁRIO E VARIAÇÃO DE
0,2
NA CARGA
–
C
ONTROLADORES
SINTONIZADOS POR SÍNTESE DIRETA E CANCELAMENTO DE PÓLOS
..............................................82
F
IGURA
3.11
-
Í
NDICES
ITAE
OBTIDOS COM VARIAÇÃO DE CARGA
.......................................................83
F
IGURA
3.12
-
Í
NDICES
ITSE
OBTIDOS COM VARIAÇÃO DE CARGA
.......................................................83
F
IGURA
3.13
–
S
INAIS DE CONTROLE PRODUZIDOS PELOS CONTROLADORES SINTONIZADOS POR
Z
IEGLER
-N
ICHOLS
........................................................................................................................84
F
IGURA
3.14
–
S
INAIS DE CONTROLE PRODUZIDOS PELOS CONTROLADORES SINTONIZADOS POR
SÍNTESE DIRETA E CANCELAMENTO DE PÓLOS
..............................................................................85
F
IGURA
4.1
-
D
IAGRAMA DE
B
LOCOS
D
ISCRETO EM
M
ALHA
A
BERTA
..................................................92
F
IGURA
4.2
-
R
ESPOSTA AO DEGRAU UNITÁRIO EM MALHA ABERTA
.....................................................96
F
IGURA
4.3
-
M
ALHA DE CONTROLE DIGITAL POR REALIMENTAÇÃO
....................................................97
F
IGURA
4.4
-
D
IAGRAMA DO LUGAR DAS RAÍZES PARA O SISTEMA DISCRETO
.....................................102
F
IGURA
4.5
-
G
RÁFICO DO LUGAR DAS RAÍZES
....................................................................................109
F
IGURA
4.6
-
R
ESPOSTA AO DEGRAU DOS CONTROLADORES DIGITAIS EMULADOS
.............................111
F
IGURA
4.7
-
R
ESPOSTA AO DEGRAU DOS CONTROLADORES DIGITAIS PROJETADOS POR
Z
IEGLER
-
N
ICHOLS
......................................................................................................................................113
F
IGURA
4.8
–
S
OBRE
-
SINAIS MÁXIMOS DOS CONTROLADORES DIGITAIS
.............................................113
F
IGURA
4.9
–
T
EMPOS DE ACOMODAÇÃO DOS CONTROLADORES DIGITAIS
.........................................114
F
IGURA
4.10
-
E
RRO DOS CONTROLADORES DIGITAIS
..........................................................................115
F
IGURA
4.11
–
Í
NDICES
ITAE
DOS CONTROLADORES DIGITAIS
–
1
A
BATERIA
.....................................115
F
IGURA
4.12
–
Í
NDICES
ITSE
DOS CONTROLADORES DIGITAIS
–
1
A BATERIA
.....................................116
F
IGURA
4.13
-
R
ESPOSTA AO DEGRAU E VARIAÇÃO DE CARGA
–
C
ONTROLADORES DIGITAIS
PROJETADOS POR
Z
IEGLER
-N
ICHOLS
..........................................................................................117
F
IGURA
4.14
-
R
ESPOSTA AO DEGRAU E VARIAÇÃO DE CARGA
-
C
ONTROLADORES DIGITAIS EMULADOS
....................................................................................................................................................117
F
IGURA
4.15
–
Í
NDICES
ITAE
DOS CONTROLADORES DIGITAIS
–
2
A BATERIA
....................................118
F
IGURA
4.16
–
Í
NDICES
ITSE
DOS CONTROLADORES DIGITAIS
–
2
A BATERIA
.....................................118
xiii
F
IGURA
5.1
–
G
RÁFICO DA FUNÇÃO CARACTERÍSTICA DO CONJUNTO CLÁSSICO
A.............................122
F
IGURA
5.2
-
D
IAGRAMA DE
Z
ADEH PARA O CONJUNTO NEBULOSO
A................................................123
F
IGURA
5.3
-
F
UNÇÕES DE
P
ERTINÊNCIA USUAIS
.................................................................................124
F
IGURA
5.4
–
D
IAGRAMA DE
Z
ADEH PARA A UNIÃO DOS CONJUNTOS
NM
E
Z ...................................125
F
IGURA
5.5
–
D
IAGRAMA DE
Z
ADEH PARA INTERSECÇÃO DOS CONJUNTOS
A
E
B..............................126
F
IGURA
5.6
–
D
IAGRAMA DE
Z
ADEH PARA O CONJUNTO NEBULOSO
“
COMPLEMENTO DE
A”.............127
F
IGURA
5.7
-
D
IAGRAMA DE
Z
ADEH PARA A VARIÁVEL LINGÜÍSTICA
“
ERRO
”....................................128
F
IGURA
5.8
-
E
STRUTURA DO CONTROLADOR NEBULOSO
....................................................................129
F
IGURA
5.9
-
F
UZZIFICAÇÃO
................................................................................................................132
F
IGURA
5.10
-
I
NFERÊNCIA
N
EBULOSA
................................................................................................133
F
IGURA
5.11
-
C
OMPOSIÇÃO
.................................................................................................................134
F
IGURA
5.12
-
C
ONTROLADOR
CN01...................................................................................................136
F
IGURA
5.13
–
F
UNÇÕES DE
P
ERTINÊNCIA DO
C
ONTROLADOR
CN01.................................................137
F
IGURA
5.14
-
C
ONTROLADOR
CN02...................................................................................................137
F
IGURA
5.15
–
F
UNÇÕES DE PERTINÊNCIA DO
C
ONTROLADOR
CN02 .................................................138
F
IGURA
5.16
-
C
ONTROLADOR
CN03...................................................................................................139
F
IGURA
5.17
-
F
UNÇÕES DE PERTINÊNCIA DO
C
ONTROLADOR
CN03..................................................139
F
IGURA
5.18
-
F
UNÇÕES DE PERTINÊNCIA DO
C
ONTROLADOR
CN04..................................................140
F
IGURA
5.19
-
C
ONTROLADOR
CN01
D
.................................................................................................141
F
IGURA
5.20
-
F
UNÇÕES DE PERTINÊNCIA DO
C
ONTROLADOR
CN01
D
................................................142
F
IGURA
5.21
-
C
ONTROLADOR
CN02
D
.................................................................................................143
F
IGURA
5.22
-
F
UNÇÕES DE PERTINÊNCIA DO CONTROLADOR
CN02
D
................................................143
F
IGURA
5.23
-
C
ONTROLADOR
CN03
D
.................................................................................................144
F
IGURA
5.24
-
F
UNÇÕES DE PERTINÊNCIA DO CONTROLADOR
CN03
D
................................................145
F
IGURA
5.25
-
C
ONTROLADOR
CN04
D
.................................................................................................146
F
IGURA
5.26
-
F
UNÇÕES DE PERTINÊNCIA DO CONTROLADOR
CN04PD
D
...........................................146
F
IGURA
5.27
-
F
UNÇÕES DE PERTINÊNCIA DO CONTROLADOR
CN04I
D
...............................................147
F
IGURA
5.28
–
R
ESPOSTA A DEGRAU UNITÁRIO
–
C
ONTROLADORES NEBULOSOS ANALÓGICOS
........149
F
IGURA
5.29
–
R
ESPOSTA A DEGRAU UNITÁRIO
–
C
ONTROLADORES NEBULOSOS DIGITAIS
...............149
F
IGURA
5.30
-
S
OBRE
-
SINAL MÁXIMO DOS CONTROLADORES NEBULOSOS
.........................................150
F
IGURA
5.31
-
T
EMPOS DE ACOMODAÇÃO DOS CONTROLADORES NEBULOSOS
...................................151
F
IGURA
5.32
-
E
RRO EM REGIME PERMANENTE DOS CONTROLADORES NEBULOSOS
...........................151
F
IGURA
5.33
-
Í
NDICES
ITAE
PARA OS CONTROLADORES NEBULOSOS
–
1
A BATERIA
.........................152
F
IGURA
5.34
-
Í
NDICES
ITSE
PARA OS CONTROLADORES NEBULOSOS
–
1
A BATERIA
.........................152
F
IGURA
5.35
–
R
ESPOSTA A DEGRAU UNITÁRIO E VARIAÇÃO DE
0,2
NA CARGA
–
C
ONTROLADORES
NEBULOSOS ANALÓGICOS
...........................................................................................................153
xiv
F
IGURA
5.36
–
R
ESPOSTA A DEGRAU UNITÁRIO E VARIAÇÃO DE
0,2
NA CARGA
–
C
ONTROLADORES
NEBULOSOS DIGITAIS
..................................................................................................................154
F
IGURA
5.37
-
Í
NDICES
ITAE
OBTIDOS COM VARIAÇÃO DE CARGA
–
C
ONTROLADORES NEBULOSOS
155
F
IGURA
5.38
-
Í
NDICES
ITSE
OBTIDOS COM VARIAÇÃO DE CARGA
–
C
ONTROLADORES NEBULOSOS
.155
F
IGURA
6.1
–
S
IMULAÇÃO DA RESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES SINTONIZADOS PELO
MÉTODO DE
Z
IEGLER
-N
ICHOLS
–
S
IMULAÇÃO COM SATURAÇÃO DO SINAL DE CONTROLE
.......158
F
IGURA
6.2
–
S
IMULAÇÃO DA RESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES SINTONIZADOS POR
S
ÍNTESE
D
IRETA E
C
ANCELAMENTO DE
P
ÓLOS
–
S
IMULAÇÃO COM SATURAÇÃO DO SINAL DE
CONTROLE
...................................................................................................................................158
F
IGURA
6.3
–
D
IAGRAMA DE BLOCOS DE SISTEMA HIPOTÉTICO COM CONTROLE
PID,
SATURAÇÃO DO
SINAL DE CONTROLE E CONTROLE ANTI
-
WINDUP
.......................................................................159
F
IGURA
6.4
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES SINTONIZADOS PELO MÉTODO DE
Z
IEGLER
-N
ICHOLS
–
E
NSAIO COM SISTEMA DE AQUISIÇÃO DE DADOS
......................................161
F
IGURA
6.5
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES SINTONIZADOS POR
S
ÍNTESE
D
IRETA
E POR
C
ANCELAMENTO DE
P
ÓLOS
–
E
NSAIO COM SISTEMA DE AQUISIÇÃO DE DADOS
..............161
F
IGURA
6.6
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADOR
GC8
–
E
FEITO DA UTILIZAÇÃO DO
TEMPO DE AMOSTRAGEM APROPRIADO
......................................................................................162
F
IGURA
6.7
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES DIGITAIS PROJETADOS POR
Z
IEGLER
N
ICHOLS
–
E
NSAIO COM SISTEMA DE AQUISIÇÃO DE DADOS
.....................................................163
F
IGURA
6.8
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES DIGITAIS EMULADOS
–
E
NSAIO COM
SISTEMA DE AQUISIÇÃO DE DADOS
.............................................................................................163
F
IGURA
6.9
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES FUZZY ANALÓGICOS
–
E
NSAIO COM
SISTEMA DE AQUISIÇÃO DE DADOS
.............................................................................................164
F
IGURA
6.10
–
R
ESPOSTA A DEGRAU DE
7,6
V
–
C
ONTROLADORES FUZZY DIGITAIS
–
E
NSAIO COM
SISTEMA DE AQUISIÇÃO DE DADOS
.............................................................................................164
F
IGURA
6.11
-
M
OTORES UTILIZADOS NA COLETA DE DADOS
..............................................................165
F
IGURA
6.12
-
R
ESPOSTA PARA VARIAÇÕES NA CARGA
.......................................................................165
F
IGURA
6.13
-
C
ONTROLE DE
P
OSIÇÃO
................................................................................................166
xv
ÍNDICE DE TABELAS
T
ABELA
2.1
-
Q
UADRANTES DE OPERAÇÃO DE UMA
MCC
–
T
ABELA
R
ESUMO
....................................14
T
ABELA
2.2
-
D
ADOS DE CATÁLOGO DO MOTOR
....................................................................................30
T
ABELA
2.3
–
D
ADOS DE CATÁLOGO DO TACOGERADOR
......................................................................31
T
ABELA
2.4
-
A
RRANJO TABULAR DE
R
OUTH
........................................................................................47
T
ABELA
3.1
–
V
ALORES DOS PARÂMETROS DO CONTROLADOR POR
Z
IEGLER
-N
ICHOLS
......................65
T
ABELA
3.2
–
V
ALORES OBTIDOS PARA OS PARÂMETROS DE SINTONIA
................................................66
T
ABELA
4.1
-
A
RRANJO TABULAR DE
R
OUTH
......................................................................................101
T
ABELA
4.2
–
V
ALORES DOS PARÂMETROS DE SINTONIA PARA OS CONTROLADORES DIGITAIS
.........104
T
ABELA
4.3
–
V
ALORES DOS PARÂMETROS DE SINTONIA
....................................................................110
xvi
LISTA DE SÍMBOLOS
e
m
- Força contra-eletromotriz (Volts)
V – Velocidade (m/s)
L – Comprimento (m)
B - Densidade de fluxo magnético – (Wb/m)
r – Resistência elétrica (ohm)
I - Corrente elétrica – (A)
F – Força (N)
T – Torque Mecânico – (Nm)
R – Raio das espiras de uma bobina (m)
K
t
– Constante de torque de uma maquina de corrente continua (Nm/A)
φ - Fluxo Magnético (Wb)
K
e
– Constante da força contra-eletromotriz de uma maquina de corrente continua (V/rad/s)
A – Área (m
2
)
ω
m
- Velocidade angular do rotor (rad/s)
R
a
– Resistência da armadura (ohm)
xvii
L
a
– Indutância de armadura (Henries)
i
a
– Corrente do circuito de armadura (A)
v
t
– Tensão terminal do circuito de armadura (volts)
T
m
– Torque magnético do motor (Nm)
T
c
– Torque resistente da carga (Nm)
J – Inércia do rotor
b - Coeficiente de atrito viscoso devido aos rolamentos do motor
J
t
– Inércia do rotor do tacogerador
G
M
– Função de Transferência do Motor que relaciona a rotação da máquina às
variações da tensão de armadura
G
L
(s) – Função de Transferência da carga que relaciona a rotação da máquina às
variações no torque da carga
i
at
– Corrente do circuito de armadura do tacogerador (A)
v
tt
– Tensão terminal do circuito de armadura do tacogerador (volts)
R
at
– Resistência da armadura do tacogerador (ohm)
L
at
– Indutância de armadura do tacogerador (Henries)
v
m
– Tensão medida na saída do circuito divisor de tensão (volts)
K
et
– Constante da força contra-eletromotriz do tacogerador (V/rad/s)
xviii
G
MM
(s) – Função de Transferência do tacogerador que relaciona a tensão na saída do
circuito divisor de tensão com a velocidade angular
T – Período de chaveamento do conversor CC-CC
F – Freqüência de chaveamento do conversor CC-CC
σ – Ciclo de trabalho do conversor CC-CC
v
f
– Tensão da fonte de alimentação (volts)
G
AC
– Função de transferência do sistema de acionamento
K
AC
– Ganho do sistema de acionamento
K
MM
– Ganho do medidor
G
ma
– Função de transferência em malha aberta
ϖ
n
- Freqüência natural não amortecida – (rad/s)
ϕ - Coeficiente de amortecimento
G
AQ
– Função de transferência do sistema de aquisição de dados
K
AQ
– Ganho do sistema de aquisição de dados
ω
R
– Velocidade angular de referência
K
CU
– Ganho crítico do sistema
K
C
– Ganho proporcional
m – Sinal de controle
xix
e – erro
T
i
– Tempo Integral
T
d
– Tempo derivativo
1. INTRODUÇÃO
Servomotores são motores de alta precisão, geralmente de pequenas dimensões, que
podem ser utilizados em várias aplicações de engenharia. Alguns deles são dotados de
um sistema de realimentação para medição e controle de sua velocidade de rotação ou
posição.
Podemos encontrar servomotores nos dispositivos de reprodução e gravação de CD’s e
DVD’s, câmeras móveis de segurança, fornos de microondas, sistemas de
posicionamento de antenas e radares, robôs industriais, máquinas de precisão, lentes
motorizadas, máquinas copiadoras, impressoras, scanners, válvulas motorizadas de
controle, e em muitos outros dispositivos de nosso dia-a-dia.
O sistema de controle de velocidade proposto será composto de um motor de corrente
contínua, do tipo ímã permanente, um medidor de velocidade, constituído de um
tacogerador acoplado ao eixo do motor e um circuito divisor de tensão e, finalmente,
um circuito de acionamento utilizando modulação por largura de pulso e um conversor
CC-CC, que permitirá o controle do motor nos quatro quadrantes de operação.
O controle da velocidade do motor será desenvolvido por meio de algoritmos PID e
nebulosos, ou fuzzy, os quais serão avaliados por simulações e usando sistema
experimental com aquisição de dados, para estabelecermos um comparativo do
desempenho de cada um dos métodos, considerando, especialmente para o PID,
diversas técnicas de sintonia e projeto.
O controlador proporcional-integral-derivativo (PID) foi patenteado em 1939 (US
Patent 2175985) por Albert Callender e Allan Stevenson da “Imperial Chemical
Limited of Northwich”, Inglaterra; e foi um grande avanço em relação aos métodos de
2
controle anteriores, automáticos ou manuais. Desde então, o uso deste tipo de
controlador foi largamente difundido na indústria (especialmente na indústria química)
devido à simplicidade, baixo custo e pequeno número de parâmetros a serem
configurados.
Em 1942, Ziegler e Nichols publicaram um artigo com o título “Optimum Settings for
Automatic Controllers”, no qual desenvolveram um conjunto de regras matemáticas
para a sintonia dos parâmetros associados aos blocos derivativos, integrais e
proporcionais de um controlador PID.
As regras de Ziegler-Nichols são consideradas clássicas, sendo amplamente utilizadas
na sintonia de controladores PID, seja em seu formato original, seja em formatos
modificados.
Outras técnicas de sintonia, tais como os métodos de Cohen-Coon, Åstrom e
Hägglund, as técnicas de otimização de critérios integrais, pólo dominante,
cancelamento de pólos, alocação de pólos, “Internal Model Control” e margens de fase
e de amplitude, foram desenvolvidas desde então, porém as mais populares e utilizadas
ainda são as Ziegler-Nichols.
Nos últimos anos diversos novos métodos modernos de controle estão se
popularizando, tais como o controle nebuloso ou Fuzzy, as redes neurais e os
controladores Neuro-Fuzzy, porém, ainda assim, em mais de 90% das malhas de
controle industriais são utilizados controladores PID (ÅSTRÖM et al, 1995). Sabemos,
porém, que a maioria destas malhas opera mal sintonizada, gerando gastos adicionais
que poderiam ser minimizados, justificando-se então a importância do assunto sintonia
(ÅSTRÖM et al, 1995).
3
A eficiência das regras utilizadas para sintonia de controladores é de considerável
importância prática, pois pequenos ganhos na operação de uma planta ou sistema,
proporcionados por uma melhor sintonia dos seus controladores, podem ser traduzidos
em grandes economias de matéria-prima com benefícios diretos ao meio-ambiente, tais
como a minimização dos dejetos industriais e dos recursos materiais necessários à
produção. Outros benefícios diretos são a diminuição do esforço de controle, o que se
traduz numa maior vida útil de dispositivos, válvulas e atuadores, menores tempos de
parada das operações em função de falhas, bem como uma economia com custos de
peças de reposição e mão-de-obra de manutenção (GARCIA, 2001).
Sabemos, porém, que o controlador PID é pouco eficiente ao lidar com sistemas de
ordem superior ou com alto tempo morto e neste caso existem benefícios na utilização
de controladores mais sofisticados (ÅSTRÖM et al, 1995).
A teoria dos conjuntos nebulosos ou fuzzy foi apresentada em 1965 por Zadeh em seu
trabalho “Fuzzy Sets” (ZADEH, 1965). Ela propõe uma extensão dos conceitos da
teoria dos conjuntos clássica. Nesta um elemento pertence ou não a determinado
conjunto, enquanto que na teoria dos conjuntos nebulosos um elemento pertence ou
não a um conjunto com determinado grau de pertinência (ou verdade). De fato a teoria
dos conjuntos clássica pode ser entendida como um caso particular da teoria dos
conjuntos nebulosos.
A lógica nebulosa desenvolvida a partir da teoria dos conjuntos nebulosos foi utilizada
com sucesso em 1974 por E. H. Mandami e S. Assilian para controle de uma máquina
a vapor (TSOUKALAS et al, 1997), após inúmeras tentativas fracassadas com
diversas outras técnicas, inclusive o controle PID. Em 1980 a técnica de controle
nebuloso foi pela primeira vez aplicada numa planta industrial de produção de cimento
4
e a partir de então diversas outras aplicações para o controle nebuloso foram
desenvolvidas, sendo que atualmente temos sistemas de freio anti-bloqueio (ABS),
máquinas de lavar pratos, câmeras de vídeo com ajuste automático de foco, sistemas
para processamento de imagens e recentemente aplicações em sistemas eletrônicos de
potência (ASSIS, 1997) entre outras.
Uma vez que a lógica nebulosa dispõe de mecanismos para lidar com as imprecisões
das informações ela tornou-se uma alternativa ao controle PID para sistemas mais
complexos ou ainda para controle de sistemas com não-linearidades (SHAW et al,
1999).
A maioria dos controladores industriais já possui blocos de funções Fuzzy disponíveis
para uso. Vários pacotes de software, também, já incorporam esta técnica, de forma
que podemos então implementá-la sem grandes custos adicionais com software e
hardware.
Este trabalho está organizado como descrito abaixo:
No capítulo 2 apresentaremos a descrição do servomotor e suas aplicações. Faremos
ainda a modelagem dos dispositivos do sistema, apresentando então suas funções de
transferência.
No capítulo 3 iremos estabelecer uma malha de controle por realimentação e projetar
diversos controladores PID, utilizando os métodos de sintonia mais difundidos na
literatura.
5
No capítulo 4 implementaremos o controle digital do servomotor e por meio de
simulações e uso de índices de desempenho, faremos uma análise comparativa com os
controladores analógicos obtidos.
O capítulo 5 apresentará os fundamentos e o projeto de controladores nebulosos. Estes
controladores serão avaliados por simulações verificando os índices de desempenho e
comparados aos controladores PID desenvolvidos anteriormente.
O capítulo 6 apresentará a realização prática do controle de velocidade do servomotor
usando computador e sistema de aquisição de dados. Os algoritmos de controle
desenvolvidos anteriormente serão implementados utilizando o pacote de
desenvolvimento gráfico LabVIEW
®
e o kit educacional ELVIS
®
(Educational
Laboratory Virtual Instrumentation Suite) da National Instruments que receberá os
dados provenientes do dispositivo de medição, bem como enviará os sinais de controle
para um circuito de acionamento. O circuito de acionamento será projetado, baseado
no circuito integrado L298 da ST Microeletronics, que possui dois conversores CC-CC
tipo ponte H completos, para controle do servomotor nos quatro quadrantes de
operação. Os resultados obtidos em LabVIEW
®
serão comparados aos obtidos
anteriormente por simulações.
O capítulo 7 apresentará um resumo dos resultados obtidos e as conclusões sobre o
desempenho de cada metodologia. Trabalhos de continuidade serão propostos.
6
2. MODELAGEM DO SISTEMA
O objetivo desta etapa será o desenvolvimento dos modelos matemáticos lineares dos
dispositivos do sistema de acionamento visando realização de simulações para
posterior projeto de controladores para o controle de velocidade do motor.
2.1. Modelagem da Máquina de Corrente Contínua (MCC)
2.1.1. Conceitos Básicos
Sabemos que um condutor elétrico movendo-se na área de influência de um campo
magnético constante apresentará uma diferença de potencial chamada de força contra-
eletromotriz “e
m
”, em suas extremidades.
A força contra-eletromotriz gerada é proporcional à velocidade “V” na qual o condutor
se movimenta, ao seu comprimento “L” e a densidade de fluxo “B” do campo
magnético, ou seja:
e
m
=B.L.V
L
I
F
Β
α
Figura 2.1 - Condutor elétrico movendo-se num campo magnético
Se este condutor for parte de um circuito elétrico com resistência “r”, então a força
contra-eletromotriz produzirá uma corrente elétrica “I” que pode ser calculada por:
7
r
VLB
r
m
e
I
⋅⋅
==
Essa corrente por sua vez irá gerar uma força “F”, perpendicular aos vetores da
corrente e da densidade de fluxo, mostrada na Figura 2.1 acima, cuja expressão é:
F=B.L.I.Seno α, onde
α
é o ângulo entre os vetores “B” e “I”.
O sentido da força “F” é definido pela regra da mão direita que afirma que dispondo o
polegar da mão direita ao longo do condutor e no sentido da corrente e os demais
dedos envolvendo o condutor estes indicarão o sentido das linhas do vetor indução
magnética e o dedo médio indicará o sentido do vetor força.
A Figura 2.2 ilustra uma espira, onde circula uma corrente “I”, num campo magnético
constante, com densidade de fluxo “B”, montada num eixo rotacional O-O’.
Verificamos que o circuito elétrico é fechado através das escovas. A corrente ao
circular pela espira, no segmento CD irá gerar uma força “F” perpendicular aos vetores
da corrente e da densidade de fluxo, com sentido definido pela regra da mão direita e
no segmento AB perpendicular aos vetores da corrente e da densidade de fluxo, com
sentido definido pela regra da mão direita, oposta à força gerada no segmento CD.
Podemos verificar que as correntes que circulam pelos segmentos paralelos ao campo
magnético, não geram força alguma, uma vez que o seno de 180
o
é igual a zero.
F
FC A
BD
I
O
O'
Β
Β
Β
I
ESCOVAS
8
Figura 2.2 – Representação de uma MCC com uma espira
Na Figura 2.2 podemos verificar ainda que as forças “F” em oposição irão gerar um
torque “T” que movimentará a espira no sentido horário. Quando a espira atingir um
ângulo de 90
o
em relação às escovas, o contato elétrico cessará e a corrente deixará de
circular. Neste instante não haverá nenhuma força atuando devido ao campo
magnético, porém, por inércia a espira continuará a girar até atingir a posição 180
o
,
quando então o fluxo de corrente se restabelecerá, gerando novamente as forças que
farão com que a espira continue a girar.
Este é o principio básico de funcionamento dos motores de corrente contínua.
2.1.2. Constante de torque da MCC
O torque gerado no segmento AB da espira da Figura 2.2, pode ser calculado por:
T
AB
=F
AB
.R=R.B.L
AB
.I.Seno α, onde “R” é o raio da espira. Se tivermos mais de um
condutor nesta espira a expressão pode ser generalizada como segue abaixo:
T
AB
=N.R.B.L
AB
.I.Seno α
Assumiremos o ângulo
α
=90
o
, visto que o vetor da corrente elétrica será perpendicular
ao vetor do campo magnético, logo o seno deste ângulo será igual à unidade e a
expressão acima se reduzirá a:
T
AB
=N.R.B.L
AB
.I
O torque gerado no segmento CD da espira da Figura 2.2, será calculado de forma
análoga.
T
CD
=N.R.B.L
CD
.I
O torque total do motor é igual ao torque gerado por cada um dos segmentos, então:
9
T= T
AB
+T
CD
=(N.R.B.L
AB
.I)+ (N.R.B.L
CD
.I)
Como a espira possui lados iguais, então L
AB
=L
CD
=L, logo podemos reescrever a
expressão acima como segue:
I
t
K
LRBN2T ⋅⋅⋅⋅⋅=
44 344 21
(2.1)
Podemos verificar pela equação acima que o torque gerado num motor com uma única
espira é função da quantidade de condutores nessa espira, do comprimento dos
segmentos, da densidade de fluxo magnético, do raio das espiras e da corrente que
circula pela espira.
Com exceção da corrente, todos os demais parâmetros são relacionados à geometria do
motor, e aos materiais com que ele foi construído, ou seja, são parâmetros
determinados no projeto do motor e, portanto são constantes. Podemos então definir
uma constante de proporcionalidade entre a corrente elétrica que circula pela armadura
do motor e o torque desenvolvido pelo mesmo. Essa constante será chamada de
constante de torque e será calculada por:
I
T
K
t
=
, cuja unidade, no Sistema Internacional (SI) será dada em
⋅
A
mN
.
IKT
t
⋅=
(2.2)
2.1.3. Constante da força contra-eletromotriz do motor
De acordo com a Lei de Indução de Faraday, se uma espira de um material condutor
for colocada sob a influência de um campo magnético variante no tempo, uma tensão
será induzida através dela. Esta tensão é chamada de força contra-eletromotriz.
A força contra-eletromotriz pode ser calculada por:
10
dt
d
e
φ
−=
Onde “φ” é o fluxo magnético que passa através da superfície definida pela
espira.
υ
r
NORTE SUL
Β
Β
Β
A2
A1
ESPIRA
ESPIRA
Figura 2.3 – Representação da geometria de uma MCC
FONTE: (NISE, 2000).
Na Figura 2.3, podemos verificar um esquema da situação descrita acima.
A densidade do fluxo “B” será dada por:
B=φ/A, onde “A” é a área da superfície do meio cilindro envolvido pela espira, logo
substituindo na equação da força contra-eletromotriz obteremos:
(
)
dt
ABd
e
⋅
−=
Mas densidade de fluxo “B” é constante em qualquer posição deste meio cilindro,
então:
dt
Ad
Be
⋅
⋅−=
11
A área pelo qual o fluxo magnético atravessa, do centro do cilindro para a sua
superfície, é o produto da circunferência pelo comprimento do cilindro:
(
)
(
)
θπθθπ
⋅−⋅⋅=⋅⋅−⋅−⋅=−= 2
21
LRLRLRAAA
Substituindo a equação da área na equação da força contra-eletromotriz obteremos:
(
)
(
)
(
)
m
ωLRB2
dt
dθ
LRB2
dt
θ2πd
LRB
dt
θ2πLRd
Be ⋅⋅⋅⋅=⋅⋅⋅=
⋅
−
⋅⋅−=
⋅
−
⋅
⋅
⋅−=
Onde “ω
m
” é a velocidade angular do eixo do motor.
Estendendo o raciocínio para um motor com N espiras podemos reescrever a equação
acima como segue:
m
ω
e
K
LRBN2e ⋅⋅⋅⋅⋅=
44 344 21
(2.3)
Novamente, podemos verificar que os termos indicados acima são determinados no
projeto do motor e portanto são constantes ao longo do tempo, permitindo-nos definir
então a constante da força contra-eletromotriz K
e
=e/ω
m
, cuja unidade, no sistema
internacional será dada em
srad
V
.
me
Ke
ω
⋅=
(2.4)
Verificamos, através das equações (2.1) e (2.3) que num sistema consistente de
unidades, o valor da constante da força contra-eletromotriz é igual ao valor da
constante de torque.
O conjunto composto pelas espiras, escovas e eixo do motor é chamado de rotor. O
circuito elétrico definido pelas espiras e escovas é chamado de armadura e possui uma
resistência “R
a
” e uma indutância “L
a
”
, as quais são funções do número de espiras.
12
2.1.4. Representação esquemática da MCC
A seguinte representação esquemática será utilizada para o desenvolvimento do
modelo matemático e da respectiva função de transferência da MCC:
CAMPO
FIXO
Tm(t)
ϖ
m(t)
-
+
em(t)
ia(t)
vt(t)
Ra
La
-
+
Tc(t)
Figura 2.4 - Representação esquemática de uma MCC
Onde:
e
m
(t) Força contra-eletromotriz (FCEM)
R
a
Resistência do circuito de armadura
L
a
Indutância do circuito de armadura
i
a
(t) Corrente do circuito de armadura
v
t
(t) Tensão terminal do circuito de armadura
T
m
(t) Torque (conjugado) magnético do motor
T
c
(t) Torque (conjugado) resistente da carga
ω
m
(t)
Velocidade angular do rotor
J Inércia do rotor
b Coeficiente de atrito viscoso devido aos rolamentos do motor
K
e
Constante de força contra-eletromotriz
K
t
Constante de torque do motor
13
2.1.5. Quadrantes de operação da MCC
Para efeito de controle de velocidade podemos definir quatro quadrantes de operação
para uma MCC. Estes quadrantes definem aspectos de frenagem e aceleração de uma
MCC.
ia(t)
vt(t)
Ra
La
em(t)vt(t)
+
-
em(t)
+
ia(t)
-
La
Ra
vt(t)
-
+
em(t)
-
ia(t)
+
La
Ra
vt(t) em(t)
ia(t)
La
Ra
Tm
ϖ
m
ACELERAÇÃO DIRETA
1o QUADRANTE
ACELERAÇÃO REVERSA
3o QUADRANTE
FRENAGEM REVERSA
4o QUADRANTE
FRENAGEM DIRETA
2o QUADRANTE
vt > emvt < em
|vt| < |em||vt| > |em|
+
-
+
-
-
+
-
+
Figura 2.5 – Quadrantes de operação de uma MCC
A Figura 2.5 demonstra as polaridades para a tensão v
t
(t) nos terminais do motor, força
contra-eletromotriz e
m
(t) e corrente de armadura i
a
(t).
No 1
o
quadrante de operação todas as grandezas são positivas, incluindo a velocidade e
o torque. Neste caso o motor está acelerando no sentido positivo.
No 2
o
quadrante, o motor continua a girar no sentido positivo e, desta forma a força
contra-eletromotriz permanece positiva. A corrente neste quadrante deve ser negativa,
e conseqüentemente, teremos torque negativo e fluxo de energia do motor para a fonte.
Neste caso a máquina estará freando, e como o fluxo de energia se dá do motor para a
fonte chamamos este tipo de frenagem regenerativa. A tensão de armadura neste
quadrante deve ser mantida menor que a força contra-eletromotriz.
14
Para acelerarmos no sentido negativo, devemos operar no 3
o
quadrante onde todas as
grandezas são negativas. Para mantermos o torque negativo e a energia fluindo da
fonte para o motor, o módulo da tensão terminal deverá ser maior que a força contra-
eletromotriz.
No 4
o
quadrante a frenagem também será regenerativa. O motor continua a girar no
sentido negativo, logo a força contra-eletromotriz será negativa. Para o torque ser
positivo e a energia fluir do motor para a fonte, a corrente de armadura deverá ser
positiva. O módulo da tensão terminal deverá ser menor que a força contra-
eletromotriz.
A Tabela 2.1 apresenta um resumo das considerações acima.
Tabela 2.1 - Quadrantes de operação de uma MCC – Tabela Resumo
Quadrante de
operação
Torque (t
m
)
Velocidade (ω
ωω
ω
m
)
Sentido de
rotação
Variação da
velocidade
I Positivo Positiva Positivo Acelera
II Negativo Positiva Positivo Freia
III Negativo Negativa Negativo Acelera
IV Positivo Negativa Negativo Freia
2.1.6. Modelo matemático da MCC
Aplicando as leis de Kirchhoff ao circuito elétrico da armadura do motor teremos:
( ) ( )
(
)
( )
tiR
dt
tdi
Ltetv
aa
a
amt
⋅++=
Substituindo a equação (2.4) na equação acima teremos:
( ) ( )
(
)
( )
tiR
dt
tdi
LtKtv
aa
a
amet
⋅++ω⋅=
(2.5)
15
Considerando a máquina operando em regime permanente, ou seja, desprezando o
termo que possui a derivada da corrente de armadura, a equação (2.5) pode ser
simplificada conforme abaixo:
( )
(
)
(
)
e
aat
m
K
tiRtv
t
⋅−
=ω
Inspecionando a equação acima percebemos que podemos controlar uma MCC (ímã
permanente) variando a resistência de armadura ou a tensão de armadura.
O controle, efetuado pela variação da resistência foi muito utilizado na tração elétrica,
porém, mais recentemente o controle tem sido feito através da variação da tensão
terminal, visto que esta técnica produz ajustes mais rápidos além de adicionalmente
permitir o controle do torque gerado (POMILIO, 2002).
Considerando as condições iniciais nulas e aplicando a transformada de Laplace à
equação (2.5) teremos:
(
)
(
)
(
)
(
)
sILsRsWKsV
aaamet
⋅⋅++⋅=
Substituindo a equação da constante de torque (2.2) na expressão acima teremos:
( ) ( ) ( )
(
)
t
m
aamet
K
sT
LsRsWKsV ⋅⋅++⋅=
(2.6)
Pela lei do equilíbrio dos momentos podemos calcular o torque do motor:
( )
(
)
(
)
( )
t
c
T
dt
t
m
dω
t
J
dt
t
m
dω
Jt
m
ωb(t)
m
T +++⋅=
, onde “J
t
” é a inércia do tacogerador.
Considerando as condições iniciais nulas e aplicando a transformada de Laplace à
equação acima, teremos:
16
(
)
(
)
(
)
(
)
s
c
Ts
m
W
t
Jss
m
WJss
m
Wb(s)
m
T +⋅⋅+⋅⋅+⋅=
(
)
(
)
(
)
(
)
s
c
Ts
m
W
t
JJsb(s)
m
T +⋅+⋅+=
(2.7)
Substituindo a equação (2.5) na equação (2.4) obteremos:
( ) ( )
(
)
(
)
[
]
(
)
(
)
t
K
s
c
Ts
m
W
t
JJsb
a
Ls
a
Rs
m
W
e
Ks
t
V
+⋅+⋅+
⋅⋅++⋅=
(
)
(
)
[
]
(
)
{
}
(
)
(
)
(
)
a
Ls
a
Rs
c
Ts
m
W
a
Ls
a
R
t
JJsb
t
K
e
K
t
Ks
t
V ⋅+⋅+⋅⋅+⋅+⋅++⋅=⋅
Isolando W
m
(s) na expressão acima encontraremos então uma equação que relacionará
a velocidade da MCC em função da tensão terminal na armadura e do torque da carga.
( )
(
)
(
)
(
)
( )( ) ( )
a
L
t
JJ
2
s
a
Lb
a
R
t
JJsb
a
R
t
K
e
K
s
c
T
a
Ls
a
Rs
t
V
t
K
s
m
W
⋅+⋅+⋅+⋅+⋅+⋅+⋅
⋅⋅+−⋅
=
(2.8)
A equação acima representa o modelo completo da MCC. Para os desenvolvimentos a
seguir desprezaremos os atritos nos rolamentos e escovas do motor em função de seu
pequeno valor e então reduziremos a equação acima conforme mostrado abaixo:
( )
(
)
(
)
(
)
( ) ( )
ta
2
atte
caatt
m
JJLsRJJsKK
sTLsRsVK
sW
+⋅⋅+⋅+⋅+⋅
⋅⋅+−⋅
=
(2.9)
Pelo princípio da superposição podemos calcular os efeitos individualmente para as
variações da tensão de armadura e variações da carga e somá-los posteriormente.
Considerando que não ocorrerão variações no torque podemos desenvolver a função
de transferência G
M
(s) que relaciona a rotação da máquina às variações da tensão de
armadura:
17
( )
(
)
( )
( ) ( )
ta
2
atte
t
t
m
M
JJLsRJJsKK
K
sV
sW
sG
+⋅⋅+⋅+⋅+⋅
==
(2.10)
Da mesma forma, considerando as variações na tensão de armadura nulas, obteremos a
função de transferência G
L
(s) que relaciona a rotação da máquina às variações no
torque da carga:
( )
(
)
( )
(
)
( ) ( )
ta
2
atte
aa
c
m
L
JJLsRJJsKK
LsR
sT
sW
sG
+⋅⋅+⋅+⋅+⋅
⋅+
−==
(2.11)
As equações acima nos permitem construir o diagrama de blocos da Figura 2.6, o qual
representa uma MCC.
Figura 2.6 – Diagrama de blocos de uma MCC
2.2. Modelagem do medidor de velocidade
O tacogerador será o dispositivo utilizado para medir a rotação da MCC. Esse
dispositivo é um pequeno gerador acoplado ao eixo do motor, que produzirá nos
terminais de sua armadura, uma tensão proporcional à rotação do conjunto. Dessa
forma faremos a medição da velocidade indiretamente.
Podemos verificar na Figura 2.7 a representação esquemática do tacogerador, da MCC
e de um circuito divisor de tensão presente nos terminais do tacogerador.
18
O circuito divisor de tensão será o responsável por adequar os níveis de tensão gerados
pelo tacogerador aos níveis de tensão da placa de aquisição de dados, de forma a
protegê-la contra tensões maiores que as suportadas por suas entradas.
CAMPO
FIXO
Tm(t)
ϖ
m(t)
-
+
em(t)
ia(t)
vt(t)
Ra
La
-
+
+
-
Lat
iat(t)
Rat
CAMPO
FIXO
et(t) Tt(t)
+
-
vtt(t)
R1
R2
vm(t)
Figura 2.7 – Representação de uma MCC e um medidor
Aplicando as leis de Kirchhoff ao circuito elétrico da armadura do tacogerador
obteremos as seguintes relações:
( ) ( )
(
)
( )
te
dt
tdi
LtiRRR
t
at
atatat21
=+⋅++
( ) ( )
(
)
( )
tK
dt
tdi
LtiRRR
met
at
atatat21
ω⋅=+⋅++
( )
(
)
2
m
at
R
tv
ti =
Supondo as condições iniciais nulas e aplicando a transformada de Laplace às
equações acima, teremos:
19
(
)
(
)
[
]
(
)
sILsRRRsWK
atatat21met
⋅⋅+++=⋅
(2.12)
( )
(
)
2
m
at
R
sV
sI =
(2.13)
Substituindo (2.13) em (2.12) obteremos uma equação que relaciona a rotação do
conjunto motor/tacogerador com a tensão medida nos terminais do circuito divisor de
tensão.
( ) ( )
[ ]
(
)
2
m
atat21met
R
sV
LsRRRsWK ⋅⋅+++=⋅
Manipulando algebricamente a equação acima obteremos a função de transferência do
medidor G
MM
(s) que relaciona a tensão na saída do circuito divisor de tensão com a
velocidade angular:
( )
(
)
( ) ( )
[ ]
atat21
2et
m
m
MM
LsRRR
RK
sW
sV
sG
⋅+++
⋅
==
(2.14)
Concluímos que como a função de transferência acima possui apenas um pólo e um
ganho ela representa um sistema de primeira ordem sem atraso de transporte (tempo
morto).
2.3. Modelagem do Acionamento
2.3.1. Conversores CC-CC
Para o acionamento do motor nos quatro quadrantes utilizaremos um conversor CC-
CC ou chopper com ponte completa. Com este tipo de circuito podemos controlar a
corrente ou a tensão de armadura, acelerando, revertendo ou freando o motor.
20
Os conversores CC-CC convertem uma tensão contínua, não regulada, de entrada
numa tensão de saída, também contínua, porém regulada, através do controle do tempo
de condução de transistores ou outros dispositivos que possam trabalhar como chaves.
As aplicações mais comuns dos conversores CC-CC são as fontes chaveadas, controle
de tração, controle de servomotores e carregadores de bateria entre outras.
Figura 2.8 – Circuito de um chopper básico acionando uma MCC
O princípio de funcionamento do conversor CC-CC pode ser verificado através da
Figura 2.8, que ilustra um circuito básico para um chopper acionando um motor CC.
A tensão sobre a carga aparece conforme o transistor entra em corte ou condução,
através da polarização adequada de sua base.
A tensão média nos terminais de saída do conversor CC-CC pode ser calculada por:
( ) ( ) ( )
tvtftv
T
t
dttv
T
1
v
fonf
on
t
0
tt
on
⋅⋅=⋅==
∫
(2.15)
Onde:
•
T
Período de chaveamento
•
f
Freqüência de chaveamento
•
T
t
on
=σ
Ciclo de trabalho do chopper
21
O ciclo de trabalho pode ser variado entre 0 (zero) e 1 (um), variando o tempo t
on,
em
que o transistor está conduzindo
.
Conseqüentemente, ao variarmos o ciclo de trabalho
podemos controlar a tensão sobre a carga.
O controle do ciclo de trabalho pode ser obtido pela variação da freqüência de
chaveamento ou mantendo-a constante, variando-se então o tempo em que a chave
permanece fechada. A primeira opção não é usual uma vez que este tipo de controle
pode gerar harmônicos difíceis de serem eliminados, e então costuma optar-se pela
segunda, chamada de Modulação por Largura de Pulso ou PWM do inglês “pulse
width modulation”.
Na Figura 2.8 podemos verificar ainda que quando o transistor está conduzindo (chave
fechada) a corrente circula entre o positivo e o negativo da fonte de alimentação e
quando ele está em corte (chave aberta) a corrente circula através do diodo Dr,
chamado de diodo de retorno ou do inglês “freewheeling diode”.
A corrente na carga i
a1
, durante o período em que a chave está fechada no intervalo
on
t t 0 ≤≤
pode ser calculada como segue:
( ) ( )
(
)
( )
te
dt
tdi
LtiRtv
m
1a
a1aaf
++⋅=
(2.16)
Supondo as condições iniciais nulas e aplicando a transformada de Laplace à equação
(2.16) obteremos:
(
)
(
)
(
)
(
)
sEsILssIRsV
m1aa1aaf
+⋅⋅+⋅=
( )
(
)
(
)
( )
(
)
(
)
(
)
s
L
R
LsEsV
LsR
sEsV
sI
a
a
amf
aa
mf
1a
+
−
=
⋅+
−
=
(2.17)
Aplicando a transformada inversa de Laplace à equação (2.17) teremos:
22
( )
( ) ( )
t
L
R
a
mf
1a
a
a
e
L
tetv
ti
⋅
−
⋅
−
=
(2.18)
Redefinindo a origem dos tempos no momento em que a chave abre, enquanto a chave
permanecer aberta, no intervalo de tempo
off
t t 0 ≤≤
, a corrente i
a2
que circulará pela
carga será dada por:
( )
(
)
( )
te
dt
tdi
LtiR0
m
2a
a2aa
++⋅=
(2.19)
Supondo as condições iniciais nulas e aplicando a transformada de Laplace à equação
(2.19) obteremos:
(
)
(
)
(
)
sEsILssIR0
m2aa2aa
+⋅⋅+⋅=
( )
(
)
( )
(
)
( )
sLR
LsE
LsR
sE
sI
aa
am
aa
m
a
+
−
=
⋅+
−
=
2
(2.20)
Aplicando a transformada inversa de Laplace a equação (2.20) teremos:
( )
( )
t
L
R
a
m
2a
a
a
e
L
te
ti
⋅
−
⋅
−
=
(2.21)
Dependendo do valor da indutância e do tempo em que a chave fique aberta, a corrente
na carga pode chegar a zero. Chamamos a isso de Modo de Condução Descontínua.
Neste modo a corrente média, pela carga, é menor que no modo de Condução
Contínua, onde a corrente nunca chega a zero, conseqüentemente o torque gerado, que
depende da corrente que circula pelo circuito de armadura do motor, será menor,
tornando a frenagem e a aceleração menos eficientes.
23
Trabalharemos sempre no modo de condução contínua de forma a garantir a eficiência
da frenagem e aceleração, para tal, o período de chaveamento deverá ser muito menor
que a constante elétrica do motor.
Dentre as diversas configurações de conversores CC-CC, a única que permite o
controle de uma máquina de corrente contínua nos quatro quadrantes de operação é o
conversor CC-CC em ponte completa ou Ponte H, a qual detalharemos a seguir.
2.3.2. Conversores CC-CC em ponte completa
Na Figura 2.9 podemos verificar o esquema básico da ponte H. Os transistores atuam
sempre como chaves, sendo que, ao aplicarmos a correta polarização em suas bases
eles entram em corte ou em saturação, permitindo ou não a circulação de corrente
entre o emissor e o coletor.
Polarizando convenientemente as bases dos pares de transistores podemos controlar o
sentido da corrente que circula pela carga, que em nosso caso será o motor,
conseqüentemente mudando o seu sentido de rotação e controlando-o nos quadrantes
um e três. Os diodos associados à carga garantem o caminho de recirculação da
corrente da carga para a fonte atuando nos quadrantes dois e quatro. Nestes quadrantes
teremos a frenagem regenerativa, onde a potência flui da carga para a fonte.
Figura 2.9 – Esquema básico do chopper tipo ponte H
24
Para operação nos quatro quadrantes os semicondutores envolvidos devem ser
comandados da seguinte forma:
1
o
QUADRANTE - Aceleração sentido direto (positivo)
No 1
o
quadrante de operação tanto o torque quanto a velocidade do motor devem ser
positivos. Neste caso as bases dos transistores Q1 e Q4 devem ser adequadamente
polarizadas forçando-os a conduzir, enquanto os transistores Q2 e Q3 devem estar
cortados. Nesta situação, a corrente flui pelos terminais do motor, no sentido positivo,
e a queda de tensão será positiva também, atendendo os requisitos para operação no 1
o
quadrante. A MCC irá acelerar.
2
o
QUADRANTE - Frenagem regenerativa – sentido direto (positivo)
No 2
o
quadrante de operação a velocidade deve ser positiva enquanto o torque deve ser
negativo. Para tal, o motor deve continuar girando no sentido direto, com velocidade
positiva, porém a corrente de armadura deve ter seu sentido invertido, passando a ser
negativa. A MCC neste caso comporta-se como um gerador, ou seja, ela força a
corrente fluir de volta a fonte.
Nesta situação, os transistores Q1 e Q4, que estavam conduzindo, são levados ao corte
e a MCC, força a corrente a retornar para a fonte através dos diodos D1 e D4 que
passam a conduzir propiciando o caminho necessário.
3
o
QUADRANTE - Aceleração – sentido reverso (negativo)
No 3
o
quadrante de operação tanto o torque quanto a velocidade do motor devem ser
negativos. Neste caso as bases dos transistores Q2 e Q3 devem ser adequadamente
polarizadas forçando-os a conduzir, enquanto os transistores Q1 e Q4 devem estar
cortados. Nesta situação, a corrente flui pelos terminais do motor, no sentido negativo,
e a queda de tensão será negativa também, atendendo os requisitos para operação no 3
o
quadrante. A MCC acelerará no sentido reverso.
25
4
o
QUADRANTE - Frenagem regenerativa – sentido reverso (negativo)
No 4
o
quadrante de operação a velocidade deve ser negativa enquanto o torque é
positivo. Para tal, o motor deve continuar girando no sentido reverso, porém a corrente
de armadura deve fluir para a fonte no sentido positivo. A MCC neste caso comportar-
se como um gerador, ou seja, ela força a corrente fluir de volta a fonte.
Nesta situação, os transistores Q2 e Q3, que estavam conduzindo, são levados ao corte
e a MCC, força a corrente a retornar para a fonte através dos diodos D2 e D3 que
passam a conduzir propiciando o caminho necessário.
Conforme verificamos acima, os transistores e diodos irão operar aos pares, logo,
desprezando as perdas nas junções semicondutoras, poderemos calcular o valor médio
da tensão terminal v
t
(t) como segue:
( ) ( ) ( ) ( ) ( )( )
f21f
2on
f
1on
t
0
t
t
0
tbnant
vttv
T
t
v
T
t
dttv
T
1
dttv
T
1
vvtv
2on1on
⋅σ−σ=⋅−⋅=−=−=
∫∫
(2.22)
Onde:
• σ
1
(t) é o ciclo de trabalho do par de transistores Q1/Q4
• σ
2
(t) é o ciclo de trabalho do par de transistores Q2/Q3
• t
on1
é o tempo em que os transistores Q1/Q4 estão em condução
• t
on2
é o tempo em que os transistores Q2/Q3 estão em condução
Mas σ
1
(t)+ σ
2
(t)=1 e substituindo em (2.22) teremos:
(
)
(
)
(
)
f1t
v1t2tv
⋅−σ⋅=
(2.23)
Podemos verificar que para 0 [ σ
1
[ 1 teremos -v
f
≤ v
t
(t) ≤ v
f
onde v
f
é a tensão de
alimentação da ponte H (constante), que em nosso caso será igual a doze Volts.
26
2.3.3. Modulação por largura de pulso
Para o controle do tempo de condução dos transistores do conversor CC-CC (chopper)
será utilizada a técnica da modulação por largura de pulso ou PWM (Pulse Width
Modulation), onde a freqüência de chaveamento dos transistores é constante, e o que
varia é o tempo em que eles permanecem em condução ou em corte.
A Figura 2.10 ilustra um circuito básico de um PWM, composto de um gerador de
onda “dente-de-serra” e um comparador.
Figura 2.10 – Circuito básico de um gerador PWM
Para gerar o sinal PWM um sinal de controle modulante m(t) é comparado a uma onda
portadora periódica V
s
(t), que poderá ser uma onda triangular ou tipo dente de serra,
com valor de pico V
m
e freqüência (constante) f=1/T, de forma a gerar na saída um
sinal pulsante V
pwm
(t).
O sinal de saída possuirá um nível alto, com valor igual à V
m
, sempre que o sinal de
controle for maior que o sinal da onda portadora. Caso contrário possuirá um nível
baixo, com valor igual a -V
m
. Defini-se como ciclo de trabalho do PWM, o quociente
entre o período proporcional ao sinal de entrada m(t) com freqüência igual a da onda
portadora.
As formas de onda do PWM podem ser verificadas através da Figura 2.11.
27
Figura 2.11 – Formas de onda do modulador PWM
O sinal de saída V
pwm
(t) é periódico, com freqüência igual à da onda portadora e ciclo
de trabalho σ(t).
Dentro do intervalo -V
m
≤ m(t) ≤ V
m
o ciclo de trabalho será uma função linear do
sinal de controle, conforme demonstrado na Figura 2.12.
Figura 2.12 – Representação do ciclo de trabalho do PWM para V
m
=1
Das definições acima podemos escrever:
28
( )
(
)
( )
mm
m
VtmVpara
V2
1tm
t ≤≤−
⋅
+
=σ
Impondo V
m
igual a um, teremos na saída do modulador PWM, pulsos com amplitude
igual a um. Portanto a equação acima ficaria reduzida a:
( )
(
)
( )
1tm1para
2
1tm
t ≤≤−
+
=σ
(2.24)
2.3.4. Modelo matemático do acionamento
Substituindo a equação (2.24) na equação (2.23) teremos
(
)
(
)
ft
vtmtv ⋅=
Supondo as condições iniciais nulas e aplicando a transformada de Laplace teremos:
( )
(
)
( )
12Kv
sM
sV
sG
ACf
t
AC
====
(2.25)
Portanto a função de transferência do acionamento pode ser representada apenas por
um ganho.
2.4. Verificação dos modelos
Para verificar as funções de transferência obtidas anteriormente faremos uso do
Simulink
®
, que é um pacote de simulação do MATLAB
®
, comparando os resultados
obtidos com os dados fornecidos pelo fabricante do motor, tacogerador e o projeto do
medidor.
Realizaremos um ensaio em malha aberta aplicando um degrau unitário na entrada do
sistema.
O uso do degrau unitário como sinal de teste é válido, pois conforme deduzimos
através da equação (2.24), o acionamento será linear para -1< m(t) < 1.
29
Ao aplicarmos o degrau unitário na entrada do sistema esperamos obter a velocidade
nominal do motor ω
m
=555 rad/s, uma vez que a tensão de saída do circuito de
acionamento deverá ser de 12 Volts.
O tacogerador utilizado neste projeto produzirá em seus terminais 41,1.10
-3
V/(rad/s).
Isto significa que quando o conjunto estiver em rotação nominal (ω
m
=555 rad/s) a
tensão nos terminais do tacogerador será de 22,79 Volts, que é um valor superior ao
suportado pela placa de aquisição de dados cujo limite é de 10 Volts, justificando,
portanto, o uso do circuito divisor de tensão.
Pelos dados do tacogerador, a resistência da carga deve ser maior ou igual a 25 kΩ,
logo projetaremos o divisor com dois resistores, cuja soma dos valores deverá ser de
30 kΩ respeitando assim a especificação do tacogerador e dividindo a tensão de saída
por três, de forma a mantê-la dentro dos limites da placa de aquisição.
O resistor R
1
do modelo da Figura 2.7 deverá ser de 20 kΩ e o resistor R
2
de 10 kΩ.
Nesta situação, o valor esperado para a tensão de saída V
m
do tacogerador será de 7,6
Volts.
Em resumo, ao aplicarmos um degrau unitário na entrada do sistema, devemos obter
7,6 Volts na saída.
O diagrama de blocos em malha aberta da Figura 2.13 será utilizado para as
simulações. Para a verificação do modelo não foram consideradas eventuais variações
no torque da carga.
30
Figura 2.13 – Diagrama de Blocos em malha aberta
Para as simulações foram utilizados os dados de catálogo dos equipamentos,
fornecidos pelo fabricante, os quais são apresentados na Tabela 2.2 e na Tabela 2.3.
Tabela 2.2 - Dados de catálogo do motor
Característica Símbolo
Valor Unidade
Tensão nominal U
N
12 Volt
Resistência da armadura R
a
0,5 Ω
Máxima velocidade do motor, sem carga, a tensão
nominal
n
0
555 rad/s
Máxima corrente do motor, sem carga, a tensão
nominal I
0
0,2 A
Stall torque –
Torque desenvolvido pelo motor, a
velocidade zero e tensão nominal.
M
H
510.10
-3
Nm
Constante de força contra-eletromotriz Ke 2,1486.10
-2
V/(rad/s)
Constante de torque K
t
2,14.10
-2
Nm/A
Indutância do rotor L
a
65 µH
Inércia do rotor J 64.10
-7
Kgm
2
31
Tabela 2.3 – Dados de catálogo do tacogerador
Característica Símbolo
Valor Unidade
Resistência da carga
R
i
>=25
kΩ
Resistência da armadura
R
at
260
Ω
Máxima velocidade de operação
η
emax.
523,6
rad/s
Constante de força contra-eletromotriz
K
et
41,1.10
-3
V/(rad/s)
Indutância do rotor
L
at
7000
µH
Inércia do rotor
J
t
1,65.10
-7
Kgm
2
2.4.1. Funções de transferência dos dispositivos
Substituindo os dados dos equipamentos nas equações (2.10), (2.11) e (2.14)
obteremos, respectivamente, as funções de transferência para a MCC (para variações
no valor de referência e na carga) e o medidor.
Para a variação da velocidade da MCC em relação à variação da tensão terminal
teremos:
( )
(
)
( )
( ) ( )
267722
2
t
m
M
s10651065,65s1065,655,01014,2101486,2
1014,2
sV
sW
sG
⋅⋅⋅⋅+⋅⋅⋅+⋅⋅⋅
⋅
==
−−−−−
−
( )
(
)
( )
4-6210
t
m
M
104,5980s102825,3s102672,4
0214,0
sV
sW
sG
⋅+⋅⋅+⋅⋅
==
−−
( )
( ) ( )
23
7
632
7
104272,1105496,7
100149,5
10078,1106924,7
100149,5
⋅+⋅⋅+
⋅
=
⋅+⋅⋅+
⋅
=
ssss
sG
M
(2.26)
A função de transferência acima possui dois pólos reais, distintos e negativos,
indicando, portanto que o sistema é estável em malha aberta. Os pólos e constantes de
tempo da função de transferência acima são dados por:
32
P
1M
=-7549,6 e P
2M
=-142.72
τ
1M
=1,3246.10
-4
e τ
2M
=7,0065.10
-3
.
O pólo P
2M
é chamado pólo dominante uma vez que é o mais próximo do semiplano da
direita e a constante de τ
2M
associada a este pólo também é chamada de dominante.
Para a variação da velocidade da MCC em relação à variação do torque da carga
teremos:
( )
(
)
( )
(
)
( ) ( )
267722
6
c
m
L
s10651065,65s1065,655,01014,2101486,2
1065s5,0
sT
sW
sG
⋅⋅⋅⋅+⋅⋅⋅+⋅⋅⋅
⋅⋅+−
==
−−−−−
−
( )
(
)
( )
(
)
632
95
c
m
L
10078,1s106924,7s
10172,1s10523,1
sT
sW
sG
⋅+⋅⋅+
⋅+⋅⋅−
==
(2.27)
Para o medidor teremos:
( )
(
)
( )
( )
[ ]
s007,030260
411
107000s26010101020
1010101,41
sW
sV
sG
633
33
m
m
MM
⋅+
=
⋅⋅++⋅+⋅
⋅⋅⋅
==
−
−
(2.28)
( )
(
)
( )
6
4
m
m
MM
104,3229s
105,8714
sW
sV
sG
⋅+
⋅
==
(2.29)
Verificamos que a função de transferência acima possui um pólo em p=-4,3229.10
6
e
constante de tempo τ
MM
=2,3.10
-7
.
Da expressão acima podemos deduzir ainda o ganho do medidor que será dado por:
K
MM
=0,013582 (2.30)
A função de transferência em malha aberta do servossistema será dada por:
33
( ) ( ) ( )
632
7
MACma
10078,1s106924,7s
100149,5
12sGsGsG
⋅+⋅⋅+
⋅
⋅=⋅=
(2.31)
( )
632
8
ma
10078,1s106924,7s
1001788,6
sG
⋅+⋅⋅+
⋅
=
(2.32)
Comparando esta equação com a equação canônica de um sistema de segunda ordem
mostrada abaixo teremos:
( )
2
nn
2
2
n
ma
s2s
K
sG
ω+⋅ω⋅ξ⋅+
ω⋅
=
=⇒⋅=ω⋅
=ξ⇒⋅=ω⋅ξ⋅
⋅=ω⇒⋅=ω
21,558K1001788,6K
3,7052106924,72
srad101,038310078,1
82
n
3
n
3
n
62
n
Onde ω
n
é a freqüência natural não amortecida e ξ é o coeficiente de amortecimento.
Como ξ > 1 a função de transferência em malha aberta possuirá dois pólos reais,
distintos, negativos e será superamortecido (OGATA, 1998).
2.4.2. Resultado das Simulações
O gráfico da Figura 2.14 ilustra o comportamento dinâmico da velocidade do motor
obtido por simulação.
Verificamos que ao aplicarmos um degrau unitário na entrada obtivemos uma
velocidade total de 557 rad/s, valor muito próximo do valor esperado (555 rad/s).
34
Figura 2.14 – Comportamento dinâmico da velocidade
A diferença encontrada de 2 rad/s, aproximadamente 0,36%, pode ser explicada pelo
fato de não havermos considerado em nosso modelo as perdas geradas pelo torque de
fricção e pelo atrito viscoso dos rolamentos do rotor. O formato da curva encontrado
também confirma o superamortecimento do sistema. A Figura 2.15 ilustra o
comportamento dinâmico da tensão de saída do circuito divisor.
35
Figura 2.15 – Comportamento dinâmico da saída do medidor
Novamente verificamos que a diferença entre o valor previsto e o obtido através das
simulações é bastante pequena, aproximadamente 0,4%, e ocorre em função das
aproximações realizadas em nossos modelos.
2.5. Validação do modelo
Para verificar a eficiência da modelagem matemática foram efetuados ensaios práticos
com o motor, acionando-o diretamente com uma fonte de alimentação.
A Figura 2.16 mostra a forma de onda obtida por osciloscópio quando aplicamos 12 V
na entrada e medimos a tensão de saída no tacogerador. Notamos que a estabilização
em torno de 23,6 V ocorre aproximadamente após 0,08 s. Embora o tempo de
acomodação seja maior que o obtido na Figura 2.15, como o tempo de resposta é
36
muito reduzido, a diferença não é significativa. Por outro lado, a tensão de saída mais
elevada confirma a necessidade de utilizarmos um divisor resistivo na saída do
tacogerador.
Figura 2.16 – Comportamento dinâmico da saída do medidor – Osciloscópio
2.6. Kit de aquisição de dados
Para o desenvolvimento do controle por computador utilizamos o kit de
desenvolvimento educacional da National Instruments (ELVIS
®
) e a suíte de
aplicativos para medição, instrumentação e controle LabVIEW
®
, também da National
Instruments na versão 8.2.
O Kit ELVIS
®
(Educational Laboratory Virtual Instrumentation Suite), ilustrado na
Figura 2.17 é um ambiente de desenvolvimento composto de uma placa de aquisição
de dados PCI-6251 para montagem em microcomputador, uma bancada de testes com
fontes de alimentação, geradores de funções, gerador de formas de onda arbitrárias,
osciloscópio, multímetro digital e uma placa para prototipagem (protoboard) integrada
à bancada de testes.
37
Figura 2.17 - Kit ELVIS
®
A placa de aquisição utilizada possui 16 entradas e 2 saídas analógicas com resolução
de 16 bits, e faixa de operação de 10 volts.
O circuito da Figura 2.18 foi desenvolvido para efetuar a amplificação do sinal e o
condicionamento do sinal produzido pelo tacogerador. Na amplificação utilizamos o
circuito integrado L-298 que permite desenvolver a conversão CC-CC em ponte
completa, sendo acionado por sinal PWM produzido no LabVIEW
®
. Utilizamos um
regulador de tensão (78L05) para provermos a alimentação necessária ao L-298. Um
transistor bipolar foi utilizado para que pudéssemos realizar o acionamento das portas
in1 e in2, responsáveis pelo sentido de rotação do motor, sempre com valores opostos
uma vez que dispúnhamos de apenas uma saída da placa de aquisição para tal.
38
Figura 2.18 – Circuito de acionamento do servomotor e condicionamento do sinal do tacogerador
Para fazer os primeiros testes do sistema de aquisição de dados, ainda sem utilizar o
circuito de amplificação, mas utilizando apenas o divisor resistivo e o conversor A/D
do ELVIS
®
efetuamos o acionamento do motor diretamente por tensão de +12 V,
sendo obtido no LabVIEW
®
a forma de onda da Figura 2.19. Observamos a
similaridade entre a Figura 2.15 e Figura 2.19, novamente validando o modelo
matemático obtido.
Dando continuidade, efetuamos um ensaio completo em malha aberta, neste caso
trabalhando com todo o circuito da Figura 2.18, gerador PWM desenvolvido
computacionalmente como na Figura 2.20 além de conversores A/D e D/A. Na
conversão foram produzidos os seguintes sinais: PWM para o servomotor e sinal de
saída que define o sentido de rotação do motor, conforme pode ser visto no circuito da
Figura 2.18. O programa completo produzido no LabVIEW
®
para a aquisição está
ilustrado no Anexo 1.
39
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
-1
0
1
2
3
4
5
6
7
8
9
Comportamento dinâmico na saída do medidor - aquisiçao
t(s)
Vm(volts)
Figura 2.19 – Comportamento dinâmico da saída do medidor – Aquisição
Figura 2.20 - Detalhe do programa de geração do sinal PWM
A Figura 2.21 ilustra a resposta transitória obtida aplicando um degrau de 7 V,
suficiente para produzir uma tensão nominal no servomotor (12 V).
40
Figura 2.21 - Comportamento dinâmico da saída do medidor – aquisição completa
Observamos pela resposta obtida que o sistema torna-se muito mais lento do que
anteriormente obtido, conforme Figura 2.19. Os principais motivos para estas
alterações são:
- atraso de resposta considerável no sistema de aquisição de dados durante a conversão
D/A utilizando dois canais de saída (PWM e sentido de direção);
- atraso de resposta na geração do sinal PWM (Figura 2.20);
- tempo morto inserido propositadamente no programa para evitar curto-circuito no
circuito amplificador quando houver inversão no sentido de rotação; para explicar isto
basta verificar no circuito da Figura 2.9 que o sentido de rotação é definido pela
escolha do par de transistores em condução, ou seja, transistores Q
2
e Q
3
ou
transistores Q
1
e Q
4
, que funcionam como chave; por exemplo, caso Q
2
e Q
3
sejam
acionados antes que Q
1
e Q
4
sejam totalmente abertos ocorrerá o curto-circuito; o
tempo morto inserido garante que todos os transistores sejam desacionados durante um
tempo suficiente toda vez que desejarmos inverter o sentido de rotação.
41
Para introduzir no modelo estes efeitos, consideramos no diagrama de blocos da
Figura 2.13 uma componente referente à componente de atraso do sistema
proporcionado pela aquisição de dados. O modelo de representação do sistema
resultante está ilustrado na Figura 2.22 e inclui a componente de aquisição dada por:
( )
AQ
AQ
AQ
Ks
K
sG
+
=
(2.33)
Onde K
AQ
foi determinado experimentalmente e vale K
AQ
= 1,2 s/rad.
Os pólos e constantes de tempo da função de transferência acima são dados por:
P
AQ
=-1,2
τ
AQ
=8,3333.10
-1
[s]
Figura 2.22 - Diagrama de Blocos em malha aberta com sistema de aquisição
Para fazer a validação do sistema resultante da Figura 2.22 com aquisição de dados foi
efetuada a análise comparativa entre o sinal prático e o obtido por simulação, ambos
sem considerar a introdução de carga. Os resultados são ilustrados na Figura 2.24 onde
pode ser observada a similaridade entre as respostas obtidas.
42
Figura 2.23 - Comparativo de resposta simulação x sistema prático com aquisição
2.7. Controle por realimentação
A realimentação é atualmente a técnica mais utilizada para implementação do controle
de sistemas e processos. A compensação via malha de realimentação é conseguida
medindo o valor da variável que se deseja controlar e comparando-a a um valor
desejado. A diferença entre ambos é utilizada como sinal para o algoritmo de controle
o qual é o responsável por manter o valor da variável controlada o mais próximo
possível do valor desejado.
Uma das grandes vantagens deste tipo de malha é que não é preciso medir as
perturbações no sistema, o que torna esta técnica bastante atraente, uma vez que a
única instrumentação necessária, além do controlador e da válvula ou circuito de
acionamento, é um medidor para a variável de controle.
43
Podemos verificar que para este tipo de malha primeiro ocorre o desvio para só então
ocorrer a correção, porém esta ocorre independente da fonte do desvio (variação da
referência ou perturbações na carga).
De posse das funções de transferência de todos os dispositivos do servossistema,
podemos elaborar o diagrama de blocos da Figura 2.24, representando uma malha de
controle por realimentação onde o valor da velocidade ω
m
(s) da saída é comparado a
um valor de referência ω
R
(s) e o controlador G
C
(s) atua em função dos desvios em
relação à referência.
Figura 2.24 - Diagrama de blocos em malha fechada
Na Figura 2.24 G
M
(s) e G
L
(s) são respectivamente as funções de transferência do
sistema para variações no valor de referência (2.26) e na carga (2.27), G
MM
(s) é a
função de transferência do medidor (2.29), K
AC
é o ganho do sistema de acionamento
(2.25), G
AQ
(s) é a função de transferência do sistema de aquisição de dados (2.33) e
K
MM
é o ganho do medidor utilizado no sinal de referência (2.30), de forma a
normalizar a velocidade de referência ω
R
(s).
As avaliações do desempenho deste tipo de malha são realizadas analisando o
comportamento da saída em função das variações na carga e no valor de referência.
Para tal é utilizada a função de transferência em malha fechada.
44
2.8. Função de transferência em malha fechada
Analisando o diagrama de blocos da Figura 2.24 podemos determinar a função de
transferência em malha fechada do sistema.
Considerando nulas as variações na carga, podemos escrever a função de transferência
que relaciona a rotação do motor com as variações do valor de referência:
(
)
(
)
(
)
(
)
(
)
(
)
sEsGsGsGsGsW
MACAQC
⋅⋅⋅⋅=
1
(
)
(
)
(
)
(
)
sGsWKsWsE
MM1MMR
⋅−⋅=
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
[
]
sGsWKsWsGsGsGsGsW
MMMMRMACAQC
⋅−⋅⋅⋅⋅⋅=
11
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
MMRMACCMMMACAQC
KsWsGsGsGsGsWsGsGsGsGsW ⋅⋅⋅⋅=⋅⋅⋅⋅⋅+
11
(
)
( )
(
)
(
)
(
)
(
)
( ) ( ) ( ) ( ) ( )
sGsGsGsGsG
sGsGsGsGK
sW
sW
MMMACAQC
MACAQCMM
R
⋅⋅⋅⋅+
⋅
⋅
⋅
⋅
=
1
1
(2.34)
Considerando o valor de referência constante, teremos a função de transferência que
relaciona a velocidade do motor com variações no torque da carga:
(
)
( )
(
)
( ) ( ) ( ) ( ) ( )
sGsGsGsGsG
sG
sT
sW
MMMACAQC
L
c
⋅⋅⋅⋅+
=
1
2
(2.35)
Podemos verificar que os denominadores das funções de transferência acima são
iguais. Esse denominador comum é chamado de “equação característica”.
Como o sistema é linear, utilizando o Principio da Superposição, podemos utilizar a
expressão (2.36) para calcular a variação da velocidade do motor para mudanças
simultâneas no valor de referência e alterações da carga.
45
( )
(
)
(
)
(
)
(
)
(
)
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( )
sGsGsGsGsG
sTsG
sGsGsGsGsG
sWsGsGsGsGK
sW
MMMACAQC
cL
MMMACAQC
RMACAQCMM
m
⋅⋅⋅⋅+
⋅
−
⋅⋅⋅⋅+
⋅
⋅
⋅
⋅
⋅
=
1
1
L
K
(2.36)
2.9. Análise de estabilidade
O ganho limite do controlador é definido como o maior valor que o ganho
proporcional pode assumir, sem considerar as ações integrais e derivativas, para que o
sistema permaneça no limiar da estabilidade, levando-o a oscilar continuamente
quando submetido a uma entrada em degrau durante um ensaio em malha fechada. O
período das oscilações, nesta condição, é chamado de período limite ou crítico.
De posse do modelo aproximado do sistema, calcularemos o valor do ganho limite
aplicando o critério de estabilidade de Routh e aplicando a técnica da substituição
direta (s=j.ϖ) obteremos o valor do período limite.
A função de transferência em malha fechada do sistema para variações no valor de
referência é dada pela equação (2.34). Considerando apenas o modo proporcional do
controlador e substituindo as funções de transferência dos dispositivos do sistema
teremos:
( )
( )
6
4
632
7
632
7
1
104,3229s
105,8714
10078,1106924,7
100149,5
12
2,1
2,1
1
10078,1106924,7
100149,5
12
2,1
2,1
0,013582
⋅+
⋅
⋅
⋅+⋅⋅+
⋅
⋅⋅
+
⋅+
⋅+⋅⋅+
⋅
⋅⋅
+
⋅⋅
=
ss
s
K
ss
s
K
sW
sW
C
C
R
( )
( )
( )
( )
( ) ( )
( )
2,1s104,3229s101,078s106924,7
1024,4
1
2,110078,1106924,7
108082,9
6632
13
632
6
1
+⋅⋅+⋅⋅+⋅⋅+
⋅⋅
+
+⋅⋅+⋅⋅+
⋅⋅
=
s
K
sss
K
sW
sW
c
c
R
46
(
)
( )
(
)
( ) ( )
( )
c
c
r
Ks
K
sW
sW
⋅⋅++⋅⋅+⋅⋅+⋅⋅+
⋅⋅+⋅⋅
=
136632
66
1
1024,42,1s104,3229s101,078s106924,7
104,3229s108082,9
(
)
( )
(
)
c
c
r
Ks
K
sW
sW
⋅⋅+⋅+⋅⋅+⋅⋅+⋅⋅+
⋅⋅+⋅⋅
=
131212210364
66
1
1024,4105921,5s107,4s10326,3s103306,4
104,3229s108082,9
O denominador da equação acima representa a equação característica da função de
transferência em malha fechada.
(
)
c
Ks ⋅⋅+⋅+⋅⋅+⋅⋅+⋅⋅=
131212210364
1024,4105921,5107,4s103,326 s104,3306 +ssA
(2.37)
Podemos verificar que a equação acima possui o seguinte formato:
(
)
0as s s +ssA
43
2
2
3
1
4
0
=+⋅+⋅+⋅⋅= aaaa
Comparando a equação característica com a equação acima teremos os seguintes
valores para os coeficientes:
⋅⋅+⋅=
⋅=
⋅=
⋅=
=
c
K
1312
4
12
3
10
2
6
1
0
1024,4105921,5a
107,4a
103,326a
103306,4a
1a
A seguir prepararemos a tabela de coeficientes de Routh para determinarmos o maior
ganho possível (ganho crítico) que manterá o sistema oscilando continuamente.
O critério de Routh afirma que o número de raízes da equação característica com
partes reais positivas, o que tornaria o sistema instável, é igual ao número de mudanças
de sinal dos coeficientes da primeira coluna.
47
Já temos os valores de a
0
e a
1,
que são positivos, restando calcular b
1
, c
2
e d
1
, que
deverão ser positivos também. Calculando b
1
e b
2
teremos:
Tabela 2.4 - Arranjo tabular de Routh
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
0000
000
000
00
-
-
00
0
1
2121
1
1
22
1
2121
1
0
32
1
2131
1
34
1
5041
2
1
3021
1
2
7531
3
6420
4
=
⋅−⋅
=
==
⋅−⋅
=
==
⋅−⋅
=
==
⋅⋅
=
⋅⋅
=
==
=
−
d
dccd
eS
db
c
cbbc
dS
cc
b
baab
cS
ba
a
aaaa
b
a
aaaa
bS
aaaaS
aaaaS
(
)
(
)
10
6
12106
1
103259,3
10,33064
107,41-10326,310,33064
⋅=
⋅
⋅⋅⋅⋅⋅
=
b
c
Kb ⋅⋅+⋅=
1312
2
1024,4105921,5
(
)
(
)
10
131261210
1
103259,3
)1024,4105921,5(103306,4107,4103259,3
⋅
⋅⋅+⋅⋅⋅−⋅⋅⋅
=
c
K
c
1458,85100027,4705522,0
103253,3
108362,1105629,1
20
2023
1
<
⇒
>+⋅−=
⋅
⋅⋅−⋅
=
cc
c
KK
K
c
K
c
<851,1458 (2.38)
Podemos verificar então que para o ganho K
c
=K
cu
=851,1458 o sistema estará no limite
da estabilidade, mantendo oscilações contínuas.
Substituindo o valor do ganho crítico na equação característica (2.37) e a identidade
s=j.ϖ podemos então calcular o período crítico:
48
(
)
(
)
(
)
(
)
(
)
0103,6094 10.7,4103,326 . 104,3306A
161210
2
6
34
=⋅+⋅⋅+⋅⋅+⋅⋅⋅+⋅=⋅
ω
j
ω
j
ω
j
ω
j
ω
j
(
)
0103,6094 10.7,4103,326 . 104,3306A
1612102634
=⋅+⋅⋅+⋅−⋅⋅⋅−=⋅ ωjωωjωωj
(
)
(
)
(
)
010.7,4 104,3306103,6094 103,326 . A
1263161024
=⋅+⋅⋅−⋅+⋅+⋅−=⋅ ωωjωωωj
(2.39)
Para que a identidade acima seja verdadeira tanto a parte real quanto a parte imaginária
devem ser nulas então:
⋅±=⋅±=
⇒
=⋅+⋅−
⋅±==
⇒
⋅+−
3
7,6
5
5,4
162104
3
3,21
1236
101,04168 ,101,8237 010,60893103,326 :Re
101,04167 ,0107,410.3306,4:Im
ωωωω
ωωωω
(2.40)
Dentre as soluções obtidas não é possível definir qual é o período crítico diretamente.
Para isto obtivemos o lugar das raízes do sistema, conforme Figura 2.25. Este tipo de
gráfico mostra a variação da posição dos pólos e zeros, no plano complexo s, de um
sistema linear em função da variação do ganho do controlador entre zero e infinito.
Sabemos que pólos do lado direito do plano complexo levam o sistema à instabilidade
e que pólos sobre o eixo imaginário levam o sistema a oscilações contínuas. Para que o
sistema seja estável os pólos devem estar no semiplano esquerdo.
As linhas que partem da origem dos eixos representam locais do plano complexo s
onde o coeficiente de amortecimento ϕ é constante e as linhas concêntricas em relação
à origem representam os locais do plano complexo s onde a freqüência natural não
amortecida ϖ
n
é constante. Podemos então, ao analisarmos um gráfico do lugar das
raízes determinar, para cada ponto do lugar das raízes, o valor do ganho, as raízes
associadas a este ganho, a freqüência natural não-amortecida, o coeficiente de
amortecimento e ainda o máximo valor de sobre-sinal associado.
49
Figura 2.25 - Lugar das Raízes do sistema em tempo contínuo
As intersecções entre o gráfico do lugar das raízes e o eixo imaginário representam as
raízes do sistema quando o ganho é crítico, ou seja, se investigarmos estes pontos do
gráfico acima podemos determiná-lo e adicionalmente obter a freqüência crítica. Estes
pontos são mostrados na Figura 2.26, que corresponde a uma ampliação da posição
onde o gráfico cruza o eixo imaginário, onde podemos então confirmar os valores
calculados.
A Figura 2.27 mostra os resultados de uma simulação utilizando o ganho crítico
calculado acima. Nela podemos verificar a coerência dos valores calculados, através
dos pontos do gráfico e da forma de onda.
50
Figura 2.26 - Ampliação do lugar das raízes
Figura 2.27 - Simulação para confirmar o ganho e período críticos
51
Verificamos que o sistema passou a oscilar continuamente, indicando que o ganho
crítico calculado levou o sistema ao limite de estabilidade (deslocando os pólos do
sistema em direção ao semiplano da direita e colocando-os sobre o eixo real).
Analisando o lugar das raízes da Figura 2.26 e a forma de onda da Figura 2.27
observamos que a frequência crítica calculada em (2.40) equivale a:
3
2
101,0418 ⋅=
ω
rad/s.
O período das oscilações contínuas pode ser calculado conforme abaixo e confirmado
através dos pontos indicados no gráfico da Figura 2.27.
[ ]
sPP
uu
3-
106,0311
2
⋅=
⇒
⋅
=
ω
π
(2.41)
52
3. CONTROLADORES PID ANALÓGICOS
Nesta etapa do trabalho pretendemos implementar uma malha de controle por
realimentação associada a um controlador PID. Serão aplicadas diversas técnicas de
sintonia e projeto para ajuste do controlador com o objetivo de compará-las e
estabelecer os controladores mais eficientes após a sintonia ou projeto.
Os controladores PID são adequados para o controle de sistemas de primeira e segunda
ordem; para processos mais complexos (afetados por ruídos, altos valores de tempo
morto, processos de ordens superiores, variações freqüentes na carga, etc.) é
necessário o uso de técnicas mais avançadas de controle dentre as quais as redes
neurais, a lógica nebulosa ou fuzzy, os controladores auto-ajustáveis, etc.
A principal vantagem do controlador PID sobre os demais é o fato de que sua teoria é
baseada na análise da resposta de um sistema. Não é necessário o conhecimento do
processo ou do sistema a ser controlado, mas apenas do seu comportamento
transitório, para estabelecer um controlador eficiente.
3.1. O algoritmo do Controlador PID analógico
O controlador PID é o dispositivo de uma malha de controle responsável por manter a
variável controlada em seu valor de referência. Para tal ele recebe as informações
relativas ao valor desta variável, através de uma malha de realimentação, provenientes
de um medidor, compara-as a um valor de referência e envia para sua saída um sinal
53
de controle m(t) que é função do desvio e(t) entre a variável controlada e o valor de
referência.
A equação, ou algoritmo, que relaciona o sinal de controle ao valor do desvio possui
três componentes básicos em sua forma de atuação que serão descritos a seguir.
A atuação proporcional onde a amplitude do valor de saída m(t) é proporcional à
amplitude do desvio e(t). A constante de proporcionalidade é o ganho proporcional K
c
do controlador.
A atuação integral onde a amplitude do valor de saída m(t) é proporcional à integral do
sinal do desvio. A constante de proporcionalidade é o tempo integral T
i
.
A atuação derivativa onde a amplitude do valor de saída m(t) é proporcional à derivada
do sinal do desvio. A constante de proporcionalidade é o tempo derivativo T
d
.
Na prática, os controladores mais comuns usam combinações dos modos acima.
Temos os controladores P, PI, PD e PID. O modo derivativo e o modo integral sempre
são utilizados em combinação com o modo proporcional. O modo proporcional puro
só é utilizado em sistemas onde não exista a necessidade de precisão absoluta na
resposta (GARCIA, 2001).
3.1.1. Modo proporcional
A equação do controlador proporcional no domínio do tempo é dada por:
(
)
(
)
mteKtm
c
+⋅=
Onde
m
é o valor inicial da saída quando o valor do erro for nulo, chamado de
reajuste manual (manual reset).
Considerando as condições iniciais nulas e aplicando a transformada de Laplace
teremos:
54
(
)
(
)
sEKsM
c
⋅=
(3.1)
Inspecionando a equação (3.1) podemos verificar que para que a saída do controlador
M(s) possua um valor finito e diferente de zero, o valor do erro atuante não pode ser
igual a zero. Sempre será necessário um pequeno valor de erro para que o controlador
envie um sinal para sua saída, ou seja, quando o erro tende a zero a saída do
controlador também. Esse valor é chamado de erro em regime permanente, ou erro de
“offset”.
A única forma de eliminar o erro permanente é alterar manualmente o valor da saída
do controlador, através da adição ao algoritmo do valor do reajuste manual (manual
reset).
Valores muito altos do ganho diminuem o valor do erro permanente, porém podem
levar o sistema à instabilidade ou a respostas muito lentas, uma vez que deslocam os
pólos da função de transferência em direção ao semiplano direito do diagrama de pólos
e zeros.
3.1.2. Modo proporcional-integral
Em geral não é utilizado o modo integral puro (GARCIA, 2001), mas em combinações
com o modo proporcional (controlador PI) ou com o modo proporcional e derivativo
(controlador PID).
O modo proporcional-integral é utilizado quando é necessário eliminar o erro em
regime permanente. A saída do controlador neste caso será proporcional ao erro e à
integral do erro.
( ) ( ) ( )
0
t
o
i
c
mdtte
T
1
teKtm +
+⋅=
∫
Onde m
0
é o valor da condição inicial da integral.
55
Supondo as condições iniciais nulas e aplicando a transformada de Laplace à equação
acima teremos:
(
)
( )
⋅
+⋅
⋅=
⋅
+⋅=
i
i
c
i
c
Ts
1Ts
K
Ts
1
1K
sE
sM
(3.2)
Onde T
i
é o tempo integral, o qual representa o tempo em que a contribuição da ação
integral demorará em igualar à ação proporcional. Este tempo geralmente é dado em
segundos ou minutos.
A eliminação do erro em regime permanente é decorrente da adição de um pólo na
origem do sistema, porém, também torna a resposta do sistema mais lenta e mais
instável.
3.1.3. Modo Proporcional-Derivativo
Neste modo temos a ação proporcional combinada com a ação derivativa. O sinal de
saída deste tipo de controlador é proporcional ao erro e à taxa de variação do erro:
( ) ( )
(
)
m
dt
tde
TteKtm
dc
+
+⋅=
Supondo as condições iniciais nulas e aplicando a transformada de Laplace à equação
acima teremos:
(
)
( )
( )
dc
sT1K
sE
sM
+⋅=
(3.3)
Onde T
d
é o tempo derivativo. Este valor representa o tempo em que a ação
proporcional igualará a ação instantânea da componente derivativa.
56
O modo derivativo nunca é utilizado sozinho, uma vez que só responde nos períodos
onde houver variação do erro, ou seja, quando o erro for constante esse modo não afeta
a saída do controlador.
Ao acrescentar amortecimento ao sistema, o modo derivativo de atuação melhora a
estabilidade, permitindo o uso de ganhos maiores pelo controlador, diminuindo desta
forma o erro em regime permanente, sem eliminá-lo.
Um grande inconveniente do modo derivativo é a sua sensibilidade em sistemas
ruidosos. Para atenuar esta sensibilidade é necessário limitar o ganho derivativo em
altas freqüências incluindo um filtro de primeira ordem no termo derivativo como
segue:
(
)
( )
+⋅⋅
⋅
+⋅=
11,0
1
sT
Ts
K
sE
sM
d
d
c
(3.4)
3.1.4. Modo Proporcional-Integral-Derivativo
O controlador PID combina as atuações dos modos proporcional, integral e derivativo.
A equação clássica deste controlador é a que pode ser vista abaixo:
( ) ( ) ( )
(
)
0
t
o
d
i
c
m
dt
tde
Tdtte
T
1
teKtm +
++⋅=
∫
Supondo as condições iniciais nulas e aplicando a transformada de Laplace teremos:
(
)
( )
++⋅=
d
i
c
sT
sT
K
sE
sM 1
1
(3.5)
O algoritmo desenvolvido acima é conhecido como algoritmo clássico. Ele apresenta o
mesmo problema que o controlador proporcional-derivativo em relação à sensibilidade
a ruídos provocada pelo termo derivativo. Para atenuar esta sensibilidade é necessário
57
limitar o ganho derivativo em altas freqüências incluindo um filtro de primeira ordem
no termo derivativo, como já foi feito anteriormente. O algoritmo para o controlador
PID modificado segue abaixo:
(
)
( )
+⋅⋅
⋅
+
⋅
+⋅=
11,0
1
1
sT
Ts
Ts
K
sE
sM
d
d
i
c
(3.6)
Este algoritmo é conhecido como algoritmo PID com limitação do ganho derivativo.
O ajuste dos parâmetros do controlador é chamado de sintonia. Diversos métodos
foram desenvolvidos para realizar a sintonia, baseados em técnicas empíricas e
analíticas. Nas próximas seções serão utilizadas algumas dessas técnicas para
sintonizar diversos controladores PID para o sistema.
3.2. Critérios para avaliação de desempenho
Para avaliação e comparação dos controladores obtidos será necessário estabelecer
critérios de desempenho em regime permanente e transitório. Entre os critérios mais
comuns estão os critérios no domínio do tempo, o erro em regime permanente e os
critérios integrais de erro.
3.2.1. Critérios de erro integrado
Existem diversos critérios para comparação entre controladores considerando o erro
em regime transitório. Eles são úteis na avaliação porque geram parâmetros numéricos
que podem ser facilmente comparados. Dentre esses critérios os mais importantes são
o ITAE e o ITSE.
O ITAE – integral do erro absoluto multiplicado pelo tempo – penaliza mais erros que
ocorrem mais tarde do que erros iniciais grandes. A relação para cálculo do ITAE é
dada abaixo:
58
( )
dttetITAE
0
∫
∞
⋅=
Percebemos então que controladores que geram erros em regime permanente possuirão
índices mais rigorosos do que outros controladores.
O ITSE – integral do erro quadrático multiplicado pelo tempo – penaliza erros que
ocorrem mais tarde mais fortemente que os erros dos momentos iniciais do transitório.
Além disso, erros muito grandes são penalizados fortemente (GARCIA, 2001).
A relação para cálculo do ITSE é dada abaixo:
( )
dttetITSE
0
2
∫
∞
⋅=
3.2.2. Erro em regime permanente
O erro em regime permanente é a diferença entre o sinal de entrada e o sinal de saída,
para determinado tipo de sinal de entrada, depois de passado o tempo de estabilização.
O diagrama de blocos da Figura 2.24 representa a malha fechada por realimentação.
Iremos obter então as equações que relacionam o erro a variações no calor de
referência e perturbações na carga; Com as equações obtidas aplicaremos o Teorema
do Valor Final para verificarmos o valor do erro para diversos tipos de controladores.
(
)
(
)
(
)
(
)
[
]
(
)
sGsWsWKsWsE
MM21MMR
⋅−−⋅=
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
sGsGsTsEsGsGKsGsGKsWsE
MMLCMMMACAQCMMR
⋅⋅+⋅⋅⋅⋅⋅−⋅=
(3.7)
Supondo as variações na carga nula teremos:
(
)
(
)
(
)
(
)
(
)
(
)
(
)
sEsGsGKsGsGKsWsE
MMMACAQCMMR
⋅⋅⋅⋅⋅−⋅=
59
( )
(
)
( ) ( ) ( ) ( )
sGsGKsGsG
KsW
sE
MMMACAQC
MMR
⋅⋅⋅⋅+
⋅
=
1
Supondo que o valor de referência seja um degrau unitário a equação acima fica:
( )
( ) ( ) ( ) ( )
[ ]
ssGsGKsGsG
K
sE
MMMACAQC
MM
⋅⋅⋅⋅⋅+
=
1
As funções de transferência do motor, do medidor e do sistema de aquisição de dados
possuem os seguintes formatos:
( )
( ) ( )
M2M1
1
M
psps
K
sG
+⋅+
=
( )
( )
MM
2
MM
ps
K
sG
+
=
( )
( )
AQ
AQ
AQ
ps
K
sG
+
=
Substituindo na equação do erro teremos:
( )
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
sG
K
sE
MMMMAQ
ACAQ
C
MM
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅+
=
21
21
1
(3.8)
A seguir analisaremos para cada tipo de controlador qual será o valor do erro em
regime estacionário, considerando como sinal de entrada o degrau unitário.
Substituindo a equação do controlador proporcional na equação (3.8) e aplicando o
teorema do valor final teremos:
60
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
K
K
sE
MMMMAQ
ACAQ
C
MM
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅+
=
21
21
1
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
K
K
stee
MMMMAQ
ACAQ
C
MM
st
ss
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅+
⋅==
→∞→
21
21
0
1
limlim
2121
21
21
21
1
KKKKKpppp
ppppK
pppp
KKKK
K
K
e
ACAQCMMMMAQ
MMMMAQMM
MMMMAQ
ACAQ
C
MM
ss
⋅⋅⋅⋅+⋅⋅⋅
⋅⋅⋅⋅
=
⋅⋅⋅
⋅⋅⋅
⋅+
=
Verificamos que o controlador proporcional não elimina o erro em regime
estacionário, quando o sinal de entrada é o degrau unitário.
Substituindo a equação do controlador PD na equação (3.8) e aplicando o teorema do
valor final teremos:
( )
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
sTK
K
sE
MMMMAQ
ACAQ
dC
MM
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅⋅+⋅+
=
21
21
11
( )
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
sTK
K
stee
MMMMAQ
ACAQ
dC
MM
st
ss
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅⋅+⋅+
⋅==
→∞→
21
21
0
11
limlim
2121
21
21
21
1
KKKKKpppp
ppppK
pppp
KKKKK
K
e
ACAQCMMMMAQ
MMMMAQMM
MMMMAQ
ACAQC
MM
ss
⋅⋅⋅⋅+⋅⋅⋅
⋅⋅⋅⋅
=
⋅⋅⋅
⋅⋅⋅⋅
+
=
O controlador PD apresentou resultado idêntico ao controlador proporcional.
Verificamos que a adição do termo derivativo não elimina e tampouco afeta o erro
estacionário.
61
Substituindo a equação do controlador PI na equação (3.8) e aplicando o teorema do
valor final teremos:
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
sT
K
K
sE
MMMMAQ
ACAQ
i
C
MM
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅
⋅
+⋅+
=
21
21
1
11
( )
( )
( )
( ) ( ) ( )
s
sTpspspsps
KKKKKsT
K
sE
iMMMMAQ
ACAQCi
MM
⋅
⋅⋅+⋅+⋅+⋅+
⋅⋅⋅⋅⋅+⋅
+
=
21
21
1
1
( )
(
)
(
)
(
)
(
)
( )
( ) ( ) ( ) ( )
[ ]
sKKKKKsTsTpspspsps
sTpspspspsK
sE
ACAQCiiMMMMAQ
iMMMMAQMM
⋅⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅+⋅+⋅+
⋅⋅+⋅+⋅+⋅+⋅
=
2121
21
1
(
)
( )
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
[ ]
sKKKKKsTsTpspspsps
sTpspspspsK
s
tee
ACAQCiiMMMMAQ
iMMMMAQMM
s
t
ss
⋅⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅+⋅+⋅+
⋅⋅+⋅+⋅+⋅+⋅
⋅=
==
→
∞→
2121
21
0
1
lim
lim
(
)
(
)
(
)
(
)
( )
( ) ( ) ( ) ( )
[ ]
0
1
0
2121
21
=
⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅+⋅+⋅+
⋅
⋅
+
⋅
+
⋅
+
⋅
+
⋅
=
KKKKKsTsTpspspsps
TpspspspsK
e
ACAQCiiMMMMAQ
iMMMMAQMM
ss
Verificamos que a adição do termo integral eliminou o erro em regime permanente.
Substituindo a equação do controlador PID na equação (3.8) e aplicando o teorema do
valor final teremos:
( )
( )
( ) ( ) ( )
s
pspspsps
KKKK
sT
sT
K
K
sE
MMMMAQ
ACAQ
d
i
C
MM
⋅
+⋅+⋅+⋅+
⋅⋅⋅
⋅
⋅+
⋅
+⋅+
=
21
21
1
11
62
( )
(
)
(
)
(
)
(
)
( )
( ) ( ) ( )
( )
[ ]
sKKKKKsTsTTsTpspspsps
sTpspspspsK
sE
ACAQCiidiMMMMAQ
iMMMMAQMM
⋅⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅⋅+⋅+⋅+⋅+
⋅⋅+⋅+⋅+⋅+⋅
=
21
2
21
21
1
(
)
(
)
(
)
(
)
( )
( ) ( ) ( )
( )
[ ]
sKKKKKsTsTTsTpspspsps
sTpspspspsK
se
ACAQCiidiMMMMAQ
iMMMMAQMM
s
ss
⋅⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅⋅+⋅+⋅+⋅+
⋅
⋅
+
⋅
+
⋅
+
⋅
+
⋅
⋅=
→
21
2
21
21
0
1
lim
(
)
(
)
(
)
(
)
( )
( ) ( ) ( )
( )
[ ]
0
1
0
21
2
21
21
=
⋅⋅⋅⋅⋅+⋅+⋅⋅+⋅⋅+⋅+⋅+⋅+
⋅⋅+⋅+⋅+⋅+⋅
=
KKKKKsTsTTsTpspspsps
TpspspspsK
e
ACAQCiidiMMMMAQ
iMMMMAQMM
ss
O controlador PID também elimina o erro em regime permanente devido a adição do
integrador (pólo na origem do plano complexo s).
3.2.3. Critérios no domínio do tempo
Os critérios mais usuais, no domínio do tempo, podem ser verificados na Figura 3.1,
onde, foi utilizado como sinal de teste um degrau unitário. São eles:
Máximo valor de sobre-sinal (Maximum overshoot) - m
p
– é a relação entre o valor
máximo da saída (ao longo do tempo) e o valor da saída em regime, pode ser calculado
por:
(
)
(
)
( )
∞
∞
−
=
y
yty
m
p
p
O instante de pico (Peak time) - t
p
– é o tempo necessário para a resposta atingir o seu
valor máximo.
O tempo de subida (Rise time) - t
r
– é o tempo necessário para que a resposta do
sistema varie entre 10% e 90% do valor final de regime.
63
O tempo de acomodação (Settling time) - t
s
– é o tempo necessário para que a resposta
do sistema atinja e permaneça numa faixa de regime correspondente a 2% do valor
final.
Para sistemas de segunda ordem existem expressões analíticas para cálculo desses
valores. Nosso sistema não é de segunda ordem, uma vez que o motor mais o medidor
possuem três pólos, portanto iremos utilizar como critério apenas o máximo valor de
sobre-sinal e o tempo de acomodação.
Figura 3.1 - Parâmetros de desempenho para resposta ao degrau
3.3. Métodos de sintonia e projeto de controladores PID analógicos
Sintonizar um controlador é a atividade de ajuste dos parâmetros do mesmo, de forma
a atender a diversos critérios para a resposta do sistema.
Em geral procura-se atender aos seguintes critérios:
64
1. Minimização da área da curva de resposta do sistema correspondente ao erro do
controlador.
2. Critério da perturbação mínima onde se deseja que o sistema atinja a
estabilidade no menor tempo possível.
3. Critério da amplitude mínima das oscilações onde se deseja que a amplitude do
sinal de saída seja a menor possível.
Diversos métodos de sintonia foram desenvolvidos de forma a atender tais critérios,
mas a maioria deles considera o critério da área mínima, ou seja, procuram minimizar
a integral do erro ao longo do tempo.
O modelo obtido para a MCC é do tipo 2
a
ordem sem tempo morto, sendo
superamortecido como foi visto anteriormente através dos ensaios, logo, métodos de
sintonia baseados em modelos de 1
a
ordem mais tempo morto (Curva de reação,
Cohen-Coon e etc.) não podem ser aplicados a este caso (GARCIA, 2001).
Neste trabalho exploraremos o método das oscilações continuas de Ziegler e Nichols,
baseado em relações empíricas de ajuste, e dois métodos baseados no modelo do
processo: a síntese direta e o projeto por cancelamento de pólos.
3.3.1. Método das oscilações contínuas de Ziegler-Nichols (OCZN)
Neste método, proposto em 1942 por Ziegler e Nichols, os valores dos parâmetros do
controlador são funções do ganho limite do controlador (K
cu
) e do período limite (P
u
),
obtidos ao levar-se o sistema ao limite da estabilidade.
Este método foi desenvolvido para prover uma resposta com decaimento de 1/4 entre o
primeiro e o segundo picos da resposta ao degrau em malha fechada.
65
Não é necessário o conhecimento do modelo do processo, por que o ganho e período
limites podem ser obtidos através de ensaios no campo, aplicando entradas em degrau
unitário no sistema e variando o ganho do controlador até obter as oscilações
contínuas, porém, neste caso temos os mesmos inconvenientes dos métodos de
tentativa e erro, ou seja, gastos elevados com matéria-prima e custos de mão-de-obra
elevados. Outra consideração importante é que levar um sistema ao limite da
estabilidade é extremamente perigoso, por que podemos extrapolá-lo causando
acidentes, danificando equipamentos ou ainda interrompendo a produção com perdas
de matéria-prima.
Uma modificação do método de Ziegler-Nichols foi proposta por Åström e Hägglund
(ÅSTRÖM et al, 1995), apresentando uma metodologia que propicia a oscilação do
sistema com pequenas amplitudes e uma relação, para a partir desta amplitude,
calcular o ganho crítico. Quando não se tem o modelo do processo, esta modificação
propicia maior segurança no momento de realizar os ensaios em malha fechada, uma
vez que não é necessário levar o sistema ao limite de instabilidade. Como temos o
modelo do processo não é necessário o uso desta modificação.
A Tabela 3.1 apresenta os valores dos parâmetros para controladores P, PI, PD e PID
em função dos valores do ganho e período críticos do sistema, conforme desenvolvido
por Ziegler e Nichols.
Tabela 3.1 – Valores dos parâmetros do controlador por Ziegler-Nichols
Controlador K
C
T
i
T
d
P
0,5.K
CU
- -
PI
0,45.K
CU
P
U
/1,2 -
PD
0,6.K
CU
- P
U
/8
PID
0,6.K
CU
P
U
/2 P
U
/8
66
A Tabela 3.2 apresenta os valores dos parâmetros de sintonia considerando o período e
ganho críticos calculados anteriormente.
Tabela 3.2 – Valores obtidos para os parâmetros de sintonia
Controlador K
C
T
i
T
d
P
425,6 - -
PI
383,0
5,0259
.
10
-3
-
PD
510,7 -
7,5389
.
10
-4
PID
510,7
3,0156
.
10
-3
7,5389
.
10
-4
Abaixo apresentamos os controladores obtidos, utilizando os dois algoritmos
propostos:
( )
⋅⋅+
⋅⋅
+⋅=
−
−
s
s
s
G
C
4
3
1
105389,7
100156,3
1
1,7510
( )
+⋅⋅
⋅⋅
+
⋅⋅
+⋅=
−
−
−
1105389,7
105389,7
100156,3
1
15,510
5
4
3
2
s
s
s
s
G
C
( )
⋅⋅
+⋅=
−
s
s
G
C
3
3
100259,5
1
1,0383
(
)
6,425
4
=s
G
C
(
)
(
)
ss
G
C
⋅⋅+⋅=
−4
5
105389,717,510
( )
+⋅⋅
⋅⋅
+⋅=
−
−
1105389,7
105389,7
17,510
5
4
6
s
s
s
G
C
67
3.3.2. Método da síntese direta
Neste método obrigatoriamente precisamos do modelo matemático do sistema
representado por suas funções de transferência. Estipula-se então a resposta desejada
para o sistema e a equação do controlador é desenvolvida analiticamente.
Iremos manipular algebricamente a equação (2.34), que representa a função de
transferência em malha fechada do servossistema, de forma a obter a equação para o
controlador em função do modelo dos demais elementos da malha de controle.
(
)
( )
( ) ( ) ( ) ( ) ( )
[
]
( ) ( ) ( ) ( )
sGsGsGsGKsGsGsGsGsG
sW
sW
MACAQCMMMMMACAQC
R
⋅⋅⋅=⋅⋅⋅+⋅ . . 1
1
(
)
( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
(
)
( )
sW
sW
sGsGsGsGsGsGsGsGsGK
sW
sW
R
MMMACAQCMACAQCMM
R
11
⋅⋅⋅⋅⋅−⋅⋅⋅⋅=
(
)
( )
( )
(
)
( )
( ) ( ) ( ) ( )
sGsGsGsG
sW
sW
sGK
sW
sW
MACAQC
R
MMMM
R
⋅⋅⋅⋅
⋅−=
11
( )
(
)
( )
( )
( )
( )
( ) ( ) ( )
sGsGsG
sW
sW
sGK
sW
sW
sG
MACAQ
R
MMMM
R
C
⋅⋅⋅
⋅−
=
1
1
Para simplificação do controlador obtido, consideraremos o medidor como ideal. Além
disso, simplificamos o modelo do motor (2.26), desprezando sua menor constante de
tempo, resultando em:
( )
( )
23
104272,1
3914,6639
110.0067,7
5204,46
⋅+
=
+
=
−
ss
sG
MAprox
Obteremos então:
68
( )
(
)
( )
( )
( )
( ) ( ) ( )
MMMAproxACAQ
R
R
C
KsGsGsG
sW
sW
sW
sW
sG
⋅⋅⋅⋅
−
=
1
1
1
(3.9)
A resposta desejada, para uma mudança em degrau do valor de referência, deve ser a
mais próxima possível de um degrau. Como fisicamente não é possível realizar um
controlador que responda imediatamente, vamos admitir um pequeno atraso na
resposta do controlador. Logo podemos escrever:
(
)
( )
τ⋅+
=
cR
1
s1
1
sW
sW
, onde τ
c
é o atraso proposto.
Substituindo a relação acima na equação (3.9) teremos:
( )
( ) ( ) ( )
MMMAproxACAQ
c
c
C
KsGsGsG
s
s
sG
⋅⋅⋅⋅
⋅+
−
⋅+
=
τ
τ
1
1
1
1
1
( )
( ) ( ) ( )
MMMAproxACAQ
c
c
c
C
KsGsGsG
s
s
s
sG
⋅⋅⋅⋅
⋅+
⋅
⋅+
=
τ
τ
τ
1
1
1
( )
( ) ( ) ( )
cMMMAproxACAQ
C
sKsGsGsG
sG
τ
⋅⋅⋅⋅
=
.
1
Substituindo as funções de transferência dos dispositivos, e denominando este
controlador de G
C7
teremos:
( )
c
C
s
ss
sG
τ
⋅⋅⋅
⋅+
⋅⋅
+
=
0,013582
104272,1
3914,6639
12
2,1
2,1
1
2
7
69
( )
++⋅
⋅⋅
=
⋅⋅⋅
+⋅+
= s
ss
ss
sG
cc
C
92,143
171,264
102985,1
1
102985,1
171,26492,143
33
2
7
ττ
( )
⋅⋅++⋅
⋅⋅
= s
s
sG
c
C
3-
3
7
109483,6
1,19
1
102985,1
143,92
τ
( )
⋅⋅+
⋅⋅
+⋅
⋅
=
−
s
s
sG
c
C
3-
2
-2
7
109483,6
100336,84
1
1
1011,0836
τ
A estrutura do controlador acima é a de um controlador PID, utilizando o algoritmo
clássico, com os seguintes parâmetros:
3
2-
2
109483,6
100336,48
1011,0836
−
−
⋅=
⋅=
⋅=
d
i
cc
T
T
K
τ
Faremos a escolha de τ
c
adotando como critério a estabilidade do sistema em malha
fechada, ou seja, como τ
c
afeta diretamente o ganho proporcional do controlador
adotaremos um valor que não leve o sistema à instabilidade.
O ganho crítico do controlador, limite para estabilidade do sistema, calculado
anteriormente é K
C
=K
CU
=851. Logo escolheremos τ
c
num intervalo que não permita
que o sistema torne-se instável. Para tal teremos:
4
2
103024,1851
1011,0836
−
−
⋅>⇒<
⋅
C
C
τ
τ
Quanto mais próximo do limite de estabilidade o sistema operar mais oscilatório será
seu comportamento, portanto adotaremos um valor para τ
c
2 vezes superior ao seu
valor mínimo de forma a nos afastarmos desse limite.
Nesta condição o ganho proporcional do controlador será dado por:
70
51,425
106048,2
1011,0836
4
2
=
⋅
⋅
=
−
−
c
K
Para este ganho a equação do controlador ficará:
( )
⋅⋅+
⋅⋅
+⋅=
−
s
s
sG
C
3-
2
7
109483,6
100336,84
1
151,425
3.3.3. Projeto por cancelamento de pólos
Sabemos que a estabilidade de um sistema linear está diretamente associada à posição
dos pólos no plano complexo s. Para que o sistema seja estável, seus pólos devem estar
no semiplano da esquerda do plano s. Caso um pólo apenas esteja localizado no lado
direito o sistema será instável. Quanto mais próximo do eixo imaginário estiver um
pólo dominante do sistema maior será a velocidade de resposta e quanto mais próximo
do eixo real maior o amortecimento. Podemos verificar então que modificando a
posição, cancelando e/ou adicionando pólos, através do projeto adequado do
controlador, podemos obter resultados satisfatórios para a resposta transitória.
Uma técnica muito simples para cálculo dos parâmetros de um controlador é o
cancelamento de pólos do sistema. Em geral opta-se por cancelar o pólo dominante do
sistema (aquele que está mais próximo do eixo imaginário).
Sabemos que a função de transferência do motor representa um sistema de segunda
ordem superamortecido com um coeficiente de amortecimento maior que um.
Desejamos tornar a resposta transitória mais rápida sem causar valores muito altos de
sobre-sinal. Para tal vamos considerar o coeficiente de amortecimento ξ=0,358 que
deverá gerar um sobre-sinal de aproximadamente 30% conforme podemos verificar na
equação abaixo, que relaciona o valor do sobre-sinal ao coeficiente de amortecimento.
71
%98,29
12816,01
358,0
e
2
1
eM
p
≅
−
⋅π−
=
ξ−
ξ
⋅
π
−
=
A equação característica, em malha fechada, é dada por:
(
)
(
)
(
)
(
)
0 . (s)1 =⋅⋅⋅+= sGsGKGsGsA
MMMACAQC
Considerando o medidor com dinâmica desprezível e o modelo aproximado do motor
de forma a obtermos uma equação característica típica para um sistema de segunda
ordem, podemos simplificá-la como segue:
(
)
(
)
(
)
(
)
0 1 =⋅⋅⋅⋅+=
MMMAproxACAQC
KsGKsGsGsA
Substituindo as funções de transferência dos dispositivos, teremos:
( )
00,013582
104272,1
3914,6639
12
2,1
2,1
1
2
=⋅
⋅+
⋅⋅
+
⋅+
ss
sG
c
( )
( ) ( )
0
142,722,1s
1298,5375
1 =
+⋅+
⋅+
s
sG
c
Para projeto de um controlador proporcional iremos considerar G
C
(s)= K
C
, logo:
05375,1298171,264 s92,143
2
=⋅++⋅+
c
Ks
Comparando a equação acima com o denominador,
2
nn
2
s2s ω+⋅ω⋅ξ⋅+
, da equação
canônica dos sistemas de segunda ordem teremos:
⋅+=
=⋅⋅
cn
n
K
5375,1298171,264
92,1432
2
ω
ωξ
Impondo ξ = 0,358 e resolvendo o sistema de equações acima teremos:
72
=
=
98,30
/r201,0056
c
n
K
sad
ω
A equação do controlador proporcional será dada por:
(
)
98,30s
G
C8
=
Para projeto do controlador proporcional-integral iremos considerar a equação abaixo,
que propiciará o cancelamento do pólo dominante do sistema.
( )
(
)
s
sK
c
1,2
s
G
C9
+
⋅
=
s 8333,0
1,2
1
T
i
==
Substituindo na equação característica teremos:
(
)
( ) ( )
0
142,722,1s
1298,53751,2
1
=
+⋅+
⋅
+
⋅
+
ss
sK
c
01298,5375 s72,142s
2
=⋅+⋅+
c
K
Comparando a equação acima com o denominador,
2
nn
2
s2s
ω+⋅ω⋅ξ⋅+
, da equação
canônica dos sistemas de segunda ordem teremos:
⋅=
=⋅⋅
cn
n
K
5375,1298
72,1422
2
ω
ωξ
Impondo ξ = 0,358 e resolvendo o sistema de equações acima teremos:
=
=
598,30
rad/s3296,199
c
n
K
ω
73
A equação do controlador proporcional-integral será dada por:
( )
⋅
+⋅=
s
0,8333
1
1598,30s
G
C9
Para o caso do controlador PID será considerada a função de transferência completa do
motor (2.26), de forma a obter após o cancelamento dos pólos do motor pelo
controlador, uma equação característica no formato da equação canônica dos sistemas
de segunda ordem. Não foi considerada a função de transferência do medidor. Neste
caso, ela ficará como segue:
( )
0
10078,1106924,7
100149,5
12
2,1
2,1
1
632
7
=
⋅+⋅⋅+
⋅
⋅⋅
+
⋅+
sss
sG
C
( )
( )
( ) ( )
0
104272,1105496,72,1s
0722,1456.1
1
23
6
=
⋅+⋅⋅+⋅+
⋅+
ss
sG
C
Imporemos a seguinte equação para o controlador, que irá cancelar o pólo dominante
do motor e o pólo do sistema de aquisição:
( )
(
)
(
)
s
ssK
C
72,1422,1
s
G
C10
+
⋅
+
⋅
=
Substituindo na equação característica teremos:
( )
0
105496,7s
10722,1456
1
3
6
=
⋅+
⋅
⋅+
s
K
C
01456,722s105496,7s
32
=⋅+⋅⋅+
c
K
Comparando a equação acima com o denominador,
2
nn
2
s2s ω+⋅ω⋅ξ⋅+
, da equação
canônica dos sistemas de segunda ordem teremos:
74
⋅=
⋅=⋅⋅
cn
n
K1456,722
105496,72
2
3
ω
ωξ
Impondo ξ = 0,358 e resolvendo o sistema de equações acima teremos:
=
⋅=
3
3
10.9561,153
rad/s 1010,544
c
n
K
ω
Substituindo K
C
na equação do controlador e rearranjando-a teremos:
( )
⋅+
⋅
+⋅=
−
s
s
3
C10
10.9483,6
84034,0
1
17339,1069s
G
3.4. Comparação dos controladores obtidos
Os sistemas obtidos com os controladores projetados anteriormente foram submetidos
a duas baterias de simulações considerando variações no valor de referencia e
variações na carga, para analise do desempenho de cada um dos controladores. Para tal
foi utilizado o Simulink
®
, pacote de simulação do MATLAB
®
.
Diversos algoritmos de integração, disponíveis no Simulink
®
, foram testados, porém o
que apresentou os resultados mais precisos foi o ODE23 o qual foi adotado para todas
as simulações. O Simulink
®
foi configurado ainda com fator de refinamento unitário,
tolerância relativa de 1
.
10
-4
, tolerância absoluta automática e tempo de simulação de
5.10
-3
segundos.
Durante as simulações verificamos que o controlador Proporcional-Integral G
C3
levou
o sistema à instabilidade e, portanto foi descartado das comparações.
75
3.4.1. Resultados da primeira bateria de simulações
Na primeira bateria de simulações foi aplicado no instante t=0 um degrau unitário no
valor de referência a cada um dos sistemas. Foram levantados os máximos valores de
sobre-sinal e tempo de acomodação para cada um dos sistemas.
A Figura 3.2 apresenta as respostas obtidas para os controladores sintonizados por
Ziegler-nichols. Observamos que G
C3
levou o sistema a instabilidade e que G
C4
apresentou o maior sobressinal. Os controladores PD apresentaram sobressinal menor
que os controladores PID
Figura 3.2 – Resposta a degrau unitário – Controladores sintonizados pelo método de Ziegler-Nichols
A Figura 3.3 apresenta a resposta a degrau dos controladores sintonizados por síntese
direta e por cancelamento de pólos.
76
É interessante observar a semelhança entre os controladores G
C7
e G
C10
. De fato como
o controlador PID G
C7
foi projetado para obtermos uma resposta a mais próxima
possível de um degrau, ele efetivamente cancela os pólos do motor, de forma análoga
ao projeto por cancelamento de pólos. Embora o ganho do controlador G
C10
seja
aproximadamente duas vezes superior ao ganho do controlador G
C7
não houve melhora
do desempenho, uma vez que as curvas de resposta são muito parecidas. Neste caso
concluímos que o uso do controlador G
C7
seria vantajoso em relação a G
C10
uma vez
que teríamos menor esforço de controle, traduzindo-se numa maior vida útil do
circuito de acionamento.
Figura 3.3 - Resposta a degrau unitário – Controladores sintonizados por síntese direta e cancelamento de
pólos
77
Observamos que dentre estes controladores o pior desempenho foi obtido para o
controlador G
C3
, que apresentou resposta instável. Por isto seus resultados serão
desprezados na análise de desempenho.
Para análise dos resultados vamos verificar o sobre-sinal máximo, o tempo de
acomodação, o erro em regime permanente e os índices ITAE e ITSE.
Podemos verificar que os controladores sintonizados pelo método de Ziegler-Nichols
apresentaram valores de sobre-sinal superiores aos demais. Isto pode ser verificado
claramente na Figura 3.4 que mostra os valores de sobre-sinais obtidos para cada
controlador.
O controlador PID G
C7
projetado por síntese direta apresentou um valor mínimo para o
sobre-sinal, conforme esperado uma vez que seu projeto levou em consideração que a
resposta do sistema seria o mais próximo possível de um degrau unitário. O
controlador proporcional G
C8
e o proporcional-integral G
C9
, projetados por
cancelamento de pólos atingiram as especificações de projeto que consideravam um
sobre-sinal máximo de aproximadamente 30%. O controlador PID G
C10,
contudo,
apesar de ser projetado para um sobre-sinal máximo de 30%, não atingiu o valor
esperado. No projeto deste controlador os pólos do motor, mais próximos do
semiplano da direita, são cancelados restando apenas o pólo relativo ao medidor, que
por estar muito distante do eixo imaginário, acrescenta muito amortecimento ao
sistema. Verificamos que este controlador apresenta sobre-sinal semelhante ao
controlador PID G
C7
que não leva em conta no seu projeto o pólo relativo ao medidor e
considera o modelo simplificado do motor.
78
0
20
40
60
80
100
120
Gc7
PID
Gc10
PID
Gc5
PD
Gc8
P
Gc9
PI
Gc6
PD
Gc1
PID
Gc4
P
Gc2
PID
Figura 3.4 - Sobre-sinal máximo dos controladores analógicos
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
Gc5
PD
Gc7
PID
Gc6
PD
Gc1
PID
Gc8 P Gc2
PID
Gc9 PI Gc4 P Gc10
PID
Figura 3.5- Tempos de acomodação dos controladores analógicos
Os tempos de acomodação são apresentados na Figura 3.5. Nela podemos verificar que
com exceção do controlador proporcional G
C10
, que apresentou resposta muito lenta e
do controlador G
C3
(que levou o sistema à instabilidade), todos os outros controladores
estabilizam rapidamente em tempos menores que 0,11 s, ou seja, no mínimo 18 vezes
mais rápido que no sistema original em malha aberta.
79
0,00E+00
5,00E-03
1,00E-02
1,50E-02
2,00E-02
2,50E-02
3,00E-02
3,50E-02
4,00E-02
PID PID PID PI PID PD PD P P
GC1 GC2 GC7 GC9 GC10 GC6 GC5 GC8 GC4
Figura 3.6 - Erro em regime permanente
Os valores para o erro em regime permanente são apresentados na Figura 3.6.
Conforme esperado os erros em regime estacionário só ocorreram nos controladores,
que não possuem a ação integral, ou seja, os controladores proporcionais (G
C4
e G
C8
) e
proporcionais-derivativos (G
C5
e G
C6
). Dentre os controladores que apresentaram erro
em regime estacionário os que geraram os maiores erros foram G
C4
e G
C8.
0,00E+00
1,00E-03
2,00E-03
3,00E-03
4,00E-03
5,00E-03
PD PD PID P PI PID PID P PID
GC6 GC5 GC7 GC8 GC9 GC2 GC10 GC4 GC1
Figura 3.7 - Índices ITAE obtidos durante a 1a bateria de simulações
80
Os valores obtidos para o ITAE, apresentados na Figura 3.7, indicam que os
controladores G
C1
, G
C4
, G
C2
, e G
C10
, ou demoram muito para atingir a estabilidade ou
apresentam erros estacionários altos em relação aos demais, uma vez que este índice
penaliza mais erros que ocorrem mais tarde (GARCIA, 2001). De fato estes
controladores apresentam também elevados tempos de estabilização.
Os controladores proporcionais G
C4
e G
C8
também apresentaram erro em regime
estacionário bem superior aos demais controladores. O controlador PID G
C10
não
atingiu o valor de referência no período simulado e o controlador PI G
C9
possui um
dos maiores tempos de acomodação inferior apenas a G
C4
e G
C10
. G
C4
adicionalmente
apresentou uma resposta muito mais oscilatória que as demais, justificando assim
possuir o elevado índice ITAE.
Pelo índice ITAE os melhores controladores seriam o PD G
C6
, seguido do PD G
C5
, do
PID G
C7
e do P G
C8
e os piores controladores seriam o proporcional G
C4
e os PID’s
G
C10
e G
C1
.
A Figura 3.8 apresenta os valores obtidos para o índice ITSE obtidos na 1
a
bateria de
simulações. Este índice penaliza mais fortemente erros que ocorrem mais tarde e erros
muito grandes (GARCIA, 2001).
0,00E+00
1,00E-04
2,00E-04
3,00E-04
4,00E-04
5,00E-04
6,00E-04
7,00E-04
8,00E-04
9,00E-04
1,00E-03
PD PD P PID PID PID PID P PI
GC5 GC6 GC8 GC9 GC7 GC10 GC2 GC4 GC1
Figura 3.8 - Índices ITSE obtidos durante a 1a bateria de simulações
81
Por este critério os melhores controladores seriam G
C5
e G
C6,
seguidos pelos
controladores G
C8
e G
C9
, enquanto que o controlador PI G
C1
seria o pior.
3.4.2. Resultados da segunda bateria de simulações
Na segunda bateria de simulações foi aplicado um degrau unitário no valor de
referência em t=0 e passado o tempo de acomodação aplicamos um degrau de 0,2 na
carga de forma a verificar o efeito da variação de carga na resposta do sistema.
A Figura 3.9 apresenta a forma de onda obtida no sistema em malha fechada, quando
submetido à variação de carga utilizando os controladores projetados pelo método de
Ziegler-Nichols, exceto o controlador G
C3
que apresenta resposta instável. Para o
sistema em malha aberta, efetuamos o ensaio a degrau unitário, sem carga, até 3s,
suficiente para acomodação do sinal, e em seguida aplicamos o degrau de 0,2 na carga.
Figura 3.9 – Resposta a degrau unitário e variação de 0,2 na carga – Controladores sintonizados pelo
método de Ziegler-Nichols
82
Verificamos que todas as respostas convergem para o valor de referencia ajustado
porém o controlador G
C4
apresentou uma resposta mais lenta e mais oscilatória.
A Figura 3.10 apresenta as formas de onda obtidas pelos controladores projetados por
síntese direta e por cancelamento de pólos nas mesmas condições de variação de carga
dos outros controladores citados acima.
As respostas de todos os controladores convergiram para o valor de referencia porem
cabe ressaltar que a variação na carga causou um disturbio maior nos controladores
PID.
Figura 3.10 – Resposta a degrau unitário e variação de 0,2 na carga – Controladores sintonizados por
síntese direta e cancelamento de pólos
Os índices ITAE e ITSE foram levantados para a resposta de cada um dos
controladores.
83
0,00E+00
5,00E-04
1,00E-03
1,50E-03
2,00E-03
2,50E-03
3,00E-03
PD PD PID PID PID P PI P PID
GC6 GC5 GC7 GC1 GC2 GC4 GC9 GC8 GC10
Figura 3.11 - Índices ITAE obtidos com variação de carga
Os valores obtidos para o ITAE são apresentados na Figura 3.11. Podemos constatar
que os piores controladores são os controladores projetados pelo método do
cancelamento de pólos (G
C10
, G
C8
e G
C9
) e os melhores são os controladores PD’s G
C6
e G
C5
. Os valores obtidos para o ITSE são apresentados na Figura 3.12. Neste caso os
piores controladores são G
C8
e G
C9
e os melhores são os controladores G
C7
e G
C5
.
0,00E+00
2,00E-04
4,00E-04
6,00E-04
8,00E-04
1,00E-03
1,20E-03
1,40E-03
1,60E-03
1,80E-03
2,00E-03
PID PD PD PID PID P PID PI P
GC7 GC5 GC6 GC1 GC2 GC4 GC10 GC9 GC8
Figura 3.12 - Índices ITSE obtidos com variação de carga
3.5. Conclusões
Os critérios acima permitiram que tirássemos diversas conclusões, porém, a escolha do
melhor controlador depende de cada projeto e dos limites físicos de cada dispositivo.
84
De qualquer forma, os melhores resultados foram obtidos pelos controladores G
C5
e
G
C7
seguidos pelos controladores G
C6
e depois pelos controladores G
C9
e G
C10
, que são
os que mais vezes aparecem entre os três com melhor desempenho.
Sabemos que a rotação nominal do motor é de aproximadamente 555 rad/s em vazio
resultando em 7,57 V no medidor. Isto significa que se desejarmos acelerar o motor até
uma velocidade de 500 rad/s, o sobre-sinal será um fator determinante na escolha do
controlador, uma vez que não poderá ser maior do que aproximadamente 10%. Neste
caso os controladores G
C7
e G
C10
seriam os mais adequados.
Noutro exemplo, caso não formos trabalhar no limite da rotação do motor, e as
variações na carga não forem expressivas e ainda a precisão não for um fator limitante,
então os controladores PID G
C1
, G
C2
, G
C7
e G
C10
, que apresentaram pequenos erros em
regime permanente, poderiam ser os escolhidos.
Além do controlador PI G
3
que apresentou resposta instável, o controlador
proporcional G
C4
seguido pelos controladores PID G
C1
e G
C2
, todos sintonizados por
Ziegler-Nichols, estão sempre entre os que obtiveram os piores índices.
0 0.05 0.1
-2
0
2
x 10
5
t(s)
Sinal de Controle(V)
Gc1
0 0.05 0.1
-1000
0
1000
t(s)
Sinal de Controle(V)
Gc2
0 0.05 0.1
-1
0
1
x 10
5
t(s)
Sinal de Controle(V)
Gc3
0 0.05 0.1
-1000
0
1000
t(s)
Sinal de Controle(V)
Gc4
0 0.05 0.1
-1000
0
1000
t(s)
Sinal de Controle(V)
Gc5
0 0.05 0.1
-1000
0
1000
t(s)
Sinal de Controle(V)
Gc6
Figura 3.13 – Sinais de controle produzidos pelos controladores sintonizados por Ziegler-Nichols
85
Por outro lado, antes de desenvolver o controle prático é importante verificar o sinal de
controle produzido em todos os casos. Monitorando o sinal de controle ao longo do
tempo, nas mesmas condições em que foram efetuados os ensaios da 1ª bateria de
simulações foram obtidas as formas de onda da Figura 3.13 e Figura 3.14.
0 0.05 0.1
-2
-1
0
1
2
x 10
4
t(s)
Sinal de Controle(V)
Gc7
0 0.05 0.1
-100
-50
0
50
100
t(s)
Sinal de Controle(V)
Gc8
0 0.05 0.1
-100
-50
0
50
100
t(s)
Sinal de Controle(V)
Gc9
0 1 2 3
-3000
-2000
-1000
0
1000
2000
t(s)
Sinal de Controle(V)
Gc10
Figura 3.14 – Sinais de controle produzidos pelos controladores sintonizados por síntese direta e
cancelamento de pólos
Analisando estas formas de onda dos sinais de controle produzidos podemos concluir
que todos os controladores produzem sinais de controle elevados que provavelmente
deverão exceder os valores limites possíveis para os atuadores no sistema de controle.
A conseqüência disto é que o desempenho do sistema para cada um dos controladores
projetados, e principalmente os tempos de resposta obtidos, poderão ser
comprometidos devido à saturação do sinal de controle. Observamos também que
alguns controladores produziram sinais de controle instáveis, variando ao longo de
uma ampla faixa.
86
Considerando a limitação no valor dos atuadores e analisando as formas de ondas
obtidas para o sinal de controle podemos observar que os controladores que
apresentam sinais de controle mais apropriados são os controladores G
C8
e G
C9
, pois
produzem sinais de controle mais estáveis e com valores mais baixos, portanto menos
sujeitos a saturação.
87
4. CONTROLADORES PID DIGITAIS
Como a maioria dos controladores atuais é baseada em microprocessadores e/ou
microcontroladores, os quais não realizam integrações, mas apenas somatórias e
produtos, são necessárias modificações no algoritmo do controlador PID analógico, de
forma a adequá-lo às novas tecnologias.
O algoritmo do controlador PID analógico é dado pela equação diferencial abaixo:
( ) ( ) ( )
(
)
0
t
o
d
i
c
m
dt
tde
Tdtte
T
1
teKtm +
++⋅=
∫
(4.1)
Para resolvê-la utilizando um computador precisamos transformá-la numa equação
algébrica envolvendo apenas somas e produtos, utilizando aproximações dos termos
derivativo e integral.
Diversas aproximações podem ser utilizadas gerando algoritmos diferentes, tais como
a Regra retangular para frente (Método de Euler), a Regra retangular para trás e a
Regra trapezoidal (ou método de Tustin).
O Método de Euler não será abordado, uma vez que a sua utilização em controladores
PID levará a um algoritmo onde, para cálculo do valor da saída do controlador no
instante k (instante atual), seria necessário o valor do erro no instante k+1 e, portanto
este método leva a um algoritmo não-causal (GARCIA, 2001).
88
4.1. Aproximação do tipo diferença ou integração retangular para
trás
Nesta aproximação, também chamada de “backward difference”, o termo integral é
substituído por uma somatória e o termo derivativo por uma diferença de 1
a
ordem
(GARCIA, 2002) conforme abaixo:
( ) ( )
tiedtte
k
1i
t
o
∆⋅≅
∑
∫
=
(4.2)
(
)
(
)
(
)
t
1keke
dt
tde
∆
−
−
≅
(4.3)
Substituindo na equação (4.1) teremos:
( ) ( ) ( )
(
)
(
)
∆
−−
+∆⋅+⋅=
∑
=
t
1keke
Ttie
T
1
keKkm
d
k
1i
i
c
( ) ( ) ( ) ( ) ( )
[ ]
( ) ( )
[ ]
−−
∆
+++−+
∆
+⋅= 1keke
t
T
1e1keke
T
t
keKkm
d
i
c
L
(4.4)
Onde:
• e(k) é o valor do desvio no instante de amostragem k
• m(k) é o valor da saída do controlador no instante de amostragem k
• ∆t é o intervalo de amostragem
Aplicando a transformada Z à equação acima teremos:
( ) ( )
( )
( )
( )
( )
( )
⋅−
∆
+⋅++++
∆
+⋅=
−−−−−
zEz1
t
T
zEzzz1
T
t
zEKzM
1
d
1k21
i
c
L
( )
( )
( ) ( )
( )
zEz1
t
T
zzz1
T
t
1KzM
1
d
1k21
i
c
⋅
−
∆
+++++
∆
+⋅=
−−−−−
L
89
Mas
( )
( )
( )
1
1k21
z1
1
1z
z
zzz1
−
−−−−
−
=
−
=++++ L
Então:
( )
( )
( )
( )
zEz1
t
T
z1
1
T
t
1KzM
1
d
1
i
c
⋅
−
∆
+
−
∆
+⋅=
−
−
( )
( )
(
)
( )
zE
z
1z
t
T
1z
z
T
t
1KzM
d
i
c
⋅
−
∆
+
−
∆
+⋅=
(4.5)
A equação (4.5) representa um algoritmo PID digital chamado de posicional, uma vez
que a saída do controlador representa a posição final do elemento de controle.
Outro algoritmo muito usado é o incremental ou de velocidade, onde a saída do
controlador representa o incremento a ser enviado para o elemento de controle.
Utilizando a expressão (4.4) podemos calcular o valor para
(
)
1km −
:
( ) ( ) ( )
(
)
(
)
∆
−−−
+∆⋅+−⋅=−
∑
−
=
t
2ke1ke
Ttie
T
1
1keK1km
d
1k
1i
i
c
Fazendo
(
)
(
)
(
)
1kmkmkm −−=∆
obteremos:
( ) ( ) ( ) ( ) ( ) ( ) ( )( )
−+−⋅−
∆
+
∆
+−−⋅=∆ 2ke1ke2ke
t
T
ke
T
t
1kekeKkm
d
i
c
Aplicando a transformada Z na equação acima obteremos:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
⋅+⋅⋅−
∆
+⋅
∆
+⋅−⋅=∆
−−−
zEzzEz2zE
t
T
zE
T
t
zEzzEKzM
21
d
i
1
c
(4.6)
90
A equação (4.6) representa o algoritmo PID incremental ou de velocidade.
4.2. Aproximação bilinear ou método de Tustin ou Integração
trapezoidal
Neste método o termo integral é aproximado conforme a equação (4.7) abaixo e o
termo derivativo conforme a expressão (4.3):
( )
(
)
(
)
t
2
1ieie
dtte
k
1i
t
o
∆⋅
−+
≅
∑
∫
=
(4.7)
Substituindo a identidade acima e a equação (4.3) na equação (4.1) teremos:
( ) ( )
(
)
(
)
( ) ( )( )
−−
∆
+∆⋅
−+
+⋅=
∑
=
1keke
t
T
t
2
1ieie
T
1
keKkm
d
k
1i
i
c
( ) ( ) ( ) ( ) ( ) ( )
[ ]
( ) ( )( )
−−
∆
++⋅++−⋅+
⋅
∆
+⋅= 1keke
t
T
0e1e21ke2ke
T2
t
keKkm
d
i
c
L
Aplicando a transformada Z na equação acima teremos:
( ) ( ) ( ) ( )
⋅
−
⋅
∆
+⋅
−
+
⋅
⋅
∆
+⋅= zE
z
1z
t
T
zE
1z
1z
T2
t
zEKzM
d
i
c
( ) ( )
zE
z
1z
t
T
1z
1z
T2
t
1KzM
d
i
c
⋅
−
∆
+
−
+
⋅
∆
+⋅=
(4.8)
A equação (4.8) representa o algoritmo PID digital, utilizando a aproximação bilinear,
em seu formato posicional. O formato de velocidade pode ser obtido através de:
(
)
(
)
(
)
1kmkmkm −−=∆
91
( ) ( ) ( )
(
)
(
)
( ) ( ) ( )( )
−+−⋅−
∆
+∆⋅
−+
+−−⋅=∆ 2ke1ke2ke
t
T
t
2
1keke
T
1
1kekeKkm
d
i
c
Aplicando a transformada Z na equação acima teremos:
( ) ( ) ( ) ( ) ( )
( )
( ) ( ) ( )
( )
+⋅−
∆
+−
⋅
∆
+−⋅=∆
−−−−
zEzzEz2zE
t
T
zEzzE
T2
t
zEzzEKZM
21
d
1
i
1
c
( )
( ) ( )
( )
zEzz21
t
T
z1
T2
t
z1KZM
21
d
1
i
1
c
⋅
+⋅−
∆
+−
⋅
∆
+−⋅=∆
−−−−
(4.9)
4.3. O tempo de amostragem
Na escolha do tempo de amostragem os efeitos sobre as ações derivativa e integral
devem ser considerados. Valores muito pequenos para ∆t elevam a ação da
componente derivativa podendo levar o controlador à saturação da saída e tornando a
componente integral insensível.
Tipicamente o valor do tempo de amostragem deve ser menor do que 10% do valor da
maior constante de tempo do sistema.
Antes de realizar a digitalização do sistema iremos determinar qual será o tempo de
amostragem. Para tal, de posse das constantes de tempo dos dispositivos do sistema já
calculadas anteriormente constatamos que a maior delas é
τ
=8,3333.10
-2
, pertencente à
função de transferência do sistema de aquisição de dados, logo podemos determinar
para o tempo de amostragem.
-2-1
103333,8103333,81,0 ⋅<∆
⇒
⋅⋅<∆ tt
Adotaremos
[
]
st
3
101
−
⋅=∆
(4.10)
92
Para o tempo de amostragem determinado acima, a freqüência de amostragem será
dada por:
⋅⋅=
⋅
⋅
=→
∆
⋅
=
−
s
rad
t
ss
3
3
102
101
22
π
π
ω
π
ω
(4.11)
4.4. Função de transferência discreta em malha aberta
Figura 4.1 - Diagrama de Blocos Discreto em Malha Aberta
Utilizando o digrama de blocos da Figura 2.22, desprezando a componente de carga e
ainda introduzindo um segurador de ordem zero H(s) obtém-se o diagrama de blocos
discreto em malha aberta ilustrado na Figura 4.1. Inspecionando-o podemos definir:
(
)
(
)
(
)
(
)
(
)
(
)
sGsGsGsGsHZzHG
MMMACAQ
⋅⋅⋅⋅=
(4.12)
A equação acima representa função de transferência discreta em malha aberta para o
sistema. O segurador de ordem zero é o elemento responsável por manter a saída do
controlador num valor constante, até que um novo valor seja calculado e enviado para
saída, o que ocorre em cada um dos períodos de amostragem. A função de
transferência do segurador é dada por:
93
( )
(
)
s
e1
sH
st⋅∆−
−
=
Substituindo a função de transferência do segurador de ordem zero e lembrando que a
função de transferência do acionamento é representada apenas por um ganho (K
AC
=12)
podemos escrever:
( )
(
)
(
)
(
)
( ) ( )
(
)
(
)
(
)
⋅⋅⋅
⋅−=
−⋅
⋅⋅⋅
=
−⋅∆−
s
sGsGKsG
Zze
s
sGsGKsG
ZzHG
MMMACAQ
st
MMMACAQ
1
11
Finalmente substituindo as funções de transferência do sistema de aquisição de dados,
acionamento, do motor e do medidor na equação acima teremos:
( )
( )
( ) ( ) ( )
( )
⋅+
⋅
⋅
+⋅+
⋅
⋅
+
⋅
⋅−=
−
s
sss
ZzzHG
6
47
1
104,3229s
105,8714
72,1426,7549
100149,5
2,1
2,1
12
1
( )
( )
( ) ( ) ( )
( )
⋅+⋅+⋅+⋅+⋅
⋅
⋅−=
−
6
13
1
104,3229s72,1426,75492,1
1024,4
1
ssss
ZzzHG
Expandindo o termo entre colchetes em frações parciais teremos:
( )
( )
( ) ( ) ( )
( )
⋅+
+
+
+
++
+⋅−=
−
6
1
103229,4
142,727549,61,2
1
s
e
s
d
s
c
s
b
s
a
ZzzHG
Onde:
( ) ( ) ( )
( )
5858,7
103229,4142,727549,62,1s
1024,4
6
13
0
lim
=
⋅+⋅+⋅+⋅+⋅
⋅⋅
==
→
ssss
s
a
s
94
(
)
( ) ( ) ( )
( )
6513,7
103229,4142,727549,62,1s
2,11024,4
6
13
1,2
lim
−=
⋅+⋅+⋅+⋅+⋅
+⋅⋅
==
−→
ssss
s
b
s
(
)
( ) ( ) ( )
( )
5
6
13
7549,6
103277,2
103229,4142,727549,62,1s
7549,61024,4
lim
−
−→
⋅−=
⋅+⋅+⋅+⋅+⋅
+⋅⋅
==
ssss
s
c
s
(
)
( ) ( ) ( )
( )
065564,0
103229,4142,727549,6 1,2 s
142,721024,4
6
13
142,72
lim
=
⋅+⋅+⋅+⋅+⋅
+⋅⋅
==
−→
ssss
s
d
s
(
)
( ) ( ) ( )
( )
102163,1
103229,4142,727549,6 1,2 s
103229,41024,4
13
6
613
103229,4
lim
6
−
⋅−→
⋅=
⋅+⋅+⋅+⋅+⋅
⋅+⋅⋅
==
ssss
s
e
s
Então:
( )
( )
( ) ( ) ( )
( )
⋅+
⋅
+
+
+
+
⋅
−
+
−⋅−=
−
−
6
13-5
1
103229,4
102163,1
142,72
065564,0
7549,6
103277,2
1,2
6513,75858,7
1
s
ssss
ZzzHG
Resolvendo a transformada Z teremos:
( )
(
)
( )
(
)
( )
(
)
( )
(
)
( )
( )
( )
1103229,4
113
1t142,72-
1
1t7549,6
15
1t1,2
1
1
1
6
1
1102163,1
e-1
1065564,0
1
1103277,2
1
16513,7
1
17,5858
−∆⋅⋅−
−−
−∆⋅
−
−∆⋅−
−−
−∆⋅−
−
−
−
⋅−
−⋅⋅
+
+
⋅
−⋅
+
⋅−
−⋅⋅
−
⋅−
−⋅
−
−
−⋅
=
ze
z
z
z
ze
z
ze
z
z
z
zHG
t
K
K
Substituindo o valor do tempo de amostragem e resolvendo as exponenciais a equação
acima fica:
( )
(
)
( )
(
)
( )
(
)
( )
(
)
( )
( )
( )
01
1102163,1
,8670-
1065564,0
102632,5
1103277,2
9988,0
16513,7
1
17,5858
13
4
5
−⋅
−⋅⋅
+
+
−⋅
+
⋅−
−⋅⋅
−
−
−⋅
−
−
−⋅
=
−
−
−
z
z
z
z
z
z
z
z
z
z
zHG
K
K
95
( )
(
)
( )
(
)
( )
(
)
( )
0,867-
1065564,0
102632,5
1103277,2
9988,0
16513,7102163,1-z7,5858
4
513
z
z
z
z
z
z
z
zHG
−⋅
+
⋅−
−⋅⋅
−
−
−⋅
−
⋅⋅
=
−
−−
( )
(
)
(
)
(
)
,8670-
1065564,0
102632,5
1103277,2
9988,0
16513,7102163,1z7,5858
4
513
z
z
z
z
z
z
z
zHG
−⋅
+
⋅−
−⋅⋅
−
−
−⋅
−
⋅−⋅
=
−
−−
Finalmente, a função de transferência desejada é dada pela expressão abaixo:
( )
zzzz
zzzz
zHG
⋅⋅−⋅+⋅−
⋅+⋅⋅+⋅⋅+⋅⋅+⋅⋅
=
−
−−−−−
4234
175243445
105577,48669,08663,1
10544,510973,110408,710088,410072,4
(4.13)
Um resultado aproximado pode ser obtido utilizando o comando “c2d” do MATLAB
®
.
A lista abaixo mostra os comandos utilizados para digitalizar a função de transferência
em malha aberta do motor, sistema de aquisição e acionamento:
clear
clc
format short g
format compact
%Funcao de transferencia em tempo continuo do motor
Num1=5.0149e7;
Den1=conv([1 7549.6],[1 142.72]);
Gm=tf(Num1,Den1);
%Funçao de transferencia do tacogerador
Num2=5.8714e4;
Den2=[1 4.3229e6];
Gmm=tf(Num2,Den2);
%Funcao de transferencia do acionamento
Kac=12;
%Funcao de transferencia do sistema de aquisição de dados
Num3=1.2;
Den3=[1 1.2];
Gaq=tf(Num3,Den3);
%Funcao de transferencia em malha aberta
Gma=Kac*Gaq*Gm*Gmm;
%Funcao de transferencia discreta em malha aberta
dT=1e-3;
Gmaz=c2d(Gma,dT,'zoh')
Abaixo segue o resultado obtido com o MATLAB
®
.
96
0.001 : timeSampling
022-7.755e + z 0.0004558 - z^2 0.8669 + z^3 1.866 - z^4
---------------------------------------------------------
017-5.544e + z 005-1.975e + z^2 0.0007105 + z^3 0.0004791
:functionTransfer
Realizando uma simulação, obtivemos o gráfico da Figura 4.2, o qual ilustra as
respostas ao degrau unitário em malha aberta, para o sistema digitalizado e para o
sistema em tempo contínuo.
Observamos que as respostas são semelhantes, apresentando as mesmas características
estáticas (ganho e constante de tempo), exceto pelo formato “em escada” da resposta
do sistema digitalizado.
Figura 4.2 - Resposta ao degrau unitário em malha aberta
97
4.5. Função de transferência discreta em malha fechada
Inspecionando o diagrama de blocos da Figura 4.3 podemos escrever a equação que
relaciona a variação total da velocidade em função do valor de referência:
(
)
( )
(
)
(
)
(
)
(
)
(
)
[
]
( ) ( ) ( ) ( ) ( ) ( )
[ ]
(
)
(
)
( ) ( )
zHGzG
zGGHGzGK
sGsGsGsGsHZzG
sGsGsGsHZzGK
zW
zW
C
MACAQCMM
MMMACAQC
MACAQCMM
R
m
⋅+
⋅
⋅
=
⋅⋅⋅⋅⋅+
⋅
⋅
⋅
⋅
⋅
=
11
(4.14)
Onde H(s) é a função de transferência do segurador de ordem zero.
Figura 4.3 - Malha de controle digital por realimentação
A equação característica do sistema em tempo discreto é dada por:
(
)
(
)
(
)
0zHGzG1zA
C
=⋅+=
(4.15)
4.6. Função de transferência discreta da carga
A discretização da função de transferência da carga engloba o sinal de entrada (rampa,
degrau, etc.) com a função de transferência continua da carga (equação 2.27). Neste
caso o sinal de entrada passa a ser um pulso unitário.
Supondo então uma variação em degrau unitário como sinal de entrada, teríamos:
98
( ) ( ) ( )
[ ]
(
)
⋅
⋅+⋅⋅+
⋅+⋅⋅−
=⋅=
s
1
10078,1s106924,7s
10172,1s10523,1
zsTsGzzTG
632
95
CLCL
( )
(
)
( ) ( )
+⋅+⋅
⋅+⋅⋅−
=
79,142s6,7549ss
10172,1s10523,1
zzTG
95
CL
( )
+
+
+
+=
79,142s
C
6,7549s
B
s
A
zzTG
CL
(
)
( ) ( )
2,1087s
79,142s6,7549ss
10172,1s10523,1
A
95
0s
lim
−=⋅
+⋅+⋅
⋅+⋅⋅−
=
→
(
)
( ) ( )
( )
39693,06,7549s
79,142s6,7549ss
10172,1s10523,1
B
95
6,7549s
lim
−=+
+⋅+⋅
⋅+⋅⋅−
=
−→
(
)
( ) ( )
( )
6,108779,142s
79,142s6,7549ss
10172,1s10523,1
C
95
79,142s
lim
=+
+⋅+⋅
⋅+⋅⋅−
=
−→
( )
( ) ( )
1t79,1421t6,75491
CL
ze1
6,1087
ze1
39693,0
z1
2,1087
79,142s
6,1087
6,7549s
39693,0
s
2,1087
zzTG
−∆⋅−−∆⋅−−
⋅−
+
⋅−
−
−
−=
+
+
+
−−=
( )
98583,0z
z6,1087
47003,0z
z39693,0
1z
z2,1087
z98583,01
6,1087
z47003,01
39693,0
z1
2,1087
zTG
111
CL
−
⋅
+
−
⋅
−
−
⋅
−=
⋅−
+
⋅−
−
−
−=
−−−
( )
4634,0z919,1z456,2z
z852,6z62,14z3969,0
zTG
23
23
CL
−⋅+⋅−
⋅+⋅−⋅−
=
4.7. Análise de estabilidade
Analisando a equação característica poderemos determinar a estabilidade do sistema
em malha fechada em função do ganho do controlador.
Substituindo (4.13) em (4.15) e teremos:
99
( ) ( )
0
105577,48669,08663,1
10544,510973,110408,710088,410072,4
1
4234
175243445
=
⋅⋅−⋅+⋅−
⋅+⋅⋅+⋅⋅+⋅⋅+⋅⋅
⋅+=
−
−−−−−
zzzz
zzzz
z
c
GzA
Para determinarmos o ganho crítico do sistema iremos utilizar o critério modificado de
Routh. Para tal é necessário reescrever a equação característica do servossistema no
seguinte formato:
(
)
0
43
2
2
3
1
4
0
=+⋅+⋅+⋅+⋅=
azazazazazA
(4.16)
Assumindo que a função de transferência do controlador seja dada apenas por um
ganho e simplificando-a, teremos os coeficientes da equação (4.16):
( )
(
)
0
105577,48669,08663,1
10544,510973,110408,710088,410072,4
1
4234
175243445
=
⋅⋅−⋅+⋅−
⋅+⋅⋅+⋅⋅+⋅⋅+⋅⋅⋅
+=
−
−−−−−
zzzz
zzzz
c
K
zA
(
)
( )
010544,510973,110408,710088,410072,4
105577,48669,08663,1
175243445
4234
=⋅+⋅⋅+⋅⋅+⋅⋅+⋅⋅⋅+
+⋅⋅−⋅+⋅−=
−−−−−
−
zzzz
c
K
zzzzzA
K
K
(
)
010544,5105577,410973,1
10408,78669,08663,110088,410072,4
1745
242334454
=⋅⋅+⋅⋅−⋅⋅⋅+
⋅⋅⋅+⋅+⋅−⋅⋅⋅+⋅⋅⋅+=
−−−
−−−
c
Kzz
c
K
z
c
Kzzz
c
Kz
c
KzzA
K
K
(
)
(
)
(
)
(
)
( )
010544,5105577,410973,1
8669,010408,78663,110088,4110072,4
1745
243445
=⋅⋅+⋅⋅−⋅⋅+
⋅+⋅⋅+⋅−⋅⋅+⋅+⋅⋅=
−−−
−−−
c
Kz
c
K
z
c
Kz
c
Kz
c
KzA
K
K
⋅⋅=
⋅−⋅⋅=
+⋅⋅=
−⋅⋅=
+⋅⋅=
−
−−
−
−
−
c
Ka
c
Ka
c
Ka
c
Ka
c
Ka
17
4
45
3
4
2
4
1
5
0
10544,5
105577,410973,1
8669,010408,7
8663,110088,4
110072,4
100
O método modificado de Routh requer a transformação do plano complexo z em outro
plano complexo chamado w através de uma transformação bilinear definida por:
(
)
( )
1w
1w
z
−
+
=
(4.17)
Após a realização da transformação é possível utilizar os critérios de Routh da mesma
forma que no tempo contínuo. Fazendo a substituição em (4.16) teremos:
( )
0
1
1
1
1
1
1
1
1
43
2
2
3
1
4
0
=+
−
+
⋅+
−
+
⋅+
−
+
⋅+
−
+
⋅= a
w
w
a
w
w
a
w
w
a
w
w
awA
( )
(
)
(
)
(
)
(
)
(
)
(
)
(
)
(
)
( )
0
1
11111111
4
4
4
3
3
22
2
3
1
4
0
=
−
−⋅+−⋅+⋅+−⋅+⋅+−⋅+⋅++⋅
=
w
wawwawwawwawa
wA
Rearranjando a equação acima teremos:
0
43
2
2
3
1
4
0
=+⋅+⋅+⋅+⋅ AwAwAwAwA
Onde:
(
)
( )
( )
( )
( )
+⋅⋅=+−+−=
+⋅⋅−=⋅−⋅+⋅−⋅=
+⋅⋅−=⋅+⋅−⋅=
+⋅⋅=⋅−⋅−⋅+⋅=
⋅+⋅⋅=++++=
−
−
−
−
−−
7337,3105299,3
7317,7101526,64224
2662,4102373,1626
26831,0104102,94224
104423,1102101,1
4
432104
4
43103
3
4202
4
43101
43
432100
C
C
C
C
C
KaaaaaA
KaaaaA
KaaaA
KaaaaA
KaaaaaA
De posse dos dados acima podemos então preparar o arranjo tabular de Routh.
O critério de Routh afirma que a condição necessária para que todas as raízes da
equação característica fiquem no semiplano da esquerda do plano s, ou seja, para que o
sistema seja estável, é que todos os coeficientes da equação característica sejam
positivos e todos os termos da primeira coluna do arranjo tabular sejam positivos. O
raciocínio é equivalente para o método modificado de Routh aplicado a sistemas
101
discretos, onde se todos os coeficientes da equação característica forem positivos e
todos os termos da primeira coluna forem positivos então todos os pólos estarão
localizados dentro de um círculo unitário.
Tabela 4.1 - Arranjo tabular de Routh
00
00
0
0
322
1
2121
1
0
32
1
4131
1
2131
1
34
1
5041
2
1
3021
1
2
531
3
420
4
===
⋅−⋅
=
==
⋅−⋅
=
⋅−⋅
=
==
⋅−⋅
=
⋅−⋅
=
=
DDB
C
CBBC
Dw
CC
B
AAAB
B
BAAB
Cw
BA
A
AAAA
B
A
AAAA
Bw
AAAw
AAAw
Resumindo as condições acima teremos:
⋅−>⇒>+⋅⋅⇒>
⋅−>⋅−>⇒>⋅−⋅⇒>
⋅−⋅
⇒>
<<⋅−⇒>⋅−⋅⇒>
⋅−⋅
⇒>
⋅−>⇒>+⋅⋅⇒>
−>⇒>⋅+⋅⋅⇒>
−
−
−−
44
1
44
4131
1
4131
1
4
3021
1
3021
1
24
1
43
0
100577.107337,3105299,30
101114,2,108282,3000
66,198103712,1000
108513,2026831,0104102,90
11919,00104423,1102101,10
CC
CC
C
CC
CC
KKD
KKAAAB
B
AAAB
C
KAAAA
A
AAAA
B
KKA
KKA
Considerando apenas os valores positivos o sistema será estável para os valores do
ganho compreendidos no intervalo 0<K
c
<198,66.
O ganho crítico do controlador que levará o sistema, no limiar da estabilidade, a
oscilar continuamente será K
cu
=198,66.
Substituindo este valor na equação característica do sistema e fazendo as
simplificações necessárias obteremos:
102
( )
0
105577,48669,08663,1
10544,510973,110408,710088,410072,4
66,1981
4234
175243445
=
⋅⋅−⋅+⋅−
⋅+⋅⋅+⋅⋅+⋅⋅+⋅⋅
⋅+=
−
−−−−
zzzz
zzzz
zA
(
)
010101,1003464,0014,1785,1008,1
14234
=⋅+⋅+⋅+⋅−⋅=
−
zzzzzA
Cujas raízes são:
⋅−=
=
=
−=
−12
108092,2A4
,0270-A3
,33412-A2
6777,7 A1
Dentre as soluções obtidas não é possível definir qual é o período crítico. Para isto
utilizaremos o diagrama do lugar das raízes do sistema.
Figura 4.4 - Diagrama do lugar das raízes para o sistema discreto
103
A Figura 4.4 ilustra o diagrama do lugar das raízes obtido com o auxilio do
MATLAB
®
. Nele podemos confirmar os valores calculados acima. Podemos verificar
que para o ganho crítico calculado, as raízes da equação característica estão sobre o
círculo de raio unitário, o que define o limite de estabilidade do sistema.
Analisando o lugar das raízes verificamos que a frequência crítica é igual a
914
2
=
ω
rad/s.
Logo o período crítico será dado por:
[ ]
sPP
uu
0,012797
2
=⇒
⋅
=
ω
π
4.8. Métodos de sintonia e projeto de controladores PID digitais
Várias técnicas estão disponíveis para sintonia e projeto de controladores PID digitais.
Podemos realizar o projeto de controladores PID digitais utilizando os mesmos
métodos propostos por Ziegler-Nichols já utilizados anteriormente para controladores
analógicos, ou seja, utilizando relações de ajuste baseadas em modelos do processo.
Outra abordagem é a emulação ou substituição direta dos parâmetros de controladores
projetados no domínio do tempo, nos algoritmos dos controladores digitais. Se o valor
do tempo de amostragem for suficientemente pequeno em relação ao tempo de
resposta do sistema, o controlador digital apresentará uma resposta semelhante ao
controlador que o originou (GARCIA, 2001).
A desvantagem da substituição direta ou emulação é o fato do atraso na resposta
gerado pelo segurador de ordem zero, não ser levado em consideração no projeto dos
controladores analógicos, levando então a uma degradação da resposta do controlador
digital derivado. Para minimizar a degradação um atraso equivalente à metade do
tempo de amostragem é inserido na malha de controle.
104
4.8.1. Método das oscilações continuas de Ziegler-Nichols
De forma análoga à realizada para o controlador analógico, os parâmetros do
controlador digital podem ser obtidos através das relações de sintonia desenvolvidas
por Ziegler-Nichols apresentadas na Tabela 3.1.
A tabela abaixo apresenta os valores obtidos em função do ganho e período críticos do
sistema discreto calculados anteriormente utilizando o método das oscilações
continuas.
Tabela 4.2 – Valores dos parâmetros de sintonia para os controladores digitais
Controlador K
C
T
i
T
d
P
99,33 - -
PI
89,397 0,01066 -
PD
119,196 - 0,0016
PID
119,196 0, 0064 0,0016
Abaixo apresentamos os controladores sintonizados pelo método de Ziegler-Nichols,
utilizando o algoritmo posicional desenvolvido através da integração retangular para
trás e da integração trapezoidal.
( )
(
)
⋅⋅
−⋅
+
−⋅
⋅⋅
+⋅=
−
−
z
z
z
z
G
CD
3
3
1
101
10016,0
10064,0
101
1119,196
(integração retangular)
(
)
( )
(
)
⋅⋅
−⋅
+
−⋅
+⋅⋅
+⋅=
−
−
z
z
z
z
G
CD
3
3
2
101
10016,0
10128,0
1101
1119,196
(integração trapezoidal)
( )
−⋅
⋅⋅
+⋅=
−
101066,0
101
137,89
3
3
z
z
G
CD
(integração retangular)
105
(
)
( )
−⋅
+⋅⋅
+⋅=
−
102132,0
1101
137,89
3
4
z
z
G
CD
(integração trapezoidal)
(
)
⋅⋅
−⋅
+⋅=
−
z
z
G
CD
3
5
101
10016,0
1196,119
33,99
6
=
CD
G
4.8.2. Projeto por emulação
O projeto de controladores digitais por emulação considera a discretização, através dos
métodos apresentados anteriormente (integração retangular ou trapezoidal), dos
controladores projetados no tempo contínuo, levando em consideração o atraso
causado pelo segurador de ordem zero, que efetivamente introduz um atraso na malha
de controle.
O comportamento dinâmico do segurador de ordem zero pode ser aproximado por um
tempo morto igual à metade do tempo de amostragem (GARCIA, 2001), logo a função
de transferência do processo considerada para os procedimentos de projeto e posterior
sintonia dos controladores, será dada por:
( ) ( )
s
2
t
MM
esGsG
⋅
∆
−
⋅=
Utilizando a aproximação
s1e
P
s
P
⋅θ−≅
⋅θ−
para o termo morto teremos:
( ) ( )
( )
632
7
MM
10078,1s106924,7s
100149,5s5,2507
s
2
t
1sGsG
⋅+⋅⋅+
⋅+⋅−
=
⋅
∆
−⋅=
Substituiremos a relação acima no lugar da função de transferência da MCC na
equação (2.33), função de transferência em malha fechada do sistema, obtendo então:
106
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
⋅
∆
−⋅⋅⋅⋅⋅+
⋅
∆
−⋅⋅⋅⋅⋅
=
s
t
sGsGsGsGsG
s
t
sGsGsGsGK
sW
sW
MMMACAQC
MACAQCMM
R
2
11
2
1
1
(4.18)
A equação (4.18) representa a função de transferência em malha fechada da MCC
levando em conta os efeitos do segurador de ordem zero.
Determinaremos a seguir os valores do período e ganho crítico para calcularmos os
novos parâmetros de sintonia através do método das oscilações continuas de Ziegler-
Nichols e então substituí-los diretamente nos algoritmos PID digitais.
Substituindo as funções de transferência de cada dispositivo além do tempo de
amostragem teremos:
( )
( )
( )
( )
(
)
( )
( )
( )
( )
( )
6
4
632
47
62
47
1
104,3229s
105,8714
10078,1106924,7
1051100149,5
12
2,1
2,1
1
10078,14,7692
1051100149,5
12
2,1
2,1
0,013582
⋅+
⋅
⋅
⋅+⋅⋅+
⋅⋅−⋅⋅
⋅⋅
+
⋅+
⋅+⋅+
⋅⋅−⋅⋅
⋅⋅
+
⋅⋅
=
−
−
ss
s
s
sG
ss
s
s
sG
sW
sW
C
C
R
( )
( )
( )
( )
( )
( )
1212210364
1013
6623
36
1
10589,510698,410326,310331,4
1012,21024,4
1
102936,1100872,16,7693
109041,4108082,9
⋅+⋅⋅+⋅⋅+⋅⋅+
⋅⋅−⋅
⋅+
⋅+⋅⋅+⋅+
⋅⋅−⋅
⋅
=
ssss
s
sG
sss
s
sG
sW
sW
C
C
R
(4.19)
O denominador da equação (4.19) representa a equação característica da função de
transferência em malha fechada.
( ) ( )
0
10589,510698,410326,310331,4
1024,41012,2
1
1212210364
1310
=
⋅+⋅⋅+⋅⋅+⋅⋅+
⋅+⋅⋅−
⋅+=
ssss
s
sGsA
C
(4.20)
Considerando que o controlador possua apenas a ação proporcional podemos escrever:
107
(
)
(
)
01024,410589,5
1012,210698,410326,310331,4
1312
1012210364
=⋅⋅+⋅+
+⋅⋅⋅−⋅+⋅⋅+⋅⋅+=
C
C
K
sKssssA
K
K
(4.21)
Podemos verificar que a equação característica possui o seguinte formato:
(
)
0s s s +ssA
43
2
2
3
1
4
0
=+⋅+⋅+⋅⋅= aaaaa
Comparando a equação (4.21) com a equação acima teremos os seguintes valores para
os coeficientes:
⋅⋅+⋅=
⋅⋅−⋅=
⋅=
⋅=
=
C
C
Ka
Ka
a
a
a
1312
4
1012
3
10
2
6
1
0
1024,410589,5
1012,210698,4
10326,3
10331,4
1
Preparando o arranjo tabular de Routh, com auxilio da Já temos os valores de a
0
e a
1,
que são positivos, restando calcular b
1
, c
2
e d
1
, que deverão ser positivos também.
Calculando b
1
e b
2
teremos:
Tabela 2.4, poderemos então calcular o novo ganho crítico limite para estabilidade do
sistema em malha fechada, que manterá o sistema em oscilações continuas, necessário
para determinar os valores dos parâmetros de sintonia dos controladores.
(
)
6
1012106
1
3021
1
103306,4
1012,2107,4110326,3103306,4
-
⋅
⋅⋅−⋅⋅−⋅⋅⋅
=
⋅⋅
=
C
K
a
aaaa
b
6
1
10
6
1017
1
107945.69,4894103259,3
103306,4
1012,2104403,1
⋅−>
⇒
⋅+⋅=
⋅
⋅⋅+⋅
=
bK
K
b
C
C
108
( ) ( ) ( )
C
CCC
K
KKK
b
baab
c
⋅+⋅
⋅⋅+⋅⋅⋅−⋅⋅−⋅⋅⋅+⋅
=
=
⋅
⋅
=
4895103259,3
1024,4105921,5103306,41012,2107,44895103259,3
-
10
131216101210
1
2131
1
>
⋅−>
⇒>
⋅+⋅
⋅+⋅⋅−⋅⋅−
=
79,175
105642,8
0
4895103259,3
105623,110887,8100377,1
1
6
1
10
2320214
1
C
C
K
KK
c
C
C
C
13182,00
-
442
1
2121
1
−>
⇒
>==
⋅⋅
=
aab
c
cbbc
d
Considerando apenas a faixa positiva dos valores teremos então que o ganho crítico do
sistema será K
CU
=175,79.
Substituindo o valor do ganho crítico na equação característica (4.21) e a identidade
s=j.ϖ podemos então calcular o período crítico:
(
)
(
)
079,1751024,410589,5
79,1751012,210698,410326,310331,4
1312
1012210364
=⋅⋅+⋅+
+⋅⋅⋅−⋅+⋅⋅+⋅⋅+=
K
KsssssA
(
)
0104591,7107125,910326,310331,4
1511210364
=⋅+⋅⋅+⋅⋅+⋅⋅+= sssssA
(
)
(
)
(
)
(
)
(
)
0104591,7107125,910326,310331,4
1511
2
10
3
6
4
=⋅+⋅⋅⋅+⋅⋅⋅+⋅⋅⋅+⋅=⋅
ωωωωω
jjjjjA
0104591,7107125,910326,310331,4
1511210364
=⋅+⋅⋅⋅+⋅⋅−⋅⋅⋅−
ωωωω
jj
(
)
010331,4107125,9104591,710326,3
3611152104
=⋅⋅⋅−⋅⋅+⋅+⋅⋅− j
ωωωω
Para que a identidade acima seja verdadeira tanto a parte real quanto a parte imaginária
devem ser nulas, então:
109
±=⋅±=⇒=⋅+⋅⋅−
±==⇒=⋅⋅−⋅⋅
56,473;108273,10104591,710326,3:Re
56,473;0010331,4107125,9:Im
7,6
5
5,4
152104
3,21
3611
ωωωω
ωωωω
Como obtivemos dois valores positivos distintos utilizamos o diagrama do lugar das
raízes para determinar o período critico:
Figura 4.5 - Gráfico do lugar das raízes
A Figura 4.5 apresenta uma ampliação do gráfico do lugar das raízes do sistema,
obtido com a utilização do Matlab
®
, confirmando o valor obtido para o ganho limite e
ainda apresentando o valor para o período crítico.
De posse da freqüência ϖ
U
=473,56 (rad/s) podemos então calcular o período critico
como segue:
110
[ ]
sPP
U
U
U
013268,0
56,473
22
=⇒
⋅
=
⋅
=
π
ω
π
Os parâmetros de sintonia para os controladores analógicos podem ser calculados
pelas relações desenvolvidas por Ziegler-Nichols, apresentadas na Tabela 3.1. A
Tabela 4.3 apresenta os resultados obtidos.
Tabela 4.3 – Valores dos parâmetros de sintonia
Controlador K
C
T
i
T
d
P
87,895 - -
PI
79,105 0,011057 -
PD
105,47 - 0,0016585
PID
105,47 0,006634 0,0016585
Os parâmetros acima foram substituídos nas equações discretizadas dos controladores
PID, no formato posicional e os seguintes controladores foram obtidos:
( )
(
)
⋅⋅
−⋅
+
−⋅
⋅⋅
+⋅=
−
−
z
z
z
z
G
CD
3
3
7
101
10016585,0
1006634,0
101
147,105
(integração retangular)
(
)
( )
(
)
⋅⋅
−⋅
+
−⋅
+⋅⋅
+⋅=
−
−
z
z
z
z
G
CD
3
3
8
101
10016585,0
1013268,0
1101
147,105
(integração trapezoidal)
( )
−⋅
⋅⋅
+⋅=
−
1011057,0
101
1105,79
3
9
z
z
G
CD
(integração retangular)
(
)
( )
−⋅
+⋅⋅
+⋅=
−
1022114,0
1101
1105,79
3
10
z
z
G
CD
(integração trapezoidal)
(
)
⋅⋅
−⋅
+⋅=
−
z
z
G
CD
3
11
101
10016585,0
147,105
111
895,87
12
=
CD
G
A Figura 4.6 apresenta a resposta ao degrau unitário dos controladores projetados por
emulação comparada com a resposta dos controladores analógicos originais. Podemos
verificar que os controladores digitais PI levaram o sistema a instabilidade, o
controlador P apresentou desempenho muito inferior ao controlador que lhe deu
origem e os controladores PID e PD apresentaram sobre-sinal levemente superior aos
controladores que lhes deram origem.
Figura 4.6 - Resposta ao degrau dos controladores digitais emulados
112
4.9. Comparação dos controladores Digitais
De forma análoga aos controladores analógicos submetemos os controladores digitais
obtidos a dois ensaios, utilizando o Simulink
®
, com objetivo de levantar parâmetros
para posterior comparação.
O algoritmo de integração utilizado foi o ODE23 tal qual nos ensaios em tempo
contínuo. O tempo de simulação adotado para todas as baterias foi de 0,2 segundos. O
Simulink foi configurado ainda com fator de refinamento unitário, tolerância relativa
de 1.10
-4
e tolerância absoluta automática e tempo de simulação de 0,2 segundos.
4.9.1. Resultados da primeira bateria de simulações
Na primeira bateria de simulações foi aplicado no instante t=0 um degrau unitário no
valor de referência a cada um dos sistemas. Foram levantados os máximos valores de
sobre-sinal e tempo de acomodação para cada um dos sistemas. Também foram
levantados os valores dos índices ITAE e ITSE. Os resultados obtidos são mostrados
nos gráficos a seguir.
A Figura 4.7 apresenta a forma de onda dos controladores digitais projetados por
Ziegler Nichols. Observamos que somente os controladores G
CD1
, G
CD2
e G
CD5
apresentaram respostas estáveis. Em relação aos controladores projetados por
emulação, cujas formas de onda já foram mostradas na Figura 4.6 somente os
controladores G
CD7
, G
CD8
, G
CD11
e G
CD12
apresentaram respostas estáveis. Por isto,
somente estes controladores serão avaliados na análise comparativa.
113
Figura 4.7 - Resposta ao degrau dos controladores digitais projetados por Ziegler-Nichols
A Figura 4.8 apresenta os valores obtidos para o sobre-sinal máximo nos controladores
digitais projetados por Ziegler Nichols e emulados. Nela podemos verificar que todos
os controladores obtidos apresentaram sobre-sinais elevados, acima de 50%.
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
140,00%
PD PD P PID PID PID PID
GCD11 GCD5 GCD12 GCD8 GCD7 GCD2 GCD1
Figura 4.8 – Sobre-sinais máximos dos controladores digitais
114
Comparando com a Figura 3.4 observamos que os controladores digitais PID
sintonizados pelo método das oscilações continuas de Ziegler-Nichols, apresentaram
sobre-sinais relativamente superiores aos controladores analógicos sintonizados pelo
mesmo método.
Os valores dos sobre-sinais obtidos para o grupo de controladores sintonizados por
Ziegler-Nichols, foram muito semelhantes aos valores obtidos para os controladores
projetados por emulação.
A Figura 4.9 apresenta os tempos de acomodação obtidos durante a primeira
simulação.
Os valores dos tempos de acomodação obtidos para o grupo de controladores
sintonizados por Ziegler-Nichols, foram muito semelhantes aos valores obtidos para os
controladores projetados por emulação. Os melhores tempos de acomodação foram os
apresentados pelos controladores PD G
CD5
e G
CD11
.
0,00E+00
5,00E-02
1,00E-01
1,50E-01
2,00E-01
2,50E-01
3,00E-01
PD PD PID PID PID PID P
GCD5 GCD11 GCD8 GCD7 GCD2 GCD1 GCD12
Figura 4.9 – Tempos de acomodação dos controladores digitais
Os tempos de acomodação obtidos em geral são superiores aos obtidos para os
controladores analógicos (ver Figura 3.5).
A Figura 4.10 apresenta o erro dos controladores PID digitais.
115
0,00E+00
2,00E-04
4,00E-04
6,00E-04
8,00E-04
1,00E-03
1,20E-03
1,40E-03
PID PID PID PID P PD PD
GCD8 GCD7 GCD2 GCD1 GCD12 GCD5 GCD11
Figura 4.10 - Erro dos controladores digitais
Observamos que os controladores PID não apresentaram erro em regime estacionário,
conforme esperado enquanto que os controladores PD apresentaram erro superior ao
controlador P.
0,00E+00
1,00E-05
2,00E-05
3,00E-05
4,00E-05
5,00E-05
6,00E-05
7,00E-05
PD PD PID PID PID PID P
GCD11 GCD5 GCD8 GCD7 GCD2 GCD1 GCD12
Figura 4.11 – Índices ITAE dos controladores digitais – 1
a
bateria
Os valores para o índice ITAE são apresentados na Figura 4.11, onde verificamos que
os controladores que utilizam o algoritmo com integração trapezoidal apresentam
índices melhores que os controladores cujo algoritmo utiliza a integração retangular.
116
Os controladores PID e PD são os que apresentam os melhores índices ITAE dentre os
demais, sendo que o melhor de todos é o do controlador PD projetado por emulação
G
CD11
seguido do controlador PD sintonizado por Ziegler-Nichols G
CD5
.
O controlador com pior desempenho para o índice ITAE é G
CD12
. Em geral os
controladores P e PI são os de pior desempenho, tanto que os controladores PI
apresentaram resposta instável e não foram avaliados.
A Figura 4.12 mostra os valores para o índice ITSE, onde novamente os controladores
com melhor desempenho são os controladores PD e o pior de todos é o controlador
proporcional G
CD12
.
0,00E+00
5,00E-08
1,00E-07
1,50E-07
2,00E-07
2,50E-07
3,00E-07
3,50E-07
PD PD PID PID PID PID P
GCD11 GCD5 GCD8 GCD7 GCD2 GCD1 GCD12
Figura 4.12 – Índices ITSE dos controladores digitais – 1a bateria
4.9.2. Resultados da segunda bateria de simulações
Na segunda bateria de simulações foi aplicado um degrau unitário no valor de
referência em t=0 e passado o tempo de acomodação de todos os controladores,
levantados na primeira bateria de simulações, em t=0,25 s, foi aplicado um degrau de
0,2 na carga. A simulação conclui-se após 0,7 s.
117
Figura 4.13 - Resposta ao degrau e variação de carga – Controladores digitais projetados por Ziegler-
Nichols
Figura 4.14 - Resposta ao degrau e variação de carga - Controladores digitais emulados
As formas de onda obtidas nos ensaios são apresentadas na Figura 4.13 e Figura 4.14
onde novamente verificamos que os controladores G
CD3
, G
CD4
, G
CD6
, G
CD9
e G
CD10
118
apresentaram resposta instável. Além disso, observamos que a introdução de carga
proporciona uma oscilação em todos os controladores que é muito maior que a
observada nos controladores analógicos (Figura 3.11 e Figura 3.12).
Os índices ITAE obtidos nos ensaios são apresentados na Figura 4.15. O controlador
com o pior índice é o proporcional G
CD12
e os de melhor desempenho são os
controladores PD G
CD5
e G
CD11
.
0,00E+00
5,00E-01
1,00E+00
1,50E+00
2,00E+00
2,50E+00
PD PD PID PID PID PID P
GCD5 GCD11 GCD8 GCD7 GCD2 GCD1 GCD12
Figura 4.15 – Índices ITAE dos controladores digitais – 2a bateria
0,00E+00
1,00E+01
2,00E+01
3,00E+01
4,00E+01
5,00E+01
6,00E+01
7,00E+01
8,00E+01
PD PD PID PID PID PID P
GCD5 GCD11 GCD8 GCD7 GCD2 GCD1 GCD12
Figura 4.16 – Índices ITSE dos controladores digitais – 2a bateria
119
Os valores dos índices ITSE são apresentados na Figura 4.16. O controlador com o
melhor desempenho foi o PD G
CD5
e o pior, novamente, foi PI G
CD12
.
4.10. Conclusões
Analisando os dados obtidos em conjunto percebemos que dentre os doze projetados
os controladores G
CD3
, G
CD4
, G
CD6
, G
CD9
e G
CD10
apresentaram resposta instável e
mesmo o controlador G
CD12
não apresentou bom desempenho. Os melhores
controladores são na sequência G
CD11,
G
CD5
(ambos PD) e G
CD8
(PID). Observamos
também que os controladores PID projetados com algoritmo de integração trapezoidal
apresentaram melhor desempenho que aqueles desenvolvidos por integração
retangular.
Finalmente é importante destacar que, devido à introdução da amostragem há uma
piora considerável no desempenho do sistema com os controladores digitais,
principalmente com a introdução da carga.
120
5. CONTROLADORES NEBULOSOS (FUZZY)
Vários métodos de ajuste de controladores disponíveis na literatura têm sido
largamente utilizados para sintonia de controladores PID, mesmo nos casos onde a
dinâmica do sistema não é totalmente conhecida (OGATA, 1998), porém, sabemos
que para sistemas com altos valores de tempo morto, comportamentos oscilatórios e
sistemas de ordem superior o controlador PID não apresenta bom desempenho
(ÅSTRÖM et al, 1995). Adicionalmente sabemos que as regras de sintonia propostas
são em sua maioria baseadas em modelos simplificados dos processos justificando,
portanto o pobre desempenho do PID para processos mais complexos.
Métodos analíticos para cálculo dos parâmetros do controlador tais como a Síntese
Direta e o Cancelamento de Pólos, partem da premissa de que o modelo do processo a
ser controlado deve ser conhecido, porém nem sempre é possível modelar com
exatidão um sistema devido ao desconhecimento do processo em questão (SHAW et
al, 1999).
Outras dificuldades para o controle com o algoritmo PID incluem os sistemas que
possuem alguma não-linearidade (saturação, zona-morta, histerese), onde é necessária
a linearização do modelo do sistema em torno de um ponto de operação o que acarreta
mais imprecisões no modelo, e parâmetros variantes no tempo que podem ser causados
por desgastes dos componentes de uma válvula ou de um atuador, ou ainda por
distúrbios externos não previstos tais como variações nas condições ambientais.
O controle nebuloso supre estas lacunas do PID uma vez que na realidade trata-se de
um controlador não linear (SHAW et al, 1999) onde não há necessidade do
conhecimento do modelo matemático do sistema. Outra característica fundamental nos
sistemas nebulosos é que o conhecimento do operador humano, ou de um especialista,
121
a respeito de um processo pode ser codificado em regras lingüísticas, tornando estes
controladores capazes de raciocinar de forma semelhante ao ser humano. O
controlador nebuloso tem a habilidade de gerar respostas precisas com base em
informações imprecisas tais como “o erro é muito grande” ou “o erro está crescendo
muito rapidamente” ou ainda “o erro está próximo de zero”, e regras nebulosas tais
como “se o erro é muito alto então a saída do controlador é muito alta”, inferidas
através do conhecimento humano do processo. Desta forma os sistemas construídos
com controladores nebulosos baseados em regras são facilmente compreendidos pelos
operadores das plantas.
O controlador nebuloso transforma as variáveis analógicas ou discretas de sua entrada
em variáveis lingüísticas, através do processo de fuzzificação, e então utilizando um
conjunto de regras do tipo “se <premissa> então <conclusão>” e um processo de
inferência nebulosa (agregação e composição) calcula o valor da variável lingüística
de saída do controlador. Esta para que possa ser utilizada no processo passa por um
processo de defuzzificação transformando o valor lingüístico obtido numa variável
“crisp” ou exata uma vez que os atuadores ou circuitos de acionamento necessitam de
valores exatos para seu funcionamento.
O projeto de um controlador nebuloso compreende as seguintes etapas: seleção das
entradas e saídas do controlador; definição das variáveis lingüísticas das entradas e
saídas; definição da base de regras; escolha do método de inferência associada às
regras nebulosas, seleção do método de fuzzificação e defuzzificação e avaliação do
controlador (COELHO et al, 2003).
Cabe ressaltar que embora o modelo do processo não seja necessário para o projeto de
um controlador nebuloso é desejável obtê-lo, mesmo que seja aproximado, uma vez
que o entendimento do sistema a ser controlado certamente será melhor se
conhecermos seu modelo e, portanto as regras lingüísticas podem ser mais bem
compreendidas (PASSINO et al, 1998). Outro aspecto é que os modelos são
122
necessários para simulações em computador, ferramenta fundamental no
desenvolvimento de controladores nebulosos (PASSINO et al, 1998).
5.1. Fundamentos da Lógica Nebulosa
5.1.1. Conjuntos Nebulosos e funções de pertinência
Na teoria de conjuntos clássica, ou “crisp”, um elemento é caracterizado como
pertencente ou não a um conjunto definido num universo de discurso U, que é o
conjunto que contém todos os elementos individuais habilitados a serem citados ou
quantificados (TSOUKALAS et al, 1997), através de uma função característica do tipo
tudo ou nada (bivalente ou Booleana) definida como:
( )
∉
∈
=
Axpara
Axpara
x
A
0
1
χ
(5.1)
Por exemplo, seja o universo de discurso U das pessoas com idades menores ou igual a
30 anos e o conjunto A, representando os adolescentes, cujas idades estão entre 12 e
18 anos, verificamos que uma pessoa que possua 12 anos pertence a este conjunto
enquanto que uma com 11 anos não pertence.
Figura 5.1 – Gráfico da função característica do conjunto clássico A
A Figura 5.1 ilustra a descontinuidade abrupta entre os elementos que pertencem ou
não ao conjunto A, através da plotagem do gráfico de sua função característica.
123
A teoria dos conjuntos nebulosos é uma extensão da teoria clássica (TSOUKALAS et
al, 1997). Nesta o elemento x pertence ou não a um conjunto nebuloso A, definido no
universo de discurso U, com certo grau de pertinência ou verdade. A função
característica, agora chamada de função de pertinência, mapeia todos os elementos do
universo de discurso para o intervalo [0,1]. Neste caso uma pessoa que possua 12 anos
pertence ao conjunto dos adolescentes com determinada pertinência ou grau de
certeza.
Abaixo temos um exemplo de função de pertinência nebulosa com formato
trapezoidal:
( )
>
≤≤
−
−
<<
<≤
−
−
<
=
3
32
34
4
32
21
12
1
1
0
1
0
xxse
xxxse
xx
xx
xxxse
xxxse
xx
xx
xxse
x
A
µ
(5.2)
Figura 5.2 - Diagrama de Zadeh para o conjunto nebuloso A
A Figura 5.2 ilustra a função de pertinência descrita acima através do Diagrama de
Zadeh, que representa graficamente a relação de pertinência de cada elemento do
universo de discurso a determinado conjunto nebuloso, neste caso o conjunto A dos
adolescentes.
124
Podemos verificar que existe uma faixa de transição entre os elementos que pertencem
ou não ao conjunto dos adolescentes, de forma oposta a um conjunto clássico onde a
transição é abrupta.
Verificamos ainda que uma pessoa que possua 11 anos pertence ao conjunto dos
adolescentes definido acima com um grau de certeza de 0,67 enquanto que outra que
possua 12 pertence com um grau de certeza de 1.
Um conjunto nebuloso é expresso como um conjunto de pares ordenados conforme
abaixo:
(
)
(
)
{
}
Ux,x,xA
A
∈µ=
As funções de pertinência podem possuir vários formatos, mas os mais comuns, por
serem mais fáceis de serem gerados, são o triangular e o trapezoidal (SHAW et al,
1999). Outros formatos utilizados são o sigmoidal, a curva gaussiana e etc. A Figura
5.3 ilustra algumas dessas funções de pertinência.
Figura 5.3 - Funções de Pertinência usuais
5.1.2. Operações Básicas entre conjuntos nebulosos
De forma análoga aos conjuntos clássicos podemos definir as operações de união,
interseção e complemento dos conjuntos nebulosos.
125
A união de dois conjuntos nebulosos, pertencentes ao mesmo universo de discurso, é
fornecida pela equação abaixo:
µ
A
(x)∪µ
B
(x)=max[µ
A
(x),µ
B
(x)] (5.3)
Por exemplo, seja o universo de discurso U={x
1
,x
2
,x
3
,x
4
,x
5
} e os conjuntos nebulosos
A∈U e B∈U, sendo A={0,1;0,5;0,3;0,9;1} e B={0,7;0,5;0;1;0,6} então o vetor de
pertinências do conjunto união A∪B será dado pelo máximo das pertinências tomadas
elemento a elemento. Por conseqüência o conjunto união será dado por
A∪B={0,7;0,5;0,3;1;1};
A união de conjuntos nebulosos pertencentes ao mesmo universo de discurso é
utilizada para representar o operador booleano “ou” (PASSINO et al, 1998).
A Figura 5.4 ilustra a união de dois conjuntos nebulosos. No eixo horizontal temos a
representação do universo de discurso e no eixo vertical os valores da função de
pertinência do conjunto união, para cada um dos elementos do universo de discurso.
Figura 5.4 – Diagrama de Zadeh para a união dos conjuntos NM e Z
A intersecção de conjuntos nebulosos, pertencentes ao mesmo universo de discurso, é
dada pela expressão:
µ
A
(x)∩µ
B
(x)=min[µ
A
(x),µ
B
(x)] (5.4)
126
A Figura 5.5 apresenta o resultado da intersecção de dois conjuntos nebulosos.
Novamente o eixo horizontal representa o universo de discurso e o eixo vertical os
valores da função de pertinência do conjunto intersecção para cada elemento do
universo de discurso.
Figura 5.5 – Diagrama de Zadeh para intersecção dos conjuntos A e B
Sejam os conjuntos nebulosos A e B, pertencentes ao universo de discurso U,
definidos anteriormente então o vetor de pertinências do conjunto intersecção A∩B
será dado pelo mínimo das pertinências tomadas elemento a elemento. Por
conseqüência o conjunto intersecção será dado A∩B={0,1;0,5;0;0,9;0,6};
A intersecção de conjuntos nebulosos pertencentes ao mesmo universo de discurso é
utilizada para representar o operador booleano “e” (PASSINO et al, 1998).
Verificamos que o conjunto nebuloso resultante não é normal, ou seja, não possui
nenhum elemento com grau de pertinência igual a um.
O Complemento do conjunto nebuloso A, pertencente ao universo de discurso U, é
composto por todos os elementos que não pertencem ao conjunto A, mas pertencem ao
universo de discurso em questão. O complemento é dado pela expressão:
µ
A
(x)=1-µ
A
(x) (5.5)
A Figura 5.6 ilustra o complemento de um conjunto nebuloso.
127
Figura 5.6 – Diagrama de Zadeh para o conjunto nebuloso “complemento de A”
A intersecção de conjuntos nebulosos pertencentes ao mesmo universo de discurso é
utilizada para representar o operador booleano “não” (PASSINO et al, 1998).
Seja o conjunto A definido anteriormente, o seu complemento, no universo de discurso
U, será dado por ¬A={0,9;0,5;0,7;0,1;0}.
As propriedades dos conjuntos clássicos (associatividade, comutatividade,
distributividade e etc.) também valem, em sua maioria, para os conjuntos nebulosos
exceto pelas leis do meio excluído e da contradição.
Na teoria clássica dos conjuntos a união de um conjunto com o seu complemento é
sempre igual ao universo de discurso. Esta é a lei do meio excluído. Podemos verificar
através da Figura 5.6 que esta lei não vale para os conjuntos nebulosos, logo
A∪¬A≠U.
A intersecção de um conjunto clássico com o seu complemento é o conjunto vazio,
esta propriedade é conhecida como lei da contradição. Podemos verificar, através da
Figura 5.6, que a intersecção de um conjunto nebuloso com o seu complemento é
diferente do conjunto vazio, logo A∩¬A≠&.
A intersecção de um conjunto nebuloso com o conjunto vazio é o próprio conjunto
vazio, logo A∩&≠&.
128
Um conjunto nebuloso é dito normal se, no mínimo, um de seus elementos x
n
possuir
grau de pertinência ao conjunto igual a 1.
5.1.3. Variáveis lingüísticas
Variáveis lingüísticas são variáveis cujos valores são palavras ou sentenças em
linguagem natural ou artificial (ZADEH, 1975). Estas palavras podem ser
representadas por conjuntos nebulosos (TSOUKALAS et al, 1997).
O Diagrama de Zadeh da Figura 5.7 apresenta a variável lingüística “erro”,
correspondente a variável numérica erro de entrada de um controlador.
Figura 5.7 - Diagrama de Zadeh para a variável lingüística “erro”
Associamos aos valores lingüísticos da variável erro conjuntos nebulosos, cujas
funções de pertinência apresentadas em nosso exemplo são trapezoidais e triangulares,
representando os valores que esta variável pode assumir e modificando seu
significado.
Podemos verificar através do diagrama que esta variável pode assumir os valores
lingüísticos {NL, NS, Z, PS, PL} que a qualificam e a modificam. Neste diagrama NS
129
(Negative Small) é o conjunto dos erros negativos próximos de zero (Z) e PL (Positive
Large) é o conjunto dos erros positivos distantes de zero. Da mesma forma PS
(Positive Small) significa o conjunto dos erros positivos pequenos e assim por diante.
Os termos “positive”, “zero” e “negative” são chamados de primários e os termos
“small”, “medium” e “large” de modificadores.
Verificamos ainda que os conjuntos nebulosos adotados ocupam toda a faixa de
variação (universo de discurso) desta variável [-1 1].
Para perfeita caracterização de uma variável lingüística devemos então definir o nome
da variável, o universo de discurso, os termos primários, os modificadores e ainda as
funções de pertinência associadas a cada valor da variável.
5.2. Estrutura e funcionamento do controlador nebuloso
A Figura 5.8 apresenta a estrutura básica de um controlador nebuloso com uma entrada
e uma saída.
Figura 5.8 - Estrutura do controlador nebuloso
Verificamos que ele é composto dos seguintes elementos:
• Base de Conhecimento
• Fuzzificador
• Maquina de inferência
130
• Defuzzificador
A base de conhecimento do controlador é composta de um conjunto de regras do tipo
“se <premissa> então <conclusão>” e das informações relacionadas as variáveis
lingüísticas de entrada e saída do controlador tais como quantidade, formato e
sobreposição das funções de pertinência, bem como a definição do universo de
discurso de cada variável. A base de conhecimento representa o modelo do sistema a
ser controlado (SHAW et al, 1999).
O Universo de discurso é escolhido em função da faixa de variação das variáveis
“crisp” de entrada ou saída, porém em geral são utilizados fatores de escala de forma a
normalizar os intervalos utilizados o que simplifica os cálculos (TSOUKALAS et al,
1997) e diminui o esforço computacional.
As variáveis lingüísticas mais comuns utilizadas como entrada do controlador são o
erro e(t) e a variação (derivada) do erro de(t)/dt. A variável de saída é m(t) (variável
manipulada).
A escolha do formato e da quantidade de funções de pertinência para cada variável
lingüística é subjetiva (PASSINO et al, 1998) e pode variar conforme a aplicação
desejada. Em geral temos um número pequeno de funções de pertinência (ÅSTRÖM et
al, 1995) e os formatos mais utilizados são o triangular e o trapezoidal, pois são mais
fáceis de serem gerados (SHAW et al, 1999). As funções de pertinência devem cobrir
todo o universo de discurso e a sobreposição entre elas deve estar no intervalo de 25%
a 75% (SHAW et al, 1999).
A Base de regras é construída utilizando relações entre variáveis lingüísticas e podem
ser expressas através de declarações condicionais nebulosas, utilizando os conectivos
“E”, “OU”, “NÃO”, “SE”, “ENTÃO” e “SENÃO”, entre outros, por exemplo:
43421
444444 3444444 21
ECONSEQÜENT
PL é saída ENTÃO
ESANTECEDENT
PL é erro do variaçãoE PL é erro SE
131
Os antecedentes são avaliados pela máquina de inferência, através da implicação
nebulosa, que então calcula o valor dos conseqüentes de cada regra num processo
chamado de agregação. O processo de composição calcula a contribuição individual de
cada regra na saída total do controlador.
A quantidade de regras necessárias é função da quantidade de variáveis lingüísticas de
entrada e dos respectivos valores lingüísticos, por exemplo, seja um controlador cujas
variáveis lingüísticas de entrada sejam o “erro” com três termos lingüísticos (N, Z e P)
e a “variação do erro” com três termos lingüísticos (N, Z e P) e cuja saída seja “m” (de
variável manipulada) com cinco termos lingüísticos (NL, NS, Z, PS, PL), seriam
necessárias então nove regras nebulosas para representar todo o conhecimento relativo
ao processo. Não se devem eliminar regras, pois características importantes do
processo poderiam ser suprimidas (ASSIS, 1997).
Para o controlador descrito acima teríamos então o seguinte conjunto de regras:
• R1: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “derivada do erro é Z” então “saída do controlador é NS”
• R3: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R4: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R5: se “erro é Z” e “derivada do erro é Z” então “saída do controlador é Z”
• R6: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R7: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL”
• R8: se “erro é P” e “derivada do erro é Z” então “saída do controlador é PS”
• R9: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
O “Fuzzificador” é o elemento responsável por transformar os valores exatos, ou
“crisp”, que as variáveis de entrada do controlador podem assumir, em valores
nebulosos para que possam ser avaliados pelo processo de inferência. O fuzzificador
mapeia os valores contínuos ou discretos dos sinais de entrada, calculando a
pertinência desses valores a cada um dos subconjuntos da variável nebulosa em
questão.
132
A Figura 5.9 apresenta um exemplo do processo de fuzzificação para as variáveis
lingüísticas erro e derivada do erro de entrada de um controlador nebuloso.
Verificamos que o valor do erro igual a –0,3 pertence ao conjunto Z, dos erros
“próximos do zero”, com pertinência 0,25 e ao conjunto N, dos erros negativos, com
pertinência 0,75. Já o valor da derivada igual a 0.25 pertence ao conjunto P, das
derivadas positivas com pertinência 0,625 e ao conjunto Z das derivadas “próximas de
zero” com pertinência 0,375.
Figura 5.9 - Fuzzificação
As entradas fuzzificadas definem quais regras serão ativadas para então serem
avaliadas pela máquina de inferência. Esta calcula a saída de cada regra a partir dos
valores das entradas através de operadores de implicação. Vários operadores de
implicação estão disponíveis tais como o operador Max-Min de Zadeh, o operador
Max-Min de Mandami, e etc.
No exemplo acima, para o erro=-0,3 {µ
Z
(-0,3)=0,25 e µ
N
(-0,3)=0,75} e a derivada do
erro=0,25 {µ
P
(0,25)=0,625 e µ
Z
(0,25)=0,375} são ativadas as regras um, dois, quatro e
cinco.
O valor da saída de cada regra é calculado pelo método de implicação de Mandami.
Neste método o mínimo dos valores das pertinências das entradas (antecedentes) é
selecionado através do operador de implicação de Mandami e a função de pertinência
133
da saída (conseqüente) de cada regra é obtida calculando-se o máximo entre o valor da
função de pertinência de saída e o resultado da avaliação dos antecedentes. Esta
operação corresponde ao truncamento da função de pertinência de saída da regra no
valor mínimo das funções de pertinência das entradas. Este processo é chamado de
agregação.
Figura 5.10 - Inferência Nebulosa
A Figura 5.10 apresenta uma ilustração do processo de agregação para as regras um e
dois.
O valor obtido de cada regra deve ser combinado, através de um processo chamado de
composição, de forma a obter a saída total para cada conjunto de entradas. Neste
processo o máximo das pertinências de cada conjunto de saída deve ser utilizado de
forma a se obter a contribuição total de cada regra para a saída.
134
As áreas sombreadas da Figura 5.11 representam a saída obtida após o processo de
composição. Elas representam a função de pertinência do conjunto nebuloso de saída
de controlador. Para que essa informação possa ser utilizada no controle ela deve ser
transformada em um valor “crisp” para que possa ser utilizada na entrada de um
atuador ou de um acionamento.
Figura 5.11 - Composição
Tal função é executada pelo defuzzificador que pode ser desenvolvido utilizando
alguns dos métodos listados abaixo:
• Método do centro-de-gravidade (centróide) ou Centro-da-Área (C-o-A)
• Método do Centro-do-Máximo (C-o-M)
• Método da Média-do-Máximo (M-o-M)
O método mais comum é o do centro-de-gravidade onde a saída é obtida através do
cálculo do centro de massa da figura resultante. O cálculo da saída é efetuado da
seguinte forma:
135
( )
( )
∑
∑
=
=
⋅
=
n
i
iOUT
n
i
iOUTi
m
1
1
µµ
µµµ
5.3. Controladores Nebulosos projetados
Oito controladores nebulosos foram projetados e simulados, utilizando-se a planta
analógica e a planta digital, com o auxilio do Simulink
®
.
Todos os controladores utilizaram o método do centróide para a defuzzificação e a
inferência max-min de Mandami para avaliação das regras.
Como entradas dos controladores foram utilizadas as variáveis lingüísticas erro,
derivada do erro e integral do erro, sozinhas ou combinadas entre si. Como saída
destes controladores foi utilizada a variável lingüística m (variável manipulada).
O universo de discurso de todas as variáveis foi normalizado no intervalo [-1 1] e o
formato das funções de pertinência foi definido através de tentativa e erro, sendo que
os mais utilizados foram os trapezoidais e triangulares.
De forma a manter as variáveis de entrada e saída dentro das faixas de valores
normalizados foram utilizados ganhos, ajustados através de tentativa e erro, para cada
uma delas.
Os seguintes termos lingüísticos foram associados às funções de pertinência:
• NL – “negative large”
• NM – “negative medium”
• NS – “negative small”
• Z - Zero
• PS – “positive small”
• PM – “positive medium”
• PL – “positive large”
136
5.3.1. Controlador CN01
O controlador CN01 possui como entradas as variáveis lingüísticas erro e variação do
erro e m (variável manipulada) como saída.
Figura 5.12 - Controlador CN01
A Figura 5.12 ilustra o sistema de controle por retroação utilizando o controlador
CN01 e o universo de discurso normalizado onde as funções de pertinência deste
controlador são apresentadas na Figura 5.13.
Para o controlador descrito foi utilizado o seguinte conjunto de regras:
• R1: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R3: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R4: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R5: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL”
• R6: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
Os fatores de escala utilizados foram:
• K
p
=0,07 para a variável erro;
• K
D
=1x10
-7
para variável derivada do erro;
• K
CM
=250 para variável m (saída do controlador).
137
Figura 5.13 – Funções de Pertinência do Controlador CN01
5.3.2. Controlador CN02
O controlador CN02 foi projetado apenas com a variável erro como entrada. A Figura
5.14 apresenta o sistema de controle por retroação utilizando o controlador.
Figura 5.14 - Controlador CN02
Para este controlador foi utilizado o seguinte conjunto de regras:
• R1: se “erro é NL” então “saída do controlador é NL”
138
• R2: se “erro é NS” então “saída do controlador é NS”
• R3: se “erro é Z” então “saída do controlador é Z”
• R4: se “erro é PS” então “saída do controlador é PS”
• R5: se “erro é PL” então “saída do controlador é PL”
O universo de discurso normalizado e as funções de pertinência deste controlador
podem ser verificadas na Figura 5.15.
Figura 5.15 – Funções de pertinência do Controlador CN02
Os fatores de escala utilizados foram:
• K
p
=0,07 para a variável erro;
• K
CM
=250 para variável m (saída do controlador).
5.3.3. Controlador CN03
Este controlador possui como entradas as variáveis lingüísticas erro e integral do erro e
m como saída, conforme verificamos na Figura 5.16.
139
Figura 5.16 - Controlador CN03
Para o controlador descrito acima teremos o seguinte conjunto de regras:
• R1: se “erro é N” e “integral do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “integral do erro é N” então “saída do controlador é NL”
• R3: se “erro é Z” e “integral do erro é P” então “saída do controlador é PS”
• R4: se “erro é Z” e “integral do erro é N” então “saída do controlador é NS”
• R5: se “erro é P” e “integral do erro é P” então “saída do controlador é PL”
• R6: se “erro é P” e “integral do erro é N” então “saída do controlador é Z”
O universo de discurso normalizado e as funções de pertinência podem ser verificadas
na Figura 5.17.
Figura 5.17 - Funções de pertinência do Controlador CN03
140
Os fatores de escala utilizados foram:
• K
p
=0,01 para a variável erro;
• K
I
=1x10
-7
para variável integral do erro;
• K
CM
=250 para variável m (saída do controlador).
5.3.4. Controlador CN04
Este controlador possui como entradas as variáveis lingüísticas erro e variação do erro
e m como saída, conforme pode ser verificado através da Figura 5.18.
Figura 5.18 - Funções de pertinência do Controlador CN04
Para este controlador teremos o seguinte conjunto de regras:
• R1: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R2: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R3: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
• R4: se “erro é N” e “derivada do erro é Z” então “saída do controlador é NS”
141
• R5: se “erro é Z” e “derivada do erro é Z” então “saída do controlador é Z”
• R6: se “erro é P” e “derivada do erro é Z” então “saída do controlador é PS”
• R7: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R8: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R9: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL
Os fatores de escala utilizados foram:
• K
p
=0,01 para a variável erro;
• K
d
=1x10
-7
para variável derivada do erro;
• K
CM
=250 para variável m (saída do controlador).
5.3.5. Controlador CN01d
O controlador CN01d é análogo ao controlador CN01, possui como entradas as
variáveis erro e variação do erro e como saída a variável m (variável manipulada). A
estrutura deste controlador pode ser verificada na Figura 5.19.
Figura 5.19 - Controlador CN01d
O universo de discurso normalizado e as funções de pertinência deste controlador são
apresentados na Figura 5.20. Podemos verificar que o formato utilizado para as
funções de pertinência é diferente dos adotados para CN01 uma vez que as funções de
pertinência possuem bases maiores.
142
Figura 5.20 - Funções de pertinência do Controlador CN01d
Para o controlador descrito foi utilizado o seguinte conjunto de regras:
• R1: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R3: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R4: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R5: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL”
• R6: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
Os fatores de escala utilizados foram:
• K
p
=1,75 para a variável erro;
• K
D
=1x10
-4
para variável derivada do erro;
• K
CM
=250 para variável m (saída do controlador).
5.3.6. Controlador CN02d
O controlador CN02d possui como variável de entrada o erro e como saída a variável
m. Sua estrutura pode ser verificada na Figura 5.21.
143
Figura 5.21 - Controlador CN02d
O formato escolhido, através de tentativa e erro, para as funções de pertinência foi a
Gaussiana e pode ser verificado através da Figura 5.22.
Figura 5.22 - Funções de pertinência do controlador CN02d
Para este controlador foi utilizada a seguinte base de regras:
• R1: se “erro é NL” então “saída do controlador é NL”
• R2: se “erro é NM” então “saída do controlador é NM”
144
• R3: se “erro é NS” então “saída do controlador é NS”
• R4: se “erro é Z” então “saída do controlador é Z”
• R5: se “erro é PS” então “saída do controlador é PS”
• R6: se “erro é PM” então “saída do controlador é PM”
• R7: se “erro é PL” então “saída do controlador é PL”
Os fatores de escala utilizados foram:
• K
p
=1 para a variável erro;
• K
CM
=150 para variável m (saída do controlador).
5.3.7. Controlador CN03d
O controlador CN03d é análogo ao controlador CN01d, conforme podemos verificar
na Figura 5.23. Ele possui como entradas as variáveis erro e variação do erro e como
saída a variável m (variável manipulada).
Figura 5.23 - Controlador CN03d
A Figura 5.24 ilustra as funções de pertinência deste controlador onde podemos
perceber que diferem em formato e quantidade das funções do controlador CN01d.
145
Figura 5.24 - Funções de pertinência do controlador CN03d
Para o controlador descrito foi utilizado o seguinte conjunto de regras:
• R1: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R3: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R4: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R5: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL”
• R6: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
Os fatores de escala utilizados foram:
• K
p
=0,75 para a variável erro;
• K
D
=1x10
-5
para variável derivada do erro;
• K
CM
=100 para variável m (saída do controlador).
146
5.3.8. Controlador CN04d
O controlador CN04d foi projetado considerando o somatório de dois controles fuzzy,
o primeiro, CN04PDd, que apresenta como entradas o erro e a derivada do erro e um
segundo, CN04Id, que apresenta como entrada a integral do erro.
Figura 5.25 - Controlador CN04d
Figura 5.26 - Funções de pertinência do controlador CN04PDd
147
Figura 5.27 - Funções de pertinência do controlador CN04Id
A Figura 5.26 e a Figura 5.27 ilustram os conjuntos de pertinência para cada um dos
controles fuzzy.
O seguinte conjunto de regras foi utilizado para o termo nebuloso do controlador
CN04PDd:
• R1: se “erro é N” e “derivada do erro é P” então “saída do controlador é Z”
• R2: se “erro é N” e “derivada do erro é N” então “saída do controlador é NL”
• R3: se “erro é Z” e “derivada do erro é P” então “saída do controlador é PS”
• R4: se “erro é Z” e “derivada do erro é N” então “saída do controlador é NS”
• R5: se “erro é P” e “derivada do erro é P” então “saída do controlador é PL”
• R6: se “erro é P” e “derivada do erro é N” então “saída do controlador é Z”
Os fatores de escala utilizados foram:
• K
p
=1,75 para a variável erro;
• K
d
=0,001 para variável derivada do erro;
• K
CM
=250 para variável m (saída do controlador).
148
Para o termo nebuloso do controlador CN04Id utilizamos o seguinte conjunto de
regras:
• R1: se “erro é NL” então “saída do controlador é NL”
• R2: se “erro é NS” então “saída do controlador é NS”
• R3: se “erro é Z” então “saída do controlador é Z”
• R4: se “erro é PS” então “saída do controlador é PS”
• R5: se “erro é PL” então “saída do controlador é PL”
Os fatores de escala utilizados foram:
• K
I
=1 para a variável integral do erro;
• K
ICM
=150 para variável m (saída do controlador).
5.4. Comparação dos controladores Nebulosos
Os controladores nebulosos projetados foram submetidos a duas baterias de ensaios,
utilizando o Simulink
®
, com objetivo de levantar parâmetros para posterior
comparação. O modelo adotado para estas baterias de simulações foi o modelo em
tempo contínuo do servossistema.
O algoritmo de integração utilizado foi o ODE23 com fator de refinamento unitário,
tolerância relativa de 1.10
-3
e tolerância absoluta automática.
5.4.1. Resultados da primeira bateria de simulações
Na primeira bateria de simulações foi aplicado no instante t=0 um degrau unitário no
valor de referência a cada um dos sistemas. Foram levantados os máximos valores de
sobre-sinal e tempo de acomodação para cada um dos sistemas, além disso, foram
registrados os valores para o erro em regime permanente e os índices ITAE e ITSE da
resposta de cada um dos controladores.
149
Figura 5.28 – Resposta a degrau unitário – Controladores nebulosos analógicos
A Figura 5.28 ilustra o resultado obtido para os controladores fuzzy analógicos
projetados. A Figura 5.29 ilustra o resultado obtido para os controladores fuzzy
digitais. Comparando os resultados notamos que todos controladores digitais
apresentaram maior sobre-sinal que os controladores analógicos, bem como suas
respostas apresentaram um caráter oscilatório muito mais acentuado que os
controladores fuzzy analógicos.
Figura 5.29 – Resposta a degrau unitário – Controladores nebulosos digitais
150
A Figura 5.30 apresenta os valores obtidos para os máximos sobre-sinais dos oito
controladores nebulosos (analógicos e digitais) obtidos para a resposta ao degrau.
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
90,00%
100,00%
CN04 CN02 CN03 CN01 CN04D CN02D CN01D CN03D
Figura 5.30 - Sobre-sinal máximo dos controladores nebulosos
Comparando os resultados obtidos verificamos que neste quesito os controladores
analógicos apresentaram melhor desempenho que os digitais com exceção de CN01
que apresentou um sobre-sinal muito próximo de CN04D.
O controlador CN04 foi o que apresentou o menor sobre-sinal dentre os controladores
nebulosos seguido do controlador CN02.
A Figura 5.31 apresenta os tempos de acomodação dos controladores nebulosos para a
resposta ao degrau. Os tempos obtidos para os controladores nebulosos foram em geral
superiores aos dos controladores PID analógicos (ver Figura 3.5).
O controlador CN04 apresentou o menor tempo de acomodação dentre os
controladores nebulosos comparados, contudo apresentou um dos maiores erros
estacionários como mostrado na Figura 5.32. Comparando os resultados obtidos nos
controladores nebulosos com os controladores PID digitais (Figura 4.9) observamos
que, com exceção do controlador CN01d, todos os outros controladores nebulosos
apresentaram tempo de acomodação com a mesma ordem de grandeza daqueles.
151
0,00E+00
1,00E-01
2,00E-01
3,00E-01
4,00E-01
5,00E-01
6,00E-01
7,00E-01
8,00E-01
9,00E-01
CN04 CN02 CN03 CN01 CN04D CN02D CN03D CN01D
Figura 5.31 - Tempos de acomodação dos controladores nebulosos
0,00E+00
1,00E-02
2,00E-02
3,00E-02
4,00E-02
5,00E-02
6,00E-02
CN04D CN01 CN03D CN03 CN02 CN04 CN01D CN02D
Figura 5.32 - Erro em regime permanente dos controladores nebulosos
Todos os controladores nebulosos apresentaram erro em regime estacionário, sendo
que CN02D foi o que apresentou o maior erro.
Os índices ITAE obtidos são apresentados na Figura 5.33. Observamos que,
comparando com os resultados apresentados pelos controladores PID analógicos
(Figura 3.7) e controladores PID digitais (Figura 4.11) verificamos que os todos os
152
controladores nebulosos digitais apresentaram desempenho semelhante aos
controladores PID digitais e superiores aos analógicos.
0,00E+00
5,00E-05
1,00E-04
1,50E-04
2,00E-04
2,50E-04
3,00E-04
3,50E-04
4,00E-04
CN02 CN03 CN04 CN01 CN04D CN03D CN01D CN02D
Figura 5.33 - Índices ITAE para os controladores nebulosos – 1a bateria
A Figura 5.34 apresenta os valores obtidos para o índice ITSE. Comparando com os
controladores PID analógicos (Figura 3.8) e PID digitais (Figura 4.12) verificamos que
para este índice todos os controladores nebulosos digitais apresentaram desempenho
compatível aos controladores PID analógicos e digitais.
0,00E+00
1,00E-07
2,00E-07
3,00E-07
4,00E-07
5,00E-07
6,00E-07
7,00E-07
8,00E-07
9,00E-07
1,00E-06
CN04 CN01 CN04D CN02 CN03 CN03D CN02D CN01D
Figura 5.34 - Índices ITSE para os controladores nebulosos – 1a bateria
153
5.4.2. Resultados da segunda bateria de simulações
Na segunda bateria de simulações foi aplicado um degrau unitário no valor de
referência em t=0 e passado o tempo de acomodação aplicamos um degrau unitário na
carga de forma a verificar o seu efeito na resposta do sistema.
Figura 5.35 – Resposta a degrau unitário e variação de 0,2 na carga – Controladores nebulosos analógicos
A Figura 5.35 apresenta as formas de onda obtidas nos sistemas com controladores
nebulosos analógicos quando submetidos à resposta a degrau e à variação de carga.
As oscilações produzidas pela introdução da carga são maiores que as ocorridas no
controladores PID analogicos, porém bem menores do que as que ocorreram com os
controladores PID digitais.
154
A Figura 5.36 apresenta as formas de onda obtidas, nas mesmas condições, para os
controladores nebulosos digitais.
Figura 5.36 – Resposta a degrau unitário e variação de 0,2 na carga – Controladores nebulosos digitais
Todos os controladores nebulosos digitais apresentaram um fraco desempenho para
variações na carga.
Os índices ITAE e ITSE foram levantados para a resposta de cada um dos
controladores e os resultados são apresentados na Figura 5.37e na Figura 5.38
Podemos verificar o fraco desempenho para variações na carga dos controladores
nebulosos digitais.
155
0,00E+00
2,00E+01
4,00E+01
6,00E+01
8,00E+01
1,00E+02
1,20E+02
1,40E+02
1,60E+02
1,80E+02
CN01 CN03 CN02 CN04 CN02D CN04D CN01d CN03D
Figura 5.37 - Índices ITAE obtidos com variação de carga – Controladores nebulosos
0,00E+00
2,00E+03
4,00E+03
6,00E+03
8,00E+03
1,00E+04
1,20E+04
1,40E+04
1,60E+04
1,80E+04
2,00E+04
CN01 CN03 CN02 CN04 CN02D CN04D CN01D CN03D
Figura 5.38 - Índices ITSE obtidos com variação de carga – Controladores nebulosos
Todos os controladores nebulosos apresentaram fracos desempenhos para variações na
carga em relação aos controladores PID (digitais ou analógicos)
156
5.5. Conclusões
Segundo os índices ITAE e ITSE obtidos nas duas baterias de simulações o melhor
controlador nebuloso foi CN01. CN02 e CN04 também apresentaram desempenhos
satisfatórios, pois são os que mais vezes aparecem entre os melhores.
Vale ressaltar que mesmo o desempenho desses controladores na maioria dos casos foi
inferior ao desempenho dos controladores PID.
Verificamos em geral que os controladores PID e PD apresentaram desempenhos
superiores aos controladores nebulosos, por exemplo, para variações na carga os
melhores desempenhos (considerando o ITAE e o ITSE) foram os dos controladores
PID.
157
6. CONTROLE UTILIZANDO O SISTEMA DE AQUISIÇÃO DE
DADOS
Para o desenvolvimento do controle por computador foi utilizado um kit de
desenvolvimento educacional da National Instruments (ELVIS
) conforme já descrito
anteriormente no item 2.6.
Para analisar o comportamento do sistema quando submetido aos diversos tipos de
controladores projetados, foram efetuados ensaios do sistema quando submetidos a um
degrau e em seguida com variação na carga.
6.1. Avaliação dos Controladores na Prática
No ensaio a degrau a meta consiste em trabalhar com a tensão nominal no servomotor
(12 V) o que corresponde a tensão medida no tacogerador de cerca de V
m
= 7,6 V. Por
isto, para estes ensaios adotamos um set point SP = 7,6.
Ao efetuar os ensaios práticos com todos os controladores projetados observamos que
em todos os casos o sistema controlado respondeu de forma muito mais lenta do que se
esperava e em alguns casos apresentou instabilidade. A justificativa é imediata: na
prática o sistema de controle está sujeito a várias limitações e não-linearidades como
saturação, zona-morta, etc. Dentre estas não-linearidades devemos destacar a saturação
do sinal de controle, o qual não pode exceder os limites da placa de aquisição, ou seja,
± 10 V. Para verificar este efeito, foram efetuadas simulações do sistema de controle
considerando esta limitação no sinal de controle e também a utilização de um set point
de 7,6 V. Os resultados obtidos para os controladores projetados pelo método de
Ziegler-Nichols estão apresentados na Figura 6.1.
158
0 1 2 3
-20
0
20
t(s)
Vm(s)
Gc1
0 1 2 3
-20
0
20
t(s)
Vm(s)
Gc2
0 0.5 1
-20
0
20
t(s)
Vm(s)
Gc3
0 0.05 0.1 0.15 0.2
0
5
10
t(s)
Vm(s)
Gc4
0 0.5 1 1.5 2
-2
0
2
4
t(s)
Vm(s)
Gc5
0 1 2 3
-10
0
10
20
t(s)
Vm(s)
Gc6
Figura 6.1 – Simulação da resposta a degrau de 7,6 V – Controladores sintonizados pelo método de
Ziegler-Nichols – Simulação com saturação do sinal de controle
Os resultados obtidos para os controladores projetados pelo método de Sintonia Direta
e Cancelamento de Pólos estão ilustrados na Figura 6.2.
0 1 2 3
-2
0
2
4
6
t(s)
Vm(s)
Gc7
0 0.05 0.1 0.15 0.2
-5
0
5
10
t(s)
Vm(s)
Gc8
0 0.05 0.1 0.15 0.2
0
2
4
6
8
10
t(s)
Vm(s)
Gc9
0 0.1 0.2 0.3 0.4
-2
0
2
4
6
8
t(s)
Vm(s)
Gc10
Figura 6.2 – Simulação da resposta a degrau de 7,6 V – Controladores sintonizados por Síntese Direta e
Cancelamento de Pólos – Simulação com saturação do sinal de controle
159
Analisando os resultados observamos que somente apresentaram resposta satisfatória
os controladores projetados pelo método do cancelamento de pólos e o controle
proporcional projetado pelo método de Ziegler Nichols. Todos os outros controladores
tiveram seu desempenho comprometido pela saturação. Particularmente para os
controladores que possuem componente integradora (PI e PID) podemos justificar a
piora no desempenho. A componente de integração proporciona uma elevação no sinal
de controle toda vez que o erro produzido pela diferença entre o setpoint e o sinal de
realimentação proveniente do sensor for positivo (ou redução do sinal de controle se o
erro for negativo).
A taxa de variação do sinal de controle depende da amplitude do
erro e também do valor da constante de integração (1/Ti). Devido a esta variação do
sinal de controle, este pode atingir os valores limites possíveis (por exemplo, atingir a
máxima tensão produzida na saída de uma placa de aquisição do controlador). Quando
isto acontece, mesmo com o aumento do sinal de controle, o valor que efetivamente irá
atuar no sistema será diferente do sinal que efetivamente será aplicado ao sistema, ou
seja, na Figura 6.3 temos U(s) ≠ M(s). Isto significa que enquanto M(s) continua
atingindo valores em amplitude muito maiores o sinal em U(s) é mantido. O agravante
é que, quando ocorrer inversão da polaridade do erro isto proporcionará redução no
sinal de controle em M(s), mas somente afetará U(s) quando finalmente o sinal de
controle atingir valores dentro da faixa de operação sem saturação. Este efeito pode
alterar consideravelmente o comportamento do sistema, podendo inclusive produzir
instabilidade
.
Figura 6.3 – Diagrama de blocos de sistema hipotético com controle PID, saturação do sinal de controle e
controle anti-windup
160
Para minimizar este efeito podemos introduzir no sistema os chamados compensadores
anti-windup (ou antireset windup). Estes compensadores objetivam evitar que o sinal
de controle atinja valores elevados quando ocorre a saturação. A estratégia de projeto
consiste basicamente em anular o efeito da componente de integração para valores de
sinal de controle que resultam em saturação. Para isto, devemos monitorar o sinal de
controle para verificar quando a saturação ocorre e quando isto acontecer o erro de
controle produzido (M(s) – U(s)) deve ser multiplicado por uma componente de
integração que irá subtrair o sinal de erro que será produzido futuramente de forma a
evitar que o crescimento do erro de controle permaneça aumentando ao longo do
tempo. Existem vários métodos de introdução do controle anti-windup e uma das
alternativas é mostrada na Figura 6.3. Observamos que, se a saturação não estiver
ocorrendo, o compensador anti-windup não tem efeito, pois M(s) = U(s). O parâmetro
K
f
pode ser ajustado pelo projetista para garantir a eliminação da componente de
integração no próximo instante de tempo. Uma estratégia comumente utilizada é
ajustar K
f
experimentalmente, por tentativa e erro, até que o efeito da saturação seja
minimizado. Esta é a técnica utilizada para definir os controladores anti-windup que
foram inseridos nos controladores G
C1
, G
C2
, G
C3
, G
C7
e G
C10
.
A Figura 6.4 ilustra os resultados práticos obtidos para os controladores analógicos
projetados utilizando o método de Ziegler-Nichols, considerando degrau de 7,6 V,
saturação do sinal de controle e controle anti-windup no caso dos controladores G
C1
,
G
C2
e G
C3
. Os ganhos utilizados nos controladores anti-windup foram ajustados por
tentativa e erro adotando-se em todos os casos G
AWU
= 150.
A Figura 6.5 ilustra os resultados para os controladores projetados pelo método da
Síntese Direta e por Cancelamento de Pólos. Nos controladores G
C7
e G
C10
não foi
necessário utilizar controle anti-windup, pois o sistema não apresentou saturação no
sinal de controle produzido, apresentando inclusive resposta não estável e com elevado
erro estacionário. Observamos que os melhores resultados foram obtidos com os
controladores G
C4
, G
C5
, G
C6
, G
C8
e G
C9
, pois apresentaram resposta rápida e sem
oscilação.
161
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc1
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc2
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc3
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc4
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc5
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc6
Figura 6.4 – Resposta a degrau de 7,6 V – Controladores sintonizados pelo método de Ziegler-Nichols –
Ensaio com sistema de aquisição de dados
0 5 10 15
0
5
10
t(s)
Vm(s)
Gc7
0 2 4 6
0
5
10
t(s)
Vm(s)
Gc8
0 2 4 6
0
2
4
6
8
10
t(s)
Vm(s)
Gc9
0 5 10 15
0
2
4
6
8
10
t(s)
Vm(s)
Gc10
Figura 6.5 – Resposta a degrau de 7,6 V – Controladores sintonizados por Síntese Direta e por
Cancelamento de Pólos – Ensaio com sistema de aquisição de dados
162
É importante destacar a necessidade de utilizar um tempo de amostragem apropriado.
Em todos os resultados práticos o tempo de amostragem foi fixado em T=0,0001s. O
desenvolvimento da aplicação utilizando aquisição de dados no LabVIEW
®
pode ser
efetuado de forma muito mais fácil quando não há compromisso com o tempo de
amostragem, por exemplo utilizando o modo On Demand onde o tempo de
amostragem é variável, sendo definido pelo próprio computador. Em um dos testes
obtivemos a resposta do controlador proporcional G
C8
. Um comparativo entre os
resultados obtidos no sistema com tempo de amostragem fixo em T = 0,0001 s e
utilizando o programa mais simples no modo On Demand é ilustrado na Figura 6.6.
Note que nesta situação muitos pontos da aquisição são perdidos. No caso deste
controlador não há considerável piora na estabilidade do sistema, contudo observamos
que nenhum dos outros controladores analógicos permitiu controle estável na situação
descrita acima, sem utilizar o tempo de amostragem apropriado.
0 2 4 6
0
1
2
3
4
5
6
7
8
t(s)
Vm(s)
Gc8 - T variável
0 2 4 6
0
1
2
3
4
5
6
7
8
t(s)
Vm(s)
Gc8 - T=0,0001s
Figura 6.6 – Resposta a degrau de 7,6 V – Controlador GC8 – Efeito da utilização do tempo de
amostragem apropriado
A Figura 6.7 e a Figura 6.8 ilustram as respostas obtidas para os controladores digitais
inclusive com controle anti-windup
G
AWU
= 1/s
no caso dos
controladores que possuem
componente integradora.
163
Figura 6.7 – Resposta a degrau de 7,6 V – Controladores digitais projetados por Ziegler Nichols – Ensaio
com sistema de aquisição de dados
Figura 6.8 – Resposta a degrau de 7,6 V – Controladores digitais emulados – Ensaio com sistema de
aquisição de dados
164
Todos os controladores digitais apresentaram respostas muito semelhantes e estáveis.
A Figura 6.9 e a Figura 6.10 ilustram as respostas obtidas para os controles fuzzy.
Figura 6.9 – Resposta a degrau de 7,6 V – Controladores fuzzy analógicos – Ensaio com sistema de
aquisição de dados
Figura 6.10 – Resposta a degrau de 7,6 V – Controladores fuzzy digitais – Ensaio com sistema de aquisição
de dados
165
Notamos a semelhança entre a resposta dos controladores fuzzy e os controladores PID
digitais.
Foram realizados ainda alguns ensaios para verificar a resposta de alguns
controladores a variações na carga. Para tal foi utilizado um motor com um pequeno
disco acoplado no eixo conforme pode ser observado na Figura 6.11.
Figura 6.11 - Motores utilizados na coleta de dados
A Figura 6.12 ilustra as respostas dos controladores GC5, GC8, CN04 e CN04d , para
um degrau de 5 volts, quando utilizamos um motor diferente. Percebemos que os
controladores PID tiveram uma mudança sensível no comportamento enquanto que os
controladores nebulosos não.
Figura 6.12 - Resposta para variações na carga
166
Figura 6.13 - Controle de Posição
A titulo de complemento e sugestão para continuação do trabalho introduzimos a
forma computacional de um integrador após o sinal medido pelo sensor de velocidade;
esta técnica permite desenvolver o sistema de controle de posição, sem a necessidade
de substituir o tacogerador acoplado ao eixo do sistema, mas adaptando-o para medir o
deslocamento angular. A Figura 6.13 ilustra a resposta do controlador CN04 para esta
situação. Nenhum ajuste foi realizado nos ganhos do controlador CN04 por isso
verificamos um erro estacionário elevado
167
7. CONCLUSÕES FINAIS
Este trabalho teve como objetivo principal a avaliação de diversas técnicas de projeto e
sintonia de controladores aplicados no controle de velocidade de um servomotor. O
sistema inclui além do servomotor, um sistema de aquisição de dados, um sensor de
velocidade acoplado ao motor, um programa de interface em LabVIEW
®
e circuito
eletrônico de acionamento e amplificação de potência enviada para o motor. Na
abordagem efetuamos a modelagem matemática de todos os dispositivos que
compõem o sistema e a sintonia de diversos controladores PID e nebulosos utilizando
métodos consagrados na literatura e em aplicações práticas na indústria.
Estes controladores foram avaliados por meio de critérios no domínio do tempo, erro
em regime permanente e critérios de erro integrado utilizando o Simulink
®
do
MatLab
®
software de simulação por computador.
Todos os controladores projetados foram avaliados por simulação e testados em
sistema com aquisição de dados de forma a confirmar os resultados obtidos e
estabelecer então uma análise comparativa entre os controladores.
Podemos concluir que em geral os controladores PID apresentaram um melhor
desempenho em relação aos controladores nebulosos na simulação.
Na aquisição de dados devido à presença de não-linearidades tais como histerese e
saturação do sinal de controle e ainda com a introdução da amostragem os controles
fuzzy apresentaram um melhor desempenho, seguido dos controladores PID digitais
(que são projetados considerando a amostragem) e por fim dos controladores PID
analógicos.
168
A técnica de controle nebuloso mostrou ser uma alternativa viável para controle
apresentando resultados semelhantes ao controle PID tradicional.
Os conceitos envolvidos neste trabalho possuem aplicabilidade prática no projeto de
controladores para várias outras áreas tais como a indústria petroquímica, ar-
condicionado e automação de processos contínuos.
Adicionalmente, a metodologia descrita neste trabalho pode ser aplicada em
laboratórios de ensino de engenharia, conforme sugerido no artigo Assis et al, 2008
para o desenvolvimento de sistemas de controle similares. A abordagem prática em
laboratório proporciona uma melhor assimilação dos conceitos teóricos vistos em sala,
facilita a compreensão de todos os passos envolvidos no projeto e ao mesmo tempo em
que permite a visualização de vários aspectos práticos geralmente não abordados em
sala de aula.
Sugerimos como trabalhos de continuidade:
- introdução da forma computacional de um integrador após o sinal medido pelo
sensor de velocidade; esta técnica permite desenvolver o sistema de controle de
posição com relativa facilidade, sem a necessidade de substituir o tacogerador
acoplado ao eixo do sistema, mas adaptando-o para medir o deslocamento angular;
- avaliação de outras técnicas de sintonia e projeto de controladores tais como
compensadores de avanço e atraso de fase, controladores com sintonia automática,
controladores adaptativos, controle por realimentação de estados, etc.
169
8. REFERÊNCIAS BIBLIOGRÁFICAS
[1] ASSIS, Wânderson de O., 1997, “Análise Comparativa de Estratégias de Controle para
Acionamentos Industriais Utilizando Chopper”, Escola Federal de Engenharia de Itajubá, Brasil.
[2] ASSIS, Wânderson de Oliveira; COELHO, Alessandra Dutra; LIMA, Fabio Roberto Garcia de,
2008, “Um programa didático para ensino de sistemas de controle em laboratório do curso de
engenharia”, Anais do XXXVI Congresso Brasileiro de Educação em Engenharia – COBENGE
2008, São Paulo, Brasil.
[3] ÅSTRÖM, Karl J.; HÄGGLUND, Tore. 1995. “PID Controllers: Theory, Design, and Tuning”.
Second Edition. Instrument Society of America. Research Triangle Park.
[4] COELHO, Leandro dos S.; ALMEIDA, Otacílio da M.; COELHO, Antonio Augusto R., 2003.
“Projeto e estudo de caso da implementação de um sistema de controle nebuloso”, Revista
Controle & Automação, Vol. 14 N
o
1, Jan., Fev. e Março 2003, Brasil.
[5] ERICKSON, Robert W.; MAKSIMOVIC, Dragan, 2000, “Fundamentals of Power electronics”,
Second Edition, Kluwer Academic Publishers, USA.
[6] FITZGERALD, A.E.; KINGSLEY Jr, Charles; KUSKO, Alexander, 1971. “Máquinas elétricas”.
McGraw-Hill Ltda. Brasil.
[7] FRANKLIN, Gene F.; POWELL, J. David; WORKMAN, Michael, 1998. “Digital Control of Dynamic
Systems”. Third Edition. Addison Wesley Longman, INC. CA, USA.
[8] GARCIA, Cláudio, 2001. “Apostila da disciplina de controle de processos industriais – IAC304 da
Escola de Engenharia Mauá”. Brasil.
[9] GARCIA, Cláudio, 1997. “Modelagem e simulação”. EDUSP. Brasil.
[10] J. G. ZIEGLER; N. B. NICHOLS, 1942. “Optimum Settings for Automatic Controllers”. Trans.
ASME, Vol. 64, pp. 759-768.
[11] LANDER, Cyril W., 1996. “Eletrônica Industrial”. Makron Books. Brasil.
[12] NISE, Norman S., 2000. “Control Systems Engineering”. Third Edition. John Wiley & Sons, NY,
USA.
[13] OGATA, Katsuhico, 1998. “Engenharia de Controle Moderno”. Terceira edição. Prentice Hall do
Brasil.
[14] OGATA, Katsuhico, 1994. “Discrete-Time Control Systems”. Prentice Hall, NJ, USA.
[15] PASSINO, Kevin M.; YURKOVICH, Stephen, 1998, “Fuzzy Control”, Addison Wesley Longman,
INC. CA, USA.
[16] POMILIO, J. Antenor, 2002. “Eletrônica de Potência”. FEEC-Unicamp. Brasil
[17] RASHID, Muhammad H., 1993, “Power Electronics – Circuits, devices, and applications”.
Prentice Hall. USA
170
[18] SHAW, Ian S.; SIMÕES, Marcelo G., 1999, “Controle e Modelagem Fuzzy”, Editora Edgard
Blucher Ltda, Brasil.
[19] TSOUKALAS, Lefteri H.; UHRIG, Robert E., 1997. “Fuzzy and Neural Approaches in
Engineering”. John Wiley & Sons, NY, USA.
[20] ZADEH, Lotfi A., 1965, “Fuzzy Sets”, Information and Control, Vol. 8, pp 338-353, USA.
[21] ZADEH, Lotfi A., 1975. “The Concepts of a Linguistic Variable and its Application to Approximate
Reasoning - I”, Information Sciences 8, 199-249 USA.
171
ANEXO
Programa de Desenvolvimento do Controle em LabVIEW
®
172
173
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
