(Aguinaldo Silveira) Introdução Ao Controle Não-Linear

UNIVERSIDADE FEDERAL DE SANTA CATARINA
DEPARTAMENTO DE ENGENHARIA EL
ETRICA
EEL7531: FUNDAMENTOS DE CONTROLE
INTRODUC

AO AO CONTROLE N
AO-LINEAR
Professor:
Aguinaldo Silveira e Silva
Sumario
1 Introdu cao 1
1.1 Modelo matematico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Existencia e solu cao de equa coes diferenciais . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Pontos de equilbrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Exemplos de sistemas nao-lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4.1 Sistema eletrico de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4.2 Ecologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Sistemas de segunda ordem 9
2.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Plano de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Campo vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Sistemas lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5 Sistemas nao-lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.6 Teorema de Hartman-Grobman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Teoria de estabilidade de Lyapunov 17
3.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Deni coes de estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Fun coes denidas em sinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4 Teoremas de estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.1 Determina cao da regiao de atra cao . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5 Metodos para a constru cao de fun coes de Lyapunov . . . . . . . . . . . . . . . . . . . . . 25
3.5.1 Metodo de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5.2 Fun coes tipo Lure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.6 Aplica coes do metodo de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.6.1 Estabilidade transitoria de sistemas eletricos . . . . . . . . . . . . . . . . . . . . . 26
4 Solu c oes periodicas e ciclos limite 29
4.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Solu coes periodicas e ciclos limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.3 Sistemas de segunda ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3.1 Teorema de Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3.2 Teorema de Poincare-Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
ii SUM
ARIO
4.3.3 Teoremas usando o conceito de ndice . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.4 Fun coes descritivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4.1 Estabilidade e existencia de solu coes periodicas usando fun coes descritivas . . . . . 36
5 Metodos de controle nao-linear 41
5.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Controle a modos deslizantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2.1 Controle de estrutura variavel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2.2 Incertezas do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2.3 Superfcies de deslizamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2.4 Lei de controle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2.5 Chattering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2.6 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3 Controle linearizante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3.2 Lineariza cao entrada-estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.3.3 Etapas para a aplica cao da lineariza cao entrada-estado . . . . . . . . . . . . . . . . 47
5.3.4 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.3.5 Considera coes nais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
CAP
ITULO 1
Introdu cao
Modelos lineares sao usados em varios campos da ciencia para representar uma amplo espectro de sis-
temas. No entanto, sistemas reais apresentam algum tipo de nao-linearidade. Em muitos casos a faixa
de opera cao limitada do sistema faz com que o efeito destas nao-linearidades seja limitado sendo que o
modelo linear e adequado para uma analise qualitiva e mesmo quantitativa sucientemente precisa.
O fato de que engenheiros procurem sempre modelos lineares e explicado pelo fato de que a teoria de
sistemas lineares e bem consolidada e os resultados sao gerais. Ja no caso de sistemas nao-lineares, os
resultados sao mais limitados e freq uentemente aplicaveis somente a classes de sistemas nao-lineares.
Em muitas aplica coes reais, onde as nao-linearidades tem grande inuencia no comportamento do
sistema tem-se que aplicar tecnicas de analise e sntese derivadas da teoria de sistemas nao-lineares.
Neste captulo sao apresentados alguns conceitos fundamentais de sistemas nao-lineares e deni coes
basicas. Conceitos matematicos essenciais usados na formaliza cao de resultados sao entao apresentados.
Finalmente alguns exemplos de sistemas fsicos nao-lineares sao discutidos para ilustrar a vasta gama de
aplica coes da teoria de sistemas nao-lineares.
1.1 Modelo matematico
Sistemas nao-lineares podem sao representados por um sistema de equa coes diferenciais da forma
x
1
= f
1
(t, x
1
, x
2
, . . . , x
n
, u
1
, u
2
, . . . , u
m
) (1.1.1)
x
2
= f
1
(t, x
1
, x
2
, . . . , x
n
, u
1
, u
2
, . . . , u
m
) (1.1.2)
.
.
. (1.1.3)
x
n
= f
1
(t, x
1
, x
2
, . . . , x
n
, u
1
, u
2
, . . . , u
m
) (1.1.4)
(1.1.5)
No sistema dado pela Equa cao 1.1.5 x
1
, x
2
, . . . , x
n
sao os estados do sistema e u
1
, u
2
, . . . , u
m
sao
entradas externas no sistema.
Podemos escrever este sistema de uma forma bastante compacta se denirmos o vetor de estados
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
2 Captulo 1: Introdu cao
o vetor de fun coes nao-lineares
f =
_
_
f
1
f
2
.
.
.
f
n
_
_
e o vetor de fun coes de entrada ou for cantes
u
_
_
f
1
f
2
.
.
.
f
n
_
_
O vetor f e conhecido como campo vetorial, por razoes que sao discutidas no proximo captulo.
Com estas deni coes a Equa cao 1.1.8 pode ser escrita como
x = f (t, x, u) (1.1.6)
E importante observar que os estados e as entradas sao fun coes do tempo, ou seja, rigorosamente
deveramos escrever x(t) = [x
1
(t)x
2
(t) . . . x
n
(t)]
T
e u(t) = [u
1
(t)u
2
(t) . . . , u
m
(t)]
T
, mas para facilitar a
nota cao nao representamos esta dependencia.
Observa-se ainda que a Equa cao 1.1.6 depende explicitamente do tempo. Isto signica que admitimos
que parametros do sistema possam variar com o tempo.
Exemplo 1.1.1 Seja o circuito eletrico
A entrada u caracteriza um sistema for cado. Se U nao aparece explicitamente na equa cao entao o
sistema e nao-for cado, dado pela Equa cao 1.1.7.
x = f (t, x) (1.1.7)
O sistema nao-for cado ocorre mesmo quando existe uma entrada mas esta entrada e uma fun cao do
estado x do sistema ou ainda se tivermos uma entrada constante. A entrada constante comporta-se como
um parametro e nao aparece explicitamente na equa cao.
O interesse neste curso sera em sistemas que nao dependem explicitamente do tempo. Um sistema
que depende explicitamente do tempo e chamado nao-autonomo. Um sistema que nao depende expli-
citamente do tempo e chamado de sistema autonomo. Na continua cao deste curso nos concentraremos
em sistemas nao-for cados autonomos. Portanto a partir de agora consideraremos sistemas descritos pela
Equa cao 1.1.8.
x = f (x) (1.1.8)
1.2 Existencia e solucao de equacoes diferenciais
A solu cao do Sistema 1.1.8 sera o vetor de fun coes do tempo x(t). Para cada condi cao inicial no tempo
t
0
, x
0
= x(t
0
), teremos uma solu cao. Vamos admitir que esta solu cao existe e e unica para cada condi cao
inicial. A solu cao sera uma curva em um espa co de dimensao n + 1. Para um sistema de segunda ordem
a solu cao que passa por x
0
e t
0
e mostrada na Figura 1.1(a).
Se considerarmos que para o mesmo tempo t
0
podemos ter qualquer ponto no plano transversal ao
eixo dos tempos como condi cao inicial, podemos pensar na solu cao do Sistema 1.1.8 como uma famlia
de curvas, algumas das quais sao mostradas na Figura 1.1(b). Representamos estas solu coes como
t
=
(x, t) que indica que para cada valor de t temos um valor associado do estado x(t). Esta famlia de
solu coes constitui um uxo
t
. O uxo
EEL-UFSC 3
x1
x2
t
x0
t0
(a) Solucao que passa por x0 em t0
x1
x2
t
x0
t0
U
(b) Fluxo de um sistema
Da Equa cao 1.1.8 segue que para um conjunto U R
n
e um intervalo I = (a, b) R
d
dt
(x, t)
= f((x, )) (1.2.1)
para todo x U e I
Para uma dada condi cao inicial em t = 0 dada por x(0) = x
0
procura-se a solu cao (x
0
, t) tal que
(x
0
, 0) = x
0
. Esta solu cao tambem e denotada por x(x
0
, t) ou x(t). A solu cao (x
0
, .) dene uma curva
solu cao, trajetoria ou orbita da equa cao diferencial 1.1.8.
Quando consideramos o Sistema 1.1.8, uma questao que surge e em que condi coes este sistema possui
uma solu cao. Ou seja dada uma condi cao inicial x
0
= x(t
0
) existe um vetor x(t) que satisfaz esta para
algum intervalo de tempo [t
0
, t)? Ainda mais, sera que esta solu cao e unica? Como o nosso interesse
e usar o Sistema 1.1.8 para representar o comportamento de sistemas reais, vemos que uma resposta
armativa a estas questoes e crucial para que o modelo matematico tenha utilidade.
Do ponto de vista matematico a condi cao de existencia e unicidade de solu cao para o Sistema 1.1.8
e dada pela condi cao de Lipschitz:
f(y) f(x) K|x y|
para algum K < (constante de Lipschitz).
Para modelos que representam sistemas fsicos, a condi cao de Lipschiz e sempre satisfeita.
1.3 Pontos de equilbrio
Os pontos de equilbrio, tambem chamados pontos xos ou zeros, sao solu coes da equa caO diferencial
para as quais o campo vetorial se anula. Para a Equa cao 1.1.8, os pontos de equilbrio sao dados por
f (x) = 0
A solu cao da Equa cao 1.3 por si so pode apresentar consideravel diculdade.
Deve-se ainda observar que um sistema nao-linear pode apresentar um unico, varios, innitos ou
nenhum ponto de equilbrio. No caso de sistemas lineares o sistema tem um ou ininitos pontos de
equilbrio.
Em muitos casos vamos supor que o ponto de equilbrio e a origem. Por exemplo, para um sistema
de segunda ordem, o ponto x = [0 0]
T
, tambem representado por (0, 0) e o equilbrio. Ou seja,
f (0, 0) =
_
f
1
(0, 0)
f
2
(0, 0)
_
= 0
A suposi cao de que a origem e um ponto de equilbrio nao constitui perda de generalidade. Realmente,
cada ponto de equibrio pode ser transladado para a origem.
Supondo o sistema:
x = f (x) (1.3.1)
com ponto de equibrio x
e
, ou seja, f (x
e
) = 0.
Denindo-se novas variaveis de estado tais que y = x x
e
, tem-se x = y + x
e
. Substituindo-se
em 1.3.1, tem-se
y = f (y +x
e
) (1.3.2)
E facil de vericar que o ponto y = [0 0] e agora um ponto de equibrio de 1.3.2.

A mudan ca de variaveis de estado corresponde a uma transla cao de eixos, sendo que o novo sistema
de coordenadas tem a sua origem no ponto de equilbrio que se deseja transladar para a origem.
1.4 Exemplos de sistemas nao-lineares
Nesta se cao estudaremos alguns exemplos de sistemas nao-lineares encontrados nao so em engenharia
eletrica mas tambem em outras areas. Mostraremos que tecnicas de analise nao-linear nao sao sucientes
para analisar todos os aspectos do comportamento destes sistemas.
1.4.1 Sistema eletrico de potencia
O sistema eletrico e um exemplo de um sistema nao-linear, bem conhecido por sua importancia social e
economica e que mostra a importancia de tecnicas de analise nao-linear para o estudo de seu desempenho.
Vamos considerar um sistema constitudo de uma unica maquina sncrona conectada a uma barra
innita, representado na Figura 1.2. Embora este possa parecer um modelo muito simples, ele pode ser
usado para descrever uma usina (a maquina sncrona) conectada a uma grande rede (a barra innita).
V
0
o
jX
E
q
Figura 1.1: Sistema maquina barra-innita

Usaremos um modelo simples para a maquina, que sera representada pelas equa coes que descrevemo
movimento do rotor (equa coes de Newton para o movimento rotacional). Estas equa coes sao:
=
M = P
m
D P
max
sen
onde P
max
=
E qV
X
, e a maxima potencia transmitida pela linha, M e a inercia da maquina, D e um
coeciente de amortecimento, e a velocidade do rotor e e o angulo da maquina.
Podemos imediatamente, a partir dos conceitos apresentados na se cao anterior concluir que este e um
sistema nao-linear e autonomo.
Os pontos de equiilbrio sao dados por
0 =
0 = P
m
D P
max
sen
e
sendo portanto dados por
e
= sen
1
P
m
P
max
e
= 0
EEL-UFSC 5
Observa-se que o sistema tem innitos pontos de equilbrio, pois existem innitos arcos que atendem
à condi cao sobre o angulo . No entanto, do ponto de vista fsico, temos interesse em tres pontos dados
por (
e
, 0), com
e
(, ), (
e
, 0) e (
e
, 0).
Vamos aplicar uma pequena perturba cao que desloque o sistema do seu ponto de equilbrio e logo a
seguir retiraremos a perturba cao. A trajetoria do sistema no espa co de fase e apresentada na Figura.
V
0
o
jX
E
q
Figura 1.2: Sistema maquina barra-innita

Observa-se que o sistema retorna ao ponto de equilbrio
e
. Vamos agora aumentar o perodo em que
a perturba cao permanece no sistema. A trajetoria se afasta do ponto de equilbrio e nao retorna mesmo
apos a retirada da perturba cao.
Vamos agora simular uma trajetoria como uma condi cao inicial muito proxima do ponto de equilbrio
(
e
, 0). O sistema se afasta deste ponto de equilbrio e portanto o ponto de equlbrio e instavel.
Este comportamento do sistema esta associado aos conceitos de estabilidade transitoria e estabilidade
para pequenas perturba coes de sistemas eletricos. Ferramentas da teoria de sistemas lineares permitem
a analise e a determina cao de a coes de controle para manter a estabilidade do sistema.
1.4.2 Ecologia
Uma das aplica coes de sistemas nao-lineares e o estudo de modelos que representam sistemas ecologicos
e equilbrio em sistemas envolvendo presas e predadores.
Um modelo bem conhecido e a equa cao de Lotka-Volterra. Este modelo foi desenvolvido pelo ma-
tematico italiano Volterra para modelar a rela cao entre peixes predadores e peixes presas.
x
1
= x
1
+x
1
x
2
(1.4.1)
x
2
= x
2
x
1
x
2
(1.4.2)
Esta equa cao descreve um sistema ecologico onde x
1
e o n umero de predatores e x
2
e o n umero de
presas. Se x
2
= 0 (nenhuma presa) entao da equa cao x
1
= x
1
segue que a solu cao e x
1
= x
10
e
t
, ou
seja, a popula cao de predadores cai exponencialmente a zero. Por outro lado, se x
1
= 0 (o n umero de
predadores e zero) entao da equa cao x
2
= x
2
segue que a solu cao e x
2
= x
20
e
t
, ou seja, a popula cao de
presas aumenta exponencialmente.
Como veremos no Captulo 4, a solu cao desta equa cao, em um sistema com predatores e presas, e
periodica e a existencia de solu coes periodicas e um dos topicos da teoria de sistemas nao-lineares. Esta
teoria encontra ampla aplica cao a sistemas biologicos.
Exerccios
1. Para o sistema de controle da gura, sem o tacometro (chave S aberta) fa ca o graco da trajetoria
para uma condi cao inicial e (0) = 2,

(e) (0) = 0.
Dados:
m
= 0, 5 seg; k = 8; = 0, 5
Considere agora o tacometro (k
t
= 0, 5) , ou seja, chave S fechada. Plote a trajetoria e comente
sobre o efeito da realimenta cao tacometrica.
Figura 1.3: Exerccio 3
2. O sistema de controle a rele da gura usa um rele com zona morta e um la co de realimenta cao
derivativa. Desenhe um conjunto de isoclinas e plote a trajetoria para entrada zero e condi coes
iniciais c (0) = 2, c (0) = 5. Calcule o tempo de resposta o sistema. Determine o erro em regime
permanente.
Figura 1.4: Exerccio 4.
3. Considere o sistema
x
_
0, 1
10
3
x x
_
x +x +x
2
= 10
a) Encontre os pontos de equilbrio.
b) Estude a estabilidade de cada um deles.
1. Determine os pontos de equilbrio e a natureza destes pontos, para os sistemas:
EEL-UFSC 7
a)
_
x = 2xy 4y 8
y = 4y
2
x
2
b)
_
x = 4y
2
x
2
y = 2y 2
c)
_
x = 4 4x 2y
y = xy
2. Com amortecimento includo, a equa cao de uma maquina sncrona ligada a uma barra innita e
dada por
H

+k

= P
m
P
e
sen()
onde H,k e P
e
sao constantes positivas. Linearize as equa coes de estado ao redor de um ponto xo
correspondente a um valor xo de P
m
, para os pontos de equilbrio estavel e instavel, e calcule as
fun coes de transferencia entre P
m
e em cada caso.
CAP
ITULO 2
Sistemas de segunda ordem
2.1 Introducao
Neste captulo estudaremos sistemas de segunda ordem. O estudo destes sistemas apresenta vantagens
ja que as solu coes de sistemas de segunda ordem podem ser representadas por curvas no plano, e como
resultado muitos conceitos relacionados a sistemas nao-lineares tem uma interpreta cao geometrica simples.
Por outro lado, nem todos os resultados validos para sistemas de segunda ordem podem ser estendidos
para sistemas de ordem superior.
2.2 Plano de estado
O sistema de segunda ordem pode ser representado de forma generica por por
x
1
= f
1
[t, x
1
(t), x
2
(t)]
x
2
= f
2
[t, x
1
(t), x
2
(t)] (2.2.1)
Consideraremos apenas sistemas autonomos e tambem nao representaremos explixitamente a de-
pendencia no tempo das variaveis de estado. O sistema a ser considerado entao e
x
1
= f
1
(x
1
, x
2
)
x
2
= f
2
(x
1
, x
2
) (2.2.2)
Representado uma solu cao [x
1
, x
2
] de 2.2.2 no plano x
1
, x
2
resulta em um graco no espa co de estado
chamado trajetoria. No caso especial onde a primeira equa cao em 2.2.2 e
x
1
= x
2
(t)
o espa co de estado e chamado plano de fase.
2.3 Campo vetorial
Dado o sistema de segunda ordem autonomo 2.2.2 a cada vetor [x
1
x
2
]
T
pode-se associar um vetor
[f
1
(x
1
, x
2
) f
2
(x
1
, x
2
)]
T
chamado campo vetorial.
10 Captulo 2: Sistemas de segunda ordem
Deni cao 1 Um campo vetorial e uma fun c ao contnua f : R
2
R
2
. A dire c ao do campo vetorial f
no ponto x R
2
e dada por
t
= tan
1
f
2
(x
1
x
2
)
f
1
(x
1
, x
2
)
De 2.2.2 segue que
dx
2
dx
1
=
f
2
(x
1
x
2
)
f
1
(x
1
, x
2
)
(2.3.1)
e portanto o vetor f(x) e tangente à trajetoria em x.
2.4 Sistemas lineares
Nesta se cao desenvolveremos um estudo de sistemas lineares. A primeira vista parece que estamos
deixando de lado uma classe mais geral de sistemas para abordar um caso particular. No entanto,
um importante resultado, apresentado no nal desta se cao permite relacionar o comportamento das
trajetorias de um sistema nao-linear em uma vizinhan ca dos pontos de equilbrio com o comportamento
de um sistema linear obtido a partir deste sistema nao-linear. Ou seja, aparti deste ultimo podemos obter
informa coes sobre a natureza dos pontos de equilbrio e forma das trajetorias de um sistema nao-linear.
Na seq uencia estudaremos a forma das trajetorias de um sistema linear.
Seja o sistema linear autonomo de segunda ordem dado por
x
1
= a
11
x
1
+a
12
x
2
x
2
= a
21
x
1
+a
22
x
2
(2.4.1)
com condi coes iniciais dadas por
x
1
(0) = x
10
x
2
(0) = x
20
(2.4.2)
O sistema 2.4.1 pode ser escrito na forma matricial
x = Ax
x(0) = x
0
(2.4.3)
onde x = [x
1
x
2
]
T
e
A =
_
a
11
a
12
a
21
a
22
_
Uma solu cao de 2.4.1 pode ser obtida facilmente se a matriz A for diagonalizada. Isto permite
desacoplar as duas equa coes, resolvendo-as uma de cada vez e obtendo a forma das trajetorias.
A diagonaliza cao de A pode ser feita por uma transforma cao de similaridade. Isto signica obter um
novo vetor de estado z
z = M
1
x (2.4.4)
onde M e uma matriz conveniente.
Usando 2.4.4 em 2.4.1 chega-se facilmente à nova equa cao de estado
z = M
1
AM x (2.4.5)
Com uma escolha adequada de M a matriz M
1
AM e diagonal e dada por
M
1
AM =
_

1
0
0
2
_
(2.4.6)
EEL-UFSC 11
onde
1
e
2
sao os autovalores reais de A.
1
e
2
nao sao necessariamente distintos mas a matriz
diagonal pode ser obtida no caso de autovalores iguais se autovetores linearmente independentes puderem
ser obtidos.
No caso em que os autovalores sao repetidos e autovetores linearmente independentes nao puderem
ser obtidos pode-se ainda obter a forma de Jordan
M
1
AM =
_

1
1
0
2
_
(2.4.7)
Se os autovalores forem complexos conjugados dados por j pode-se obter a forma
M
1
AM =
_

_
(2.4.8)
A analise das formas diagonalizadas permite o estudo da forma das solu coes. De 2.4.5 e 2.4.7 segue
que
z
1
=
1
z
1
z
2
=
2
z
2
(2.4.9)
com condi coes iniciais
z
1
= z
10
z
2
= z
20
As solu coes sao dadas por
z
1
= z
10
e
1
t
z
2
= z
20
e
2
t
Supondo
1
= 0 tem-se
lnz
1
= lnz
10
+
1
t
lnz
2
= lnz
20
+
2
t
Eliminando-se o tempo nestas equa coes tem-se
z
2
= z
20
_
z
1
z
10
_
1
(2.4.10)
Quando
1
e
2
sao complexos conjugados, dados por
1,2
= o sistema pode ser escrito como
z
1
= z
1
+ z
2
(2.4.11)
z
2
= z
1
+
2
z
2
(2.4.12)
z
1
(0) = z
10
z
2
(0) = z
20
A forma das trajetorias pode ser obtida facilmente com uma transforma cao de coordenadas para a
forma polar.
Denindo-se:
r = (z
2
1
+z
2
2
)
1
2
(2.4.13)
= tg
1
z
2
z
1
(2.4.14)
Derivando-se 2.4.13 com rela cao ao tempo tem-se
r =
(z
2
1
+z
2
2
)
(z
2
1
+z
2
2
)
1
2
ou
r = r (2.4.15)
Derivando-se 2.4.14 com rela cao ao tempo tem-se
= (2.4.16)
Portanto, o sistema obtido e
r = r (2.4.17)
= (2.4.18)
O comportamento das trajetorias pode ser estudado usando a Equa cao 2.4.10, para o caso onde os
autovalores sao reais, ou a Equa cao 2.4.18, para o caso onde os autovalores sao complexos conjugados.
Dependendo de
1
e
2
varios casos podem ocorrer.
1. Caso onde
1
e
2
reais de mesmo sinal e negativos
Se
2
<
1
< 0 entao as trajetorias sao dadas pela Figura 2.1(a)
Se
2
<
1
< 0 entao as trajetorias sao dadas pela Figura ??.
Estes dois casos caracterizam um ponto de equilbrio chamado n o estavel.
z1
z
2
(a) 1 > 2
z1
z
2
(b) 1 < 2
Figura 2.1: No estavel
2. Caso
1
e
2
reais de mesmo sinal e positivos
Se
2
>
1
> 0 entao as trajetorias sao dadas pela Figura 2.2(a).
Se
1
>
2
> 0 entao as trajetorias sao dadas pela Figura 2.2(b).
Neste caso o ponto de equilbrio e um n o instavel
EEL-UFSC 13
z1
z
2
(a) 1 > 2
z1
z
2
(b) 1 < 2
Figura 2.2: No instavel
z1
z
2
(a) 1 > 2
z1
z
2
(b) 1 < 2
Figura 2.3: Ponto de sela
3. Caso onde
1
e
2
reais de sinais opostos
No caso onde
1
< 0 <
2
as trajetorias sao mostradas na Figura 2.3(a).
No caso onde
1
> 0 >
2
as trajetorias sao mostradas na Figura 2.3(b).
Estes casos caracterizam um ponto de sela.
4. Caso onde
1
e
2
sao complexos conjugados com < 0.
A forma das trajetorias e mostrada pela Figura 2.4(a).
O ponto de equilbrio neste caso e chamado um foco estavel.
5. Caso onde
1
e
2
sao complexos conjugados com > 0.
A forma das trajetorias e mostrada pela Figura 2.4(b).
O ponto de equilbrio e chamado neste caso de foco instavel.
6. Caso onde = 0. Os autovalores sao complexos puros.
A forma das trajetorias e mostrada na Figura 2.5.
O ponto de equilbrio e chamado de centro.
z1
z
2
(a) 1 > 2
z1
z
2
(b) 1 < 2
Figura 2.4: Foco
z1
z
2
Figura 2.5: Centro
2.5 Sistemas nao-lineares
Nesta se cao serao considerados sistemas autonomos dados por
x
1
= f
1
(x
1
, x
2
) (2.5.1)
x
2
= f
2
(x
1
, x
2
) (2.5.2)
O sistema nao-linear pode ser linearizado em torno do ponto de equilbrio. Um resultado importante
e que, em geral, pode-se determinar o comportamento das trajetorias do sistema nao-linear em uma
vizinhan ca do ponto de equilbrio, a partir do comportamneto das trajetorias do sistema linear, a nao ser
em alguns casos especiais. A formaliza cao deste resultado sera apresentada mais adiante.
No desenvolvimento a seguir (0, 0) e considerado o ponto de equilbrio do sistema 2.5.2, ou seja
0 = f
1
(0, 0) (2.5.3)
0 = f
2
(0, 0) (2.5.4)
Isto sempre pode ser feito, atraves de uma transla cao de eixos, como mostrado na Se cao.
Na vizinhan ca do pode de equilbrio (0, 0) pode-se expandir f
1
e f
2
em serie de Taylor.
f
1
(x
1
, x
2
) = f
1
(0, 0) +
f
1
(x
1
, x
2
)
d x
1
(0,0)
x
1
+
f
1
(x
1
, x
2
)
d x
2
(0,0)
x
1
(2.5.5)
+ + termos de ordem mais elevada (2.5.6)
f
2
(x
1
, x
2
) = f
2
(0, 0) +
f
2
(x
1
, x
2
)
d x
1
(0,0)
x
1
+
f
2
(x
1
, x
2
)
d x
2
(0,0)
x
1
(2.5.7)
+ + termos de ordem mais elevada (2.5.8)
EEL-UFSC 15
Tabela 2.1: Pontos de equilbrio para o sistema linearizado e nao-linear
Sistema linearizado Sistema nao-linear
Ponto de equilbrio y
1
= 0, y
2
= 0 Ponto de equilbrio x
1
= 0, x
2
= 0
No estavel No estavel
No instavel No instavel
Ponto de sela Ponto de sela
Foco estavel Foco estavel
Foco Instavel Foco instavel
Centro Nada se arma
Desde que f
1
(0, 0) = f
2
(0, 0) = 0 e desprezando-se os termos restantes da serie pode-se denir o
sistema linear:
y
1
= a
11
y
1
+a
12
y
2
(2.5.9)
y
2
= a
21
y
1
+a
22
y
2
(2.5.10)
onde
a
11
=
f
1
(x
1
,x
2
)
d x
1
(0,0)
a
12
=
f
1
(x
1
,x
2
)
d x
2
(0,0)
a
21
=
f
2
(x
1
,x
2
)
d x
1
(0,0)
a
22
=
f
2
(x
1
,x
2
)
d x
2
(0,0)
A rela cao entre as trajetorias do sistema linearizado e as trajetorias do sistema nao-linear em uma
vizinhan ca do ponto de equilbrio e dada pela Tabela 2.1
Portanto, a nao ser que a matriz
A =
_
a
11
a
12
a
21
a
22
_
tenha autovalores com parte real zero, pode-se determinar o comportamento das trajetorias do sistema
nao-linear em uma vizinhan ca do ponto de equilbrio a partir das trajetorias do sistema linearizado.
No caso de centro no sistema linearizado observa-se que as oscila coes nao crescem ou decrescem. Os
termos desprezados na serie de Taylor e que vao indicar se ha crescimento ou decrescimento das oscila coes.
Portanto nada se pode concluir sobre o sistema nao-linear.
Se o ponto de equlbrio e tal que a matriz jacobiana calculada neste ponto de equilbrio nao tem
autovalores com parte real zero, entao o ponto de equilbrio e chamado hiperb olico ou n ao-degenerado.
2.6 Teorema de Hartman-Grobman
Os resultados da se cao anterior podem ser resumidos atraves do importante teorema de Hartman-
Grobman. Este teorema e aplicavel a sistemas de qualquer ordem e portanto generaliza os resultados
anteriores.
Teorema 1 Se a matriz jacobiana do sistema linearizado n ao tem autovalores zero ou imagin arios puros
ent ao existe um homeomorsmo denido em alguma vizinhanca U de (0, 0) em
n
que leva localmente
orbitas do uxo n ao-linear de 2.5.2 ` aquelas do uxo linear de 2.5.10. O homeomorsmo preserva o
sentido das orbitas e pode ser escolhido para preservar a parametriza c ao no tempo.
Em termos mais simples podemos interpretar este resultado dizendo que a cada solu cao do sistema
linearizado existe um mapeamento (homeomorsmo) que leva a uma orbita do sistema nao-linear. O
sentido e preservado, ou seja, se a orbita do sistema linear se aproxima ou se afasta do ponto de equilbrio
a orbita do sistema nao-linear tambem se aproximara ou afastara, respectivamente, do ponto de equilbrio.
CAP
ITULO 3
Teoria de estabilidade de Lyapunov
3.1 Introducao
O metodo direto de estudo da estabilidade de um ponto de equilbrio e de natureza distinta dos metodos
baseados em lineariza cao. Nestes estuda-se a estabilidade para pequenas perturba coes e o enfoque e em
termos locais. No caso do metodo direto a caracteriza cao da solu cao nao e necessariamente em termos
locais.
A origem do metodo direto encontra-se na mecanica classica onde esta caracteriza cao nao local aparece
das leis da estatica e dinamica. Assim, Torricelli (1608-1647) apresentou o enunciado de que Corpos
pesados conectados nao podem come car a mover-se se o centro comum de gravidade deles nao mover-se
para baixo. Lagrange (1736-1813) por sua vez apresentou o enunciado de que Um sistema mecanico que
esta em um estado onde sua energia potencial tem um mnimo isolado, esta em um estado de equilbrio
estavel.
Estas ideias de estabilidade em mecanica foram generalizadas por Aleksandr Mikhailovich Lyapunov,
entao professor na Universidade de Kharkov, em sua tese de doutorado submetida à Universidade de
Moscou em 1892 e intitulada O problema geral da estabilidade do movimento. O metodo proposto por
Lyapunov teve uma imensa inuencia na teoria da estabilidade de sistemas dinamicos e continua como
um dos fundamentos daquela teoria.
A ideia basica do metodo de Lyapunov pode ser resumida pelo desenvolvimento a seguir, no qual
consideraremos apenas sistemas autonomos. No entanto o metodo e geral e aplica-se a sistemas nao-
autonomos.
Seja o sistema descrito por
x = f(x) (3.1.1)
sem for cas externa atuando. Seja 0 um dos pontos de equilbrio deste sistema (ou, possvelmente, o unico
ponto de equilbrio). Supondo que a energia deste sistema possa ser denida por uma fun cao V tal que
V (0) = 0 (minmo global) e V (x) > 0 para x = 0.
Dada uma condi cao inicial X
0
= 0 , entao V (x
0
) > 0. Se a dinamica do sistema e tal que
dv
dt
= 0
entao a energia nao aumenta e dependendo de V isto pode indicar a estabilidade do ponto de equilbrio
O. Se
dv
dt
=< 0 entao a energia se reduzira a zero e pode-se concluir a estabilidade do ponto de equilbrio
O.
A teoria de estabilidade de Liapunov permite a escolha da fun cao V para um determinado sistema.
Ou seja, a fun cao V nao precisa ser necessariamente a energia associada ao sistema. A seguir serao
18 Captulo 3: Teoria de estabilidade de Lyapunov
apresentados os teoremas basicos sobre estabilidade, estabilidade assintatica e instabilidade, que formam
o n ucleo do metodo direto de Liapunov. No nal do captulo alguns metodos para a gera cao de fun coes
de Liapunov sao apresentados assim como exemplos aplicando os metodos. A questao da determina cao
de domnios de estabilidade tambem e abordada.
3.2 Denicoes de estabilidade
Nesta se cào sao apresentadas as deni coes de estabilidade no sentido de Lyapunov. No desenvolvimento
a seguir sera considerado que 0 e o ponto de equilbrio, o que sempre pode ser feito com uma mudan ca
de referencia.
Deni cao 2 O ponto de equilbrio 0 e est avel se, dado um > 0, existe um () tal que para qualquer
condi c ao inicial ||x(t
0
|| < () tem-se que ||x(t, x
0
|| < .
A Figura 3.1 ilustra esta deni cao no plano de fase 3.1(a) e a trajetoria 3.1(b).
x(0)
x
e
(a) Espaco de es-
tado
x
0
t
x
2
x
1
(b) Resposta no tempo
Figura 3.1: Ponto de equilbrio estavel
Um ponto de equilbrio e instavel se ele nao for estavel.
Analisando esta deni cao concluimos que o ponto de equilbrio estavel implica que a trajetoria nao
se afastara do ponto de equilbrio mas tambem nao precisara retornar ao mesmo. Em muitas aplica coes
a trajetoria deve retornar ao ponto de equilbrio.
Deni cao 3 O ponto de equilbrio 0 e assint oticamente est avel se as duas condi c oes seguintes forem
atendidas:
1. ele e est avel
2. ||x(t, x
0
)|| 0 quando t .
A Figura 3.2 ilustra esta deni cao no plano de fase 3.2(a) e a trajetoria 3.2(b).
Os conceitos de estabilidade vistos ate aqui sao essencialmente conceitos locais. Para um sistema com
varios pontos de equilbrio cada ponto de equilbrio tera uma condi cao de estabilidade. Porisso fala-se da
estabilidade de pontos de equilbrio e nao da estabilidade de sistemas. Um conceito global de estabilidade
sera visto mais adiante com a deni cao de estabilidade assintotica global.
Deni cao 4 O ponto de equilbrio 0 e assint oticamente est avel globalmente se ele for assint oticamente
est avel para qualquer x
0
R
n
.
Observa cao 1 Todas as deni c oes acima podem ser estendidas para sistemas n ao-aut onomos. Consulte,
por exemplo, as referencias
EEL-UFSC 19
x
e
x(0)
(a) Espaco de es-
tado
x
0
t
x
2
x
1
(b) Resposta no tempo
Figura 3.2: Ponto de equilbrio assintoticamente estavel
3.3 Funcoes denidas em sinal
Nesta se cao apresentaremos a deni cào de fun coes de sinal denido, que serao usadas nos teoremas de
estabilidade de Lyapunov.
Deni cao 5 Uma fun c ao V (x) e denida positiva localmente em uma vizinhanca da origem se ela e
denida e contnua em , V (0) = 0 e V (x) > 0 para x = 0 e x .
Exemplo 3.3.1 A fun c ao V (x) = x
2
1
+ x
2
2
e denida positiva. Esta fun c ao e representada na Fi-
gura 3.3(a).
x
1
x
2
V (x)
(a) Funcao denida postiva
x
1
x
2
V (x)
(b) Funcao denida negativa
Figura 3.3: Fun coes denidadas em sinal
Deni cao 6 Uma fun c ao V (x) e denida negativa localmente em uma vizinhanca da origem se ela e
denida e contnua em , V (0) = 0 e V (x) < 0 para x = 0 e x .
Exemplo 3.3.2 A fun c ao V (x) = (x
2
1
+ x
2
2
) e denida negativa. Esta fun c ao e representada na Fi-
gura 3.3(b).
As deni coes seguintes introduzem a ideia de fun coes semi-denidas em sinal, que tornam menos
severas as exigencias de sinal na vizinhan ca permitindo que as fun coes sejam zero ao inves de estritamente
positivas ou negativas.
Deni cao 7 Uma fun c ao V (x) e semi-denida positiva localmente em uma vizinhanca da origem se
ela e denida e contnua em , V (0) = 0 e V (x) 0 para x = 0 e x .
2
1
e semi-denida positiva. Para qualquer x = (0, x
2
) a fun c ao e
zero. Esta fun c ao e representada na Figura 4.2(a).
x
1
V (x)
x
2
(a) Funcao semi-denida positiva
x
2
V (x)
x
1
(b) Funcao semi-denida negativa
Figura 3.4: Fun coes semi-denidas
Deni cao 8 Uma fun c ao V (x) e semi-denida negativa localmente em uma vizinhanca da origem se
ela e denida e contnua em , V (0) = 0 e V (x) 0 para x = 0 e x .
2
1
e semi-denida negativa. Para qualquer x = (0, x
2
) a fun c ao e
zero. Esta fun c ao e representada na Figura 4.2(b).
3.4 Teoremas de estabilidade
Nesta se cao sao apresentados os teoremas que fundamentam a teoria de estabilidade Liapunov.

E impor-
tante novamente ressaltar que abordaremos apenas o caso de sistemas autonomos mas a teoria e geral
e nao se limita a este tipo de sistema. Nao serao apresentadas demonstra coes para estes teoremas, mas
estas podem ser encontradas em muitas referencias.
Teorema 2 Seja o sistema 3.1.1. Se em uma vizinhanca U do ponto de equilbrio 0 existe uma fun c ao
escalar V (x) com as primeiras derivadas parciais contnuas e tal que
1. V (x) e denida positiva em U
2.

V (x) e semi-denida negativa em U
ent ao o ponto de equilbrio 0 e est avel.
Esta teorema apenas assegura a estatabilidade do ponto de equilbrio, mas nao assegura que a tra-
jetoria retorna ao ponto de equilbrio, ou seja, que a estabilidade e assntotica. Isto e assegurado pelo
proximo teorema.
2.

V (x) denida negativa em U
EEL-UFSC 21
ent ao o ponto de equilbrio 0 e assint oticamente est avel.
O proximo teorema fornece as condi coes para determinar se o ponto de equilbrio e instavel.
2.

V (x) denida positiva em U
ent ao o ponto de equilbrio 0 e inst avel.
Os teoremas apresentados indicam apenas a estabilidade local do ponto de equilbrio. O teorema
seguinte apresenta as condi coes para a estabilidade global.
Teorema 5 Seja o sistema 3.1.1. Se existe uma fun c ao escalar V (x) com as primeiras derivadas parciais
contnuas e tal que
1. V (x) e denida positiva
2.

V (x) denida negativa
3. V (x) quando ||x||
ent ao o ponto de equilbrio 0 e globalmente assint oticamente est avel.
Neste caso qualquer que seja a condi cao inicial, a trajet oria retornara ao ponto de equilbrio.
As condi coes de estabilidade assintotica local ou global exigem que a derivada da fun cao

V (x) seja
denida negativa. No entanto, um resultado devido a LaSalle permite que, com algumas restri coes
adicionais, a fun cao precise ser apenas semi-denida negativa.
Teorema 6 Seja o sistema 3.1.1, com f contnua, e seja V (x) uma fun c ao escalar com as primeiras
derivadas parciais contnuas e tal que em uma vizinhanca U da origem se tenha
1. V (x) e denida positiva localmente
2.

V (x) e semi-denida negativa
3. o conjunto R denido por

V (x) = 0 n ao contem nenhuma trajet oria de 3.1.1 alem da trajet oria
trivial x 0
ent ao o ponto de equilbrio 0 e assint oticamente est avel.
Uma versao deste teorema existe tambem para a estabilidade assintotica, mas nao sera apresentado
aqui.
Observa cao 2 Uma fun c ao V (x) a ser considerada para testar a estabilidade de um um ponto de
equilbrio e chamada uma fun c ao candidata de Lyapunov. Se esta fun c ao comprova a estabilidade do
ponto de equilbrio ela e chamada de fun c ao de Liapunov. Na continua c ao deste texto usaremos comu-
mente fun c ao de Lyapunov sem distinguir os casos anteriores.
Observa cao 3

E interessante notar que os teoremas n ao indicam como a fun c ao V (x) pode ser determi-
nada. Este e um problema apresentado pelo metodo mas em alguns caso pode-se seguir um procedimento
sistem atico para construir tais fun c oes.
Observa cao 4 Uma vez que tenhamos determinado que um ponto de equilbrio e assint oticamente est avel,
s o sabemos que existe uma vizinhanca deste ponto para a qual trajet orias que partem desta vizinhanca
retornam ao ponto de equilbrio. Seria muito util se o conjunto de todas as condi c oes iniciais para as
quais a trajet oria volta ao ponto de equilbrio pudesse ser determinado. Uma estimativa deste conjunto
pode realmente ser conseguida usando fun c oes de Lyapunov como ser a visto na pr oxima sec ao.
A esta altura e conveniente analisarmos melhor o signicado da derivada da fun cao V (x). Esta e uma
fun cao escalar (o valor de V (x) ) de varias variaveis (o vetor x = [x
1
x
2
x
n
]
T
). Para calcular a
derivada devemos entao fazer
V (x)
dt
=
V (x)
x
1
x
1
+
V (x)
x
2
x
2
+ +
V (x)
x
n
x
n
(3.4.1)
ou ainda
V (x)
dt
=
_
V (x)
x
1
V (x)
x
2
+
V (x)
x
n
_
_
_
x
1
x
1
.
.
.
x
1
_
_
(3.4.2)
Considerando que o gradiente de V (x), e dado por
V (x) =
_
V (x)
x
1
V (x)
x
2
+
V (x)
x
n
]
T
_
e a Equa cao 3.1.1 tem-se que
V (x) =
T
V (x) . f(x) (3.4.3)
ou seja, oa derivada de V (x) e o produto escalar do gradiente de V (x) com o campo vetorial.
A Equa cao 3.4.3 indica que estamos calculando a derivada de V (x) ao longo das trajetorias do
sistema 3.1.1, o que e mostrado pelo fato de termos usado o vetor f no calculo desta derivada. A
derivada de uma fun cao escalar em uma dire cao (aqui a dire cao dada pelo campo vetorial) e chamada
derivada de Lie.
A Equa cao 3.4.3 permite ainda uma interpreta cao do signicado do metodo de Lyapunov. Lembrando
que o gradiente da a dire cao de maximo crescimento da fun cao em cada ponto, ele sera perpendicular
às curvas de nvel da fun cao V (x). Lembrando ainda que o produto escalar e negativo se o angulo entre
os dois vetores e maior do que 90
, a derivada da fun cao sera negativa se o campo vetorial (tangente às

trajetorias) entrar na curva de nvel de V (x) da dire cao de curvas de nvel de menores valores.
A seguir analisaremos alguns exemplos de aplica cao do metodo de Lyapunov.
Exemplo 3.4.1 Seja o sistema linear dado por
x
1
= x
2
(3.4.4)
x
2
= x
1
(3.4.5)
O ponto de equilbrio e dado por [00]
T
, ou seja e a propria origem.
Temos que procurar uma candidata à fun cao de Lyapunov, o que nao e uma tarefa simples. Uma boa
tentativa e uma fun cao quadratica dada por
V (x) = x
2
1
+x
2
2
(3.4.6)
Esta fun cao atende aos requisitos para ser uma fun cao de Lyapunov
V (0) = 0 (3.4.7)
V (x) > 0 x
2
(3.4.8)
EEL-UFSC 23
A derivada em rela cao ao tempo desta fun cao e calculada por 3.4.3
V (x) =
V
x
1
d x
1
d d t
+
V
x
2
d x
2
d d t
= 2 x
1
x
1
+ 2 x
2
x
2
Substituindo-se as derivadas x
1
e x
2
obtidas do sistema 3.4.5 obtem-se que
V (x) = 2 x
1
x
2
2 x
2
x
1
= 0
Portanto a origem e um ponto de equilbrio estavel. Observe que nao e possvel concluir sobre a
estabilidade assintotica ja que a derivada de V (x) e apenas semi-denida negativa.
Exemplo 3.4.2 Seja o sistema
dotx
1
= x
1
(x
2
1
+x
2
2
1) x
2
(3.4.9)
x
2
= x
1
x
2
(x
2
1
+x
2
2
1) (3.4.10)
A origem e um ponto de equilbrio deste sistema. Vamos analisar a sua estabilidade. Novamente a
fun c ao quadr atica
V (x) = x
2
1
+x
2
2
ser a considerada para esta an alise.
A derivada em rela c ao ao tempo desta fun c ao e
V (x) = 2 (x
2
1
+x
2
2
) (x
2
1
+x
2
2
1)
Pode-se facilmente vericar que para uma vizinhanca da origem esta fun c ao e denida negativa. Esta
vizinhanca e dada por x x
2
1
+x
2
2
< 1. esta fun c ao e denida negativa
Portanto 0 e assintoticamente est avel.
Exemplo 3.4.3 Neste exemplo vamos usar o teorema de LaSalle para provar a estabilidade assint otica
de um ponto de equilbrio.
Seja o sistema dado por
= (3.4.11)
=
1
M
(P
m
P
max
sen)
D
M
(3.4.12)
Estas equa c oes descrevem o comportamento de uma m aquina sncrona conectada a uma barra innita,
como visto no Captulo 1. O objetivo e estudar a estabilidade do ponto de equilbrio dado por (
e
0).
Uma candidata para fun c ao de Lyapunov deste sistema e
V (x) =
1
M
M
2
+
_

e
(P
m
P
max
sendelta) d (3.4.13)
Esta fun c ao e do tipo energia e corresponde ` a soma da energia cinetica e potencial da m aquina. A
fun c ao 3.4.13 pode ainda ser escrita como
V (x) =
1
M
M
2
+
P
m
M
(

) +
P
max
M
(cos cos
e
) (3.4.14)
Calculando-se

V (x) tem-se
V (x) = D
2
(3.4.15)
Portanto a fun c ao e apenas semi-denida negativa o que permite apenas concluir a estabilidade do
ponto de equilibrio. No entanto, a fun c ao e zero no eixo horizontal dado por omega = 0. Se uma
trajet oria atingir este eixo, da equa c ao 3.4.12 verica-se que

= 0, mas = 0, e portanto a trajet oria
cruza este eixo. Somente no ponto de equilbrio tem-se = 0. Usando-se o teorema de LaSalle conclui-se
que o ponto de equilbrio e realmente assintoticamente est avel.
3.4.1 Determinacao da regiao de atracao
Os resultados anteriores permitiram determinar se um ponto de equilbrio e assintoticamente estavel,
como ilustrado pelos exemplos apresentados. Se o ponto de equilbrio e assintoticamente estavel, isto
apenas assegura que existe uma vizinhan ca do ponto de equilbrio, que pode ser muito pequena, onde
as trajetorias que se originam dentro desta vizinhan ca retornam ao ponto de equilbrio. Uma questao
importante nas aplica coes e saber qual o conjunto de condi coes iniciais para as quais as trajetorias
retornam para o ponto de equilbrio. Este conjunto constitui o domnio de atra cao do sistema.
O seguinte lema da algumas propriedades da regiao de atr cao.
Teorema 7 Se x = 0 e uma ponto de equilbrio est avel assintoticamente de 3.1.1 ent ao seu domnio
de atra c ao e um conjunto aberto invariante e a fronteira deste conjunto e formado por trajet orias do
sistema 3.1.1.
A determina cao do domnio de atra cao exato de um sistema nao e facil. Simula cao pode ser usada
para determinar este domnio. Determina cao analtica do domnio de atra cao so e possvel para alguns
sistemas simples. Mas pode-se obter uma estimativa do domnio de atra cao usando fun coes de Lyapunov.
O seguinte teorema permite estimar o domnio de atra cao.
Teorema 8 Seja V (x) uma fun c ao escalar e D
n
um conjunto aberto e suponha que U = x / V (x) < K
com U D, e um conjunto compacto (limitado e aberto). Seja

V (x) a derivada de V (x) ao longo das
trajet orias de ??, e 0 U um ponto de equilbrio de 3.1.1. Se
V (0) = 0
V (x) > 0 para x = 0, x U

V (x) < 0 para x = 0, x U

V (x) = 0 para x = 0
ent ao a origem e um ponto de equilbrio assintoticamente est avel e todas as trajet orias que partem de U
convergem para a origem quando t .
O teorema pode ser usado para estimar o domnio de atra cao como indicado na Figura 3.5.
V (x) > 0
V (x) = 0
V (x) < 0
V (x) = K
Limite da regiao
de atra cao
Figura 3.5: Domnio de atra cao
Nesta gura o conjunto

V (x) = 0 separa o D em duas regioes, uma em que

V (x) < 0 e outra em
que

V (x) > 0. A maior curva de nvel de V (x) na regiao onde

V (x) < 0 corresponde ao conjunto U e e
uma estimativa do domnio de atra cao. Note que poderia se pensar que todo o conjunto onde V (x) > 0 e
V (x) < 0 pertence ao domnio de atra cao, mas isto nao e verdade. Uma trajetoria que parte de um ponto
externo à eq uipotencial V (x) = K, mesmo com

V (x) < 0 pode se deslocar para a regiao onde

V (x) > 0.
Isto nao ocorrera para uma trajetoria que parta de um ponto que esteja no interior da eq uipotencial,
pois, como a derivada de V (x) e negativa, a trajetoria tendera a eq uipotenciais de menor valor, ate o
ponto de equilbrio.
EEL-UFSC 25
3.5 Metodos para a construcao de funcoes de Lyapunov
O metodo de Lyapunov nao indica como fun coes que provem a estabilidade ou nao do ponto de equilbrio
podem ser construidas. As fun coes nao sao unicas e distintas fun coes podem ser fun coes de Lyapunov para
um ponto de equilbrio. Na literatura varios metodos foram desenvolvidos para permitir uma procura
sistematica por fun coes de Lyapunov. Aqui, apenas dois metodos sao apresentados visando dar uma ideia
de tais metodos. Uma consulta à literatura e recomendavel para ser ter uma visao mais completa dos
metodos disponveis.
3.5.1 Metodo de Krasovskii
Seja o sistema dado por
x = f(x) (3.5.1)
com f(0) = 0, ou seja, a origem e o ponto de equilbrio de interesse.
Seja a candidata a fun cao de Lyapunov
V = f
T
P f (3.5.2)
onde P e simetrica denida positiva.
A derivada de V e dada por
V =

f
T
P f +f
T
P

f (3.5.3)
Desde que
f =
f
x
x
t
(3.5.4)
e denotando por J a matriz jacobiana, ou seja, J =
f
x
chega-se a
V = f
T
J
T
P f +f
T
P J f (3.5.5)
= f
T
(J
T
P +P J) f (3.5.6)
Seja a matriz
Q = J
T
P +P J (3.5.7)
Se condi coes puderem ser impostas para garantir que Qe denida negativa (ou semi-denida negativa)
e desde que V e denida positiva (pois e quadratica e P e denida positiva, entao V sera uma fun cao de
Lyapunov para a estabilidade da origem de 3.5.1
Exemplo 3.5.1
3.5.2 Fun coes tipo Lure
Um problema que originou muitos trabalhos, foi a questao da estabilidade de um sistema linear, dado por
uma fun cao de transferencia G(s), com uma realimenta cao nao-linear f(.), como mostrado na Figura ??.
A fun cao nao-linear f(.) atende a uma condi cào de setor como mostrado na Figura ??.
O sistema e descrito pelas equa coes
x = Ax f() (3.5.8)
= c
T
x (3.5.9)
Este problema gerou uma serie de trabalhos e Lure demonstrou que uma candidata a fun cao de
Lyapunov para esta classe de sistemas e dada pela soma de uma fun cao quadratica e a integral da
n
Ao-linearidade:
V (x) = x
T
P x +
_

0
f() d (3.5.10)
O teorema de Kalman-Yakubovich permite determinar a matriz P. Com isto uma candidata a fun cao
de Lyapunov pode ser determinada, mas nao avan caremos alem deste ponto.
3.6 Aplicacoes do metodo de Lyapunov
O metodo de Lyapunov constitui um dos fundamentos da teoria da estabilidade de sistemas dinamicos e
e uma ferramente util em muitas casos para demonstrar a estabilidade de pontos de equilibrio e estimar
domnios de estabilidade alem de ser uma importante ferramenta teorica usada para derivar resultados.
Nesta se cao daremos alguns exemplos do uso imediato do metodo de Lyapunov como ferramenta de
analise de sistemas em engenharia e inclusive sintese de controladores.
3.6.1 Estabilidade transitoria de sistemas eletricos
O ponto de equilbrio de um sistema eletrico pode ser estavel mas o sistema quando sujeito a uma grande
perturba cao, um curto-circuito por exemplo, pode ser instavel. Um sistema eletrico pode estar sujeito
a muitas perturba coes (falta e o termo tecnico usado na area), como curto-circuitos, perdas de linhas e
perda de gera cao. Para a opera cao segura do sistema, deve-se vericar se estas faltas causam a perda da
estabilidade do sistema, para que a coes possam ser tomadas de modo a evitar esta condi cao. Usualmente
esta verica cao e feita atraves da simula cao do sistema para cada possvel falta crtica. Isto envolve
um grande n umero de simula coes ja que em grandes sistemas milhares de possveis faltas devem ser
consideradas. Alem do tempo computacional envolvido as curvas resultantes de cada simula cao devem
ser analisadas para vericar se realmente indicam instabilidade.
O problema da estabilidade transitoria pode ser analisado facilmente pelo metodo direto de Lyapunov.
O que realmente estamos querendo saber e se o estado do sistema, apos a retirada da falta, pertence ao
domnio de atra cao do ponto de equilbrio pos-falta. Este ponto de equilbrio pode ser diferente do pontos
antes da falta (ponto de equilbrio pre-falta), por exemplo, no caso em que ha uma mudan ca de topologia
como conseq uencia da perda de uma linha.
Poderamos entao resolver o problema de estabilidade transitoria seguindo o seguinte procedimento.
1. Estimar o domnio de atra cao de um ponto de equilbrio pos-falta.
2. Simular o sistema sob falta desde o ponto de equilbrio pre-falta ate o instante em que a falta e
retirada. Este ultimo e o estado do sistema pos=falta.
3. Vericar se o estado do sistema pos-falta pertence ao domnio de atra cao estimado do ponto de
equilbrio pos-falta.
4. Se o estado pos-falta pertence à estimativa do domnio de atra cao, o sistema e estavel. Caso
contrario nada se pode armar, ja que nao se tem o domnio exato de atra cao e portanto o sistema
ainda pode ser estavel. Neste caso deve-se simular o sistema para vericar se o mesmo e estavel ou
instavel.
O metodo apresentado permite uma ltragem, identicando os casos que sao realmente estaveis e
separando-os daqueles que necessitam ser simulados. Isto pode representar uma consideravel redu cao do
esfor co de analise da estabilidade transitoria.
Muitas vezes o problema e saber que o maximo tempo que uma falta pode permanecer no sistema
sem que haja perda da estabilidade transitoria. Um curto-circuito, por exemplo, pode permancer por
algum tempo antes de ser isolado. O mesmo procedimento anterior pode ser usado neste caso. A unica
diferen ca e que o sistema sob falta seria simulado ate o momento em que a fronteira do domnio de atra cao
estimado. O tempo correspondente e o tempo crtico de retirada da falta. No caso de um curto-circuito,
este seria o tempo em que o curto-circuito deveria ser retirado. Assim o metodo pode ser usado para
ajuste das prote coes do sistema.
Os grandes obstaculos ao amplo uso desta abordagem em sistemas reais sao a necessidade de usar
modelos simplicados do sistema para tornar nfacilitar a determina cao de uma fun cao de Lyapunov e a
diculdade de conseguir estimativas do domnio de atra c ao que nao sejam muito pessimistas com rela cao
ao domnio exato de atra cao do sistema.
EEL-UFSC 27
Como a estabilidade transitoria de sistemas de potencia envolve um horizonte de tempo bastante
curto, em geral da ordem de 1 segundo, a modelagem simplicada e em geral satisfatoria. Mesmo assim a
presen ca atualmente no sistema de equipamentos rapidos que inuenciam a estabilidade transitoria pode
tornar necessaria a modelagem de tais equipamentos. A simpica cao do modelo da rede tambem tem
sido usada e isto pode levar a resultados conservadores (pessimistas).
O problema de determinar uma melhor estimativa do domnio de atra cao e mais complexo. Metodos
aproximados tem sido usados que conduzem a bons resultados. Ainda assim este ainda e um problema
em aberto, que e objeto de pesquisa.
Na UFSC foi desenvolvido o programa SLEP, para analise da estabilidade transitoria de sistemas
eletricos. Este progrma foi usado na analise do sistema interligado brasileiro, permitindo ltrar um
grande n umero de contingencias estaveis.
Exerccios
1. Considere o sistema
x
_
0, 1
10
3
x x
_
x +x +x
2
= 10 (3.6.1)
Encontre os pontos de equilbrio.
Estude a estabilidade de cada um deles.
2. Considere o sistema descrito por
x
1
= x
2
a(x
2
1
+x
2
2
) (3.6.2)
x
2
= x
1
a x
2
(x
2
1
+x
2
2
(3.6.3)
com a > 0. Use V (x) = x
2
1
+ x
2
2
como candidata à fun cao de Lyapunov e verique se a origem e
assintoticamente estavel.
3. Considere o sistema:
x
1
= x
2
3 x
3
x
1
(x
2
2 x
3
)
2
(3.6.4)
x
2
= 2 x
1
+ 2 x
3
x
2
(x
1
+x
3
)
2
(3.6.5)
x
3
= 2 x
1
x
2
x
3
(3.6.6)
Verique e a fun cao V (x) = 2 x
2
1
+x
2
2
+3 x
2
3
e uma fun cao de Lyapunov para a analise da estabilidade
da origem deste sistema.
4. Considere o sistema dado por
x
1
= 3 x
2
x
1
+x
3
1
(3.6.7)
x
2
= 2x
2
+x
1
x
3
1
(3.6.8)
Escolha V (x) = 2 x
2
1
2 x
1
x
2
+3 x
2
2
e determine uma estimativa da regiao de atra cao para a origem.
5. Seja o sistema
x
1
= x
2
(3.6.9)
x
2
= 2 b x
1
a x
2
3 x
2
1
(3.6.10)
Determine os pontos de equilbrio.
Examine a estabilidade da origem usando V (x) = b x
2
1
+x
3
1
+
x
2
2
2
como candidata a fun cao de
Lyapunov.
Determine uma estimativa da regiao de atra cao para a origem.
6. Considere o sistema dado por
x
1
= x
1
+x
2
2
(3.6.11)
x
2
= x
2
+x
2
2
(3.6.12)
Determine os pontos de equilbrio.
Verique se V (x) = x
2
1
+x
2
2
e uma fun cao de Lyapunov para este sistema e estude a estabilidade
da origem. Se esta for estavel estime a regiao de atra cao.
Proponha uma fun cao de Lyapunov alternativa e encontre a regiao de atra cao.
CAP
ITULO 4
Solu coes periodicas e ciclos limite
4.1 Introducao
Neste captulo estudaremos oscila coes periodicas que ocorrem em sistemas nao-lineares. As oscila coes
periodicas isoladas sao chamadas ciclo-limites. Este tipo de oscila cao ocorre em muitos sistemas reais e a
sua detec cao e condi coes em que podem surgir sao importantes para a analise de projetos de engenharia.
Neste captulo consideraremos inicialmente os fundamentos teoricos das condi coes de existencia de
oscila coes periodicas para sistemas de segunda ordem. A seguir estudaremos um metodo de analise que
permite detectar a existencia destas oscila coes e determina cao de suas caractersticas como freq uencia,
para sistemas de quelaquer orde. Este e um metodo aproximado baseado no uso de fun coes descritoras.
4.2 Solucoes periodicas e ciclos limite
Seja o sistema linear (oscilador harmonico simples)
x
1
(t) = x
2
(t) (4.2.1)
x
2
(t) = x
1
(t) (4.2.2)
x
1
(0) = x
1
0
x
2
(0) = x
2
0
ou ainda
_
x
1
x
2
_
=
_
0 1
1 0
_ _
x
1
x
2
_
(4.2.3)
A solu cao deste sistema linear e dado por
x(t) = e
At
x(o) (4.2.4)
ou
x(t) =
_
x
1
0
cos(t) x
2
0
sent
x
1
0
sen(t) x
2
0
cost
_
(4.2.5)
30 Captulo 4: Solu c oes periodicas e ciclos limite
r
0
0
x
10
x
20
Figura 4.1: Conversao para a forma polar
Uma expressao mais simples para esta solu cao pode ser obtida se a condi cao inicila for expressa na
forma polar como mostrado na Figura 4.1.
Da Figura 4.1 segue que
cos
0
=
x
1
0
_
x
2
1
0
+x
2
2
0
=
x
1
0
r
0
(4.2.6)
e
sen
0
=
x
1
0
_
x
2
1
0
+x
2
2
0
=
x
2
0
r
0
(4.2.7)
onde
r
0
= (x
2
1
0
+x
2
2
0
)
1
2
e
0
= tg
1
x
2
0
x
1
0
Expressando-se a solu cao 4.2.5 em termos de
0
segue que
x
1
(t) = r
0
cos(t +
0
) (4.2.8)
x
2
(t) = r
0
sen(t +
0
) (4.2.9)
As solu coes sao orbitas periodicas como mostrado na Figura ??. Neste caso as solu coes cobrem todo
o plano, ou seja, dado um ponto arbitrario sempre ha uma solu cao perodica que passa por este ponto.
x
1
x
2
(a) Solucao periodica nao isolada
x2
Solu cao
periodica
x
ini
x1
x
ini
(b) Solucao periodica isolada
Figura 4.2: Solu coes periodicas
Seja agora o sistema nao-linear:
x
1
= x
2
+x
1
(
2
x
2
1
x
2
2
) (4.2.10)
x
2
= x
1
+x
2
(
2
x
2
1
x
2
2
) (4.2.11)
EEL-UFSC 31
O campo vetorial em 4.2.11 e a soma de dois campos vetoriais, o campo vetorial f(x) dado por
f(x) =
_
f
1
f
2
_
=
_
x
2
x
1
_
e o campo vetorial g(x), dado por
g(x) =
_
g
1
g
2
_
=
_
x
1
(
2
x
2
1
x
2
2
x
2
(
2
x
2
1
x
2
2
_
Uma solu cao para o sistema nao-linear pode ser obtida facilmente se coordenadas polares forem
usadas. Denindo-se
r = (x
2
1
+x
2
2
)
1
2
(4.2.12)
= tg
1
x
2
x
1
(4.2.13)
obtem-se
r = r(
2
r
2
) (4.2.14)
= 1 (4.2.15)
o sistema resultante ca desacoplado em termos das variaveis r e e a solu cao pode ser obtida por
integra cao, resultando em
r(t) =

(1 +c
0
e
2
2
t
)
1
2
(4.2.16)
(t) =
0
t (4.2.17)
A solu cao e periodica com raio r
0
= e para todo r
0
= 0 as solu coes se aproximam da solu cao
periodica par t 0.
Comparando-se o sistema linear e o sistema nao-linear, tem-se que no primeiro caso a oscila cao e
independente das condi coes iniciais e nao isolada, ou seja, na vizinhan ca de uma trajetoria fechada
existem outras trajetorias fechadas. No segundo caso a trajetoria fechada e isolada, ou seja, existe uma
uma vizinhan ca que nao contem nenhuma solu cao periodica.
Deni cao 9 Ciclo limite e uma soluc ao peri odica isolada das equa c oes
x
1
= f
1
(x
1
, x
2
) (4.2.18)
x
2
= f
2
(x
1
, x
2
) (4.2.19)
A determina cao de ciclo limites pode apresentar diculdades:
1. Solu cao analtica pode nao ser facil.
2. Solu coes numericas sao aproximadas e portanto podem ser imprecisas quando indicam um ciclo
limite.
Na proxima se cao serao apresentados alguns teoremas que dao indica cao sobre a existencia de ciclos
limite.
A existente de ciclos limite e importante ja que:
1. Sistema de controle nao devem oscilar e portanto nao devem apresentar ciclos limite.
2. No projeto de osciladores requer-se ciclos limite estaveis.
4.3 Sistemas de segunda ordem
No caso de sistemas de segunda ordem existem metodos analticos que permitem determinar a existencia
de solu coes periodicas.
4.3.1 Teorema de Bendixson
Este teorema da condi coes sucientes que garantem a nao existencia de solu còes periodicas em uma regiao
do plano de fase.
Teorema 9 Seja D uma regi ao simplesmente conexa em
2
tal que o divergente f(x) =
f
1
x
1
(x
1
, x
2
) +
f
2
x
2
(x
1
, x
2
) n ao e identicamente zero em nenhuma subconjunto aberto de D e n ao muda de sinal em D.
Ent ao D n ao contem nenhuma trajet oria fechada de 4.2.19.
Exemplo 4.3.1 Seja o sistema dado por
x
1
= x
2
+x
1
x
2
2
(4.3.1)
x
2
= x
1
+x
2
1
x
2
(4.3.2)
Calculando-se f(x) tem-se
f(x) = x
2
1
+x
2
2
e portanto f(x) n ao muda de sinal e f(x) = 0, x = 0. Somente para x = 0 temos f(x) = 0, mas
x = 0 n ao e um conjunto aberto. Logo n ao existem soluc oes peri odicas para o sistema 4.3.2.
Exemplo 4.3.2 Seja o sistema 4.2.11, repetido aqui por conveniencia.
x
1
= x
2
+x
1
(
2
x
2
1
x
2
2
) (4.3.3)
x
2
= x
1
+x
2
(
2
x
2
1
x
2
2
) (4.3.4)
4.3.2 Teorema de Poincare-Bendixson
O teorema de Poincare-Bendixson pode ser usado para provar a existencia de solu coes periodicas. No
entanto a aplica cao deste teorema depende da determina cao de um domnio M, o que pode dicultar a
aplica cao do teorema.
Antes de enunciar o teorema, uma deni cao preliminar e necessaria.
Deni cao 10 Seja x(.) uma soluc ao do sistema 4.2.19. Um ponto x
2
e chamado um ponto limite
da trajet oria se existe uma seq uencia t
i
tal que quando t
i
ent ao x(t
i
) x.. O conjunto de
todos os pooontos limites de uma trajet oria e o chamado o conjunto limite da trajet oria e e denotado por
L.
Alguns exemplos
4.3.3 Teoremas usando o conceito de ndice
Seja D um subconjunto aberto, simplesmente conexo de
2
se seja f :
2
2
um campo vetorial sobre
2
. Supoes-se que D contem somente pontos de equilbrio isolados do sistema x = f(x).
Seja J uma curva de Jordan fechada, positivamente orientada, que nao passa por nenhum ponto de
equilbrio. Uma curva positivamente orientada e percorrida no sentido anti-horario.
EEL-UFSC 33
Deni cao 11 O ndice da curva J com respeito ao campo vetorial f e denido por
I
f
(J) =
1
2
_
J
d
f
(x
1
, x
2
) (4.3.5)
ou
I
f
(J) =

2
(4.3.6)
onde e a variac ao do angulo do campo vetorial.
Deni cao 12 Seja p um ponto de equilbrio isolado de x = f(x). Ent ao o ndice de p e denido como
I
f
(J), onde J e qualquer curva de Jordan adequada e tal que p e interior a J e J n ao contem outros
pontos de equilbrio alem de p.
Observa cao 5 Se J n ao contem pontos de equilbrio ent ao IFJ = 0.
Observa cao 6 O ndice de um centro, foco ou n o e 1 e de um ponto de sela e 1.
Observa cao 7 Se J contem os pontos de equilbrio p
1
, p
2
. , p
n
ent ao
I
f
(J) =
n
i=1
I
f
(p
i
)
Observa cao 8 Sejam f e g dois campos vetoriais em
2
e
f
e
g
as dire c oes de f e g. Seja J a curva
de Jordan tal que
1. |
f

g
| < ao longo de J, ou seja, f e g nunca est ao em oposi c ao sobre J.
2. J n ao passa sobre nenhum ponto de equilbrio de x = f(x) ou x = g(x).
Ent ao I
f
(J) = I
g
(J).
Observa cao 9 Seja J uma trajet oria fechada orientada positivamente de x = f(x). Ent ao I
f
(J) = 1.
Teorema 10 Toda trajet oria fechada de x = f(x) contem pelo menos um ponto de equilbrio de x = f(x)
em seu interior. Se x = f(x) tem somente pontos de equilbrio isolados ent ao toda trajet oria fechada
orientada positivamente de x = f(x) contem em seu interior um n umero nito de pontos de equilbriio
tal que a soma de seus ndices seja 1.
Este teorema da consi coes necessarias para a existencia de ciclo limite. Pelo teorema, ciclo limite deve
encerrar um centro, um foco ou um no a mais do que o n umero de pontos de sela.
Exemplo 4.3.3 Consideremos a equa c ao de Volterra que descreve um sistema predator-presa, dado por
x
1
= x
1
+x
1
x
2
(4.3.7)
x
2
= x
2
x
1
x
2
(4.3.8)
Esta equa c ao descreve um sistema ecol ogico onde x
1
e o n umero de predatores e x
2
e o n umero de
presas. Se x
2
= 0 (nenhuma presa) ent ao da equa c ao x
1
= x
1
segue que a soluc ao e x
1
= x
10
e
t
, ou
seja, a populac ao de predadores cai exponencialmente a zero. Por outro lado, se x
1
= 0 (o n umero de
predadores e zero) ent ao da equa c ao x
2
= x
2
segue que a soluc ao e x
2
= x
20
e
t
, ou seja, a populac ao de
presas aumenta exponencialmente.
Os pontos de equilibrio deste sistema s ao dados por
x
1
(1 x
2
) = 0 (4.3.9)
x
2
(1 x
1
) = 0 (4.3.10)
que leva a duas solu c oes (0, 0) e (1, 1).
A linearizac ao do sistema em torno de um ponto de equilibrio e dada por
_
x
1
x
2
_
=
_
1 +x
2
x
1
x
2
1 x
1
_ _
x
1
x
2
_
(4.3.11)
Para o ponto de equilibrio dado por (0, 0) tem-se
_
x
1
x
2
_
=
_
1 0
0 1
_ _
x
1
x
2
_
(4.3.12)
com autovalores
1
= 1 e
2
= 1. Logo (0, 0) e um ponto de sela.
Para o ponto de equilbrio (1, 1) tem-se
_
x
1
x
2
_
=
_
0 1
1 0
_ _
x
1
x
2
_
(4.3.13)
e os autovalores s ao j e portanto (1, 1) e um centro.
Embora ao teorema nao permita armar a existencia de um ciclo limite, se um ciclo limite existir ele
deve envolver o ponto de equilbrio (1, 1). O ndice neste caso e 1, satisfazendo a condi cao do teorema.
Note que o fato de o sistema linearizado apresentar um centro para o ponto de equilbrio (1, 1) nao
indica a existencia de solu cào periodica para o sistema nao-linear.
4.4 Funcoes descritivas
O metodo das fun coes descritivas baseia-se na ideia de quase-lineariza cao, pela qual um elemento nao-
linear estatico e representado por um ganho que depende da amplitude do sinal de entrada. Este sinal
de entrada e uma senoide. Este metodo de analise e aproximado mas bons resultados sao obtidos,
especialmente devido às propriedades de ltragem da fun cao de transferencia da parte linear do sistema.
Para estabelecermos o fundamento deste metodo, consideraremos o sistema da Figura 4.3, onde
x = x
0
sen
0
t e a entrada da nao-linearidade e y a sada.
CaNxy
Figura 4.3: Entrada e sada da nao-linearidade
A entrada e uma senoide. A sada pode ser calculada facilmente a partir da caracterstica da nao-
linearidade, como mostrado na Figura 4.4.
y
x
Y0
Y0
y
t
x
t
Figura 4.4: Entrada e sada da nao-linearidade
EEL-UFSC 35
Portanto o sinal de sada e um sinal periodico, que pode ser expandido em serie de Fourier. Lembramos
que qualquer fun cao periodica f(t), com perodo T pode ser considerada como a soma de fun coes senoidais
com frequencias 0, . . ., n
0
, onde
0
=
2
T
.
A expressao geral da serie trigonometrica de Fourier e dada por:
f(t) = a
0
+a
1
cos
0
t +a
2
cos 2
0
t +. . . +. . . +b
1
sen
0
t +b
2
sen 2
0
t +. . . (4.4.1)
A determina cao apropriada dos coecientes permite representar qualquer fun cao periodica. A frequencia
0
corresponde a componente fundamental, e e a frequencia de f(t). A frequencia n
0
corresponde
ao n-esimo harmonico. a
0
corresponde a uma componente de frequencia zero (componente de corrente
contnua).
Dependendo das propriedades da fun cao f(t), apenas alguns dos termos de 4.4.1 sao diferentes de
zero. Assim, no caso da nao-linearidade da Figura 4.4, a sada y(t) tem simetria de quarto de ondampar,
ou seja, a serie de Fourier so tem termos harmomicos mpares em seno.
Portanto a serie de Fourier da sada e dada por
y(t) = b
1
sen
0
t +b
3
sen3
0
t +b
5
sen5
0
t + (4.4.2)
A sada pode ser aproximada por
y(t) = b
1
sen
0
t (4.4.3)
desde que
1. A maior contribui cao à sada e dada pela freq uencia fundamental.
2. As outras componentes sao atenuadas pela a cao de ltragem de parte linear do sistema.
Portanto a rela cao entrada sada e dada por
N =
y
x

b
1
sen
0
t
x
0
sen
0
=
b
1
x
0
=
4 N
0
x
0
(4.4.4)
onde N e a fun cao descritiva que relaciona a entrada e a sada.
E importante observar que a fun cao descritiva e portanto o ganho depende da amplitude da entrada.
Observe que este nao e o caso de um sistema linear, onde para cada senoide de entrada o ganho so
depende da freq uencia desta senoide.
Considere o mesmo sistema dado na Figura ??, mas com a nao-linearidade dada na Figura ??, que
tambem mostra a sada para uma entrada senoidal. Novamente, por expansao em serie de Fourier, e
considerando que a sada tem simetria de quarto de onda mpar, pode-se aproximar esta sada por
y(t) = b
1
sen
0
t (4.4.5)
e a fun cao descritiva neste caso e dada por
N =
y
x

b
1
sen
0
t
x
0
sen
0
t
=
b
1
x
0
=
_
k
( 2 sen2) para x
0
> D
0 para 0 x
0
D
(4.4.6)
Novamente a fun cao descritiva depende da entrada.
Usando um procedimento similar, pode-se derivar fun coes descritivas para nao-linearidades usuais.
No Apendice, algumas destas fun coes descritivas sao apresentadas.
N G(s)
r 0 x
y y +
Figura 4.5: Nao-linearidade e fun cao de transferencia

4.4.1 Estabilidade e existencia de solu coes periodicas usando funcoes descritivas
Fun coes descritivass podem ser usadas para estudar a existencia e a estabilidade de solu coes periodicas de
sistemas com a congura cao mostrada na Figura 4.5. O sistema tem uma nao-linearidade representada
pela fun cao descritiva N e uma parte linear, representada pela fun cao de transferencia G(s).
A equa cao caracterstica do sistema e dada por
1 +N G(s) = 0 (4.4.7)
ou, para uma entrada senoidal dependente da freq uencia tem-se
1 +N G(j) = 0 (4.4.8)
Se tra carmos o diagrama polar da fun c ao N G(j) e usarmos o criterio de Nyquist podemos determinar
a estabilidade do sistema e a existencia de um ciclo limite. Como a fun cao descritiva N depende da
entrada, e mais facil tra car o diagrama polar de G(j) e tra car a curva
1
N
. A intercessao destas curvas
indica a passagem do diagram polar de N G(j) em cima do ponto 1, desde que
G(j) =
1
N
(4.4.9)
Esta intercessao indica a possvel existencia de um ciclo limite no sistema nao-linear. Se nao houver
intercessao, o sistema e estavel. A partir do ponto de intercessao o sistema e instavel.
Exemplo 4.4.1 Seja o sistema dado na Figura ?? onde a n ao-linearidade e dada por N() =
3
e a
fun c ao de transferencia e dada por
G(s) =
1
s(s + 1)(s + 2)
(4.4.10)
Vamos inicialmente calcular a fun c ao descritiva correspondente ` a n ao-linearidade. Para uma entrada
x
0
sent a sada e dada por
N(x
0
) = x
3
0
sen
3
t = x
3
0
_
3
4
sent
1
4
sen3t
_
ou
N(x) = x
3
0
3
4
sent
x
3
0
4
sen3t
A fun c ao descritiva e ent ao dada por
N(x
0
) = x
2
0
3
4
A condi c ao que indica uma possvel existencia de um ciclo limite e
1 +N(x
0
) G(j) = 0
ou ainda
1 +
1
j(j + 1)(j + 2)
3x
2
0
4
= 0
EEL-UFSC 37
Separando as partes real e imagin aria desta equa c ao temos
2
(
2
+ 1)(
2
+ 4) 3
2
3x
2
0
4
= 0 (4.4.11)
(
3
2)
3x
2
0
4
= 0 (4.4.12)
Da Equac ao 4.4.11 tem-se =
2.
Da Equac ao 4.4.12 tem-se x
0
=
8.
Portanto uma soluc ao peri odica pode existir com uma amplitude aproximada de
8 e uma velocidade
angular de aproximadamente
2 rad/seg.
Uma conclus ao semelhante a esta pode ser obtida usando o diagrama de Nyquist.
Exerccios
1. Para o sistema do exerccio 6 da primeira lista estude a possibilidade de ciclo limite usando o
teorema de Bendixson.

E possivel aplicar o teorema de Bendixson-Poicare para chegar a mesma
conclusao?
2. Para o oscilador de Van der Pol construa uma regiao no plano de fase para qual, portanto, a
existencia de um ciclo limite.
3. Considere a seguinte forma de equa coes de Volterra-Lothea (usada em modelos ecologicos para
descrever a competi cao de especies)
x
1
= x
1
x
1
x
2
x
2
1
x
2
= x
1
x
2
x
2
x
2
x
1
Determine os pontos de equilbrio, linearize ao redor do ponto de equilbrio com valores diferentes
de zero para as duas variaveis de estado e mostre como sua estabilidade depende de e . Discuta
a possibilidade do surgimento de um ciclo limite.
4. O oscilador de Van der Pol, com equa cao
y
+y =
y
(1 y
2
)
pode ser representado pelo sistema da gura 4.
Usando fun coes descritivas determine a amplitude e freq uencia, assim como a estabilidade, de uma
solu cao tipo ciclo limite.
5. Calcule a freq uencia e a amplitude da solu cao da equa cao de Van der Pol usando o metodo das
perturba coes com uma aproxima cao de ordem
2
.
6. Na gura 1 esta representado um servomecanismo de segunda ordem contendo um rele com zona
morta e histerese. Obter a trajetoria do sistema para condi coes iniciais e (0) = 0, 65,

e (0) = 0.
Determinar se o sistema tem um ciclo limite e em caso armativo, a amplitude e perodo do mesmo.
7. Um servomotor bifasico e acionado por um amplicador como mostrado na gura 2. A fun cao de
transferencia do motor e:
G(s) =
k
e
0,1s
s (0, 1s + 1)
Investigar a estabilidade do sistema para k
= 0, 1. Qual o maior valor de k
para que nenhum ciclo

limite exista?
EEL-UFSC 39
8. Para o sistema de controle da gura, sem o tacometro (chave S aberta) plotar a trajetoria para
uma condi cao inicial e (0) = 2,

e (0) = 0.
Dados:
m
= 0, 5seg; k = 8; = 0, 5
Considerar agora o tacometro (k
t
= 0, 5) , ou seja, chave S fechada. Plotar a trajetoria e comentar
sobre o efeito da realimenta cao tacometrica.
Figura 4.9: Exerccio 3
9. O sistema de controle a rele da gura usa um rele com zona morta e um la co de realimenta cao
derivativa. Desenhe um conjunto de isoclinas e plote a trajetoria para entrada zero e condi coes
iniciais c (0) = 2,

c (0) = 5. Calcule o tempo de resposta o sistema. Determine o erro em regime
permanente.
10. Estude a possibilidade de bifurca cao de Hopf para o sistema:
x
1
= x
1
+x
2
+x
3
x
4
x
2
= x
1
+ x
2
x
3
= x
3
x
4
= x
3
2
x
4
CAP
ITULO 5
Metodos de controle nao-linear
5.1 Introducao
Nos captulos precedentes nos preocupamos em desenvolver metodos de analise de sistemas nao-lineares.
Estes metodos permitem determinar por exemplo a estabilidade de pontos de equilbrio, a determina cao
de domnios de atra cao, a existencia de ciclos limites e a estabilidade destas solu coes periodicas. No
presente captulo, a preocupa cao sera a sntese de controladores para sistemas nao-lineares.
Existe uma extensa bibliograa nesta area e ainda muita pesquisa sendo realizada. Por isto o nosso
enfoque e abordar apenas alguns poucos metodos, que encontram vasta aplica cao ou pelo menos atraem
interesse de pesquisadores e engenheiros. Os metodos abordados sao o controle de estrutura variavel com
modos deslizantes e o controle linearizante.
5.2 Controle a modos deslizantes
Apresentaremos nesta se cao o controle a modos deslizantes, que permite uma solu cao para o problema
de controle de sistemas com incertezas no modelo. O controle a modos deslizantes e um caso particular
do controle a estrutura variavel, onde as trajetorias atingem uma superfcie, chamada superfcie de
deslizamento e se mantem nesta superfcie. Discutiremos inicialmente o controle de estrutura variavel
e chegaremos ao conceito de superfce de deslizamento. No resto da se cao abordaremos os conceitos e
projeto de controladores a modos deslizantes. A maior parte desta se cao segue a referencia (Slotine).
5.2.1 Controle de estrutura variavel
Sistemas de estrutura variavel sao sistemas no quais mudan cas intencionais abruptas da estrutura do
sistema sao efetuadas para atingir algum comportamento desejavel do sistema.
A aplica cào de controle de estrutura variavel combina estruturas que podem ser isoladamente instaveis
de modo a produzir um sistema assintoticamente estavel.
O exemplo seguinte ilustra como isto pode ser feito.
Exemplo 5.2.1 Considere o sistema da Figura ?? onde a a chave pode estar aberta ou fechada.
As equa c oes que descrevem este sistema s ao
x
1
= x
2
(5.2.1)
x
2
= (a +c b)x
1
(5.2.2)
42 Captulo 5: Metodos de controle nao-linear
onde d = 0 descre o sistema com a chave aberta e d = 1 descreve o sistema com a chave fechada. A
vari avel de estado x
1
representa o erro do sistema.
As trajet orias para o caso em que a chave est a aberta s ao mostradas na Figura ??. As trajet orias
para o caso em que a chave est a fechada s ao mostradas na Figura ??. Observa-se que as trajet orias s ao
fechadas o que signica que o erro n ao vai para zero.
Se a l ogica de chaveamento for dada por
Se x
1
x
2
> 0 ent ao c = 1
Se x
1
x
2
< 0 ent ao c = 0
a trajet oria do sistema e a mostrada na Figura ??.
Com isto as caractersticas dos dois sistemas foram combinadas para obter um sistema com o com-
portamento desejado. O sistema tende assintoticamente para a origem, garantindo que o erro ser a zero
no regime permanente.
Exemplo 5.2.2 Seja o sistema linear dado na Figura ??, onde o par ametro pode ser positivo ou
negativo.
As equa c oes que descrevem este sistema s ao
x
1
= x
2
(5.2.3)
x
2
= x
1
(5.2.4)
ou
_
x
1
x
2
_
=
_
0 1
0
_ _
x
1
x
2
_
(5.2.5)
O ponto de equilbrio e dado por [0 0]
T
. Vamos examinar a natureza deste ponto de equilbrio. Os
autovalores da matriz
_
0 1
0
_
s ao dados por = j
.
Para < 0 os autovalores s ao reais, um positivo e o outro negativo.
5.2.2 Incertezas do modelo
O controle a modos deslizantes e um abordagem de controle que assegura a robustez diante de incertezas
do modelo.
As incertezas de modelagem podem ser classicadas como incertezas estruturadas ou parametricas
e incertezas nao-estruturas. As incertezas parametricas sao originadas por incertezas nos valores dos
parametros do modelo enquanto que as incertezas nao-estruturadas correspondem a incertezas na ordem
do modelo (dinamica nao modelada).
O controle a modos deslizantes permite uma abordagem sistematica para projeto de controladores
que mantem a estabilidade e o desempenho frente a estas incertezas parametricas.
5.2.3 Superfcies de deslizamento
Em sistema de estrutura variavel o chaveamento adequado do controlador permite que a trajetoria do
sistema atinja uma superfcie, chamada de deslizamento. Uma vez que a trajetoria atinja esta superfcie
o chaveamento adequado do controle mantem a trajetoria nesta superfcie.
Seja o sistema descrito por
x
n
= f(x) +b(x) u(t) (5.2.6)
EEL-UFSC 43
onde x e a sada de interesse, e o ndice n denota a derivada de ordem n de x, x(t) e o vetor de estado
e u(t) e a entrada (escalar). O vetor de estado x e formado por x e pelas derivadas de x ate a ordem
(n 1), ou seja,
_
_
x
x
.
.
.
x
(n1)
_
_
As fun coes f(x, t) e b(x, t) sao fun coes nao-lineares dependentes do estado.
Vamos admitir que o modelo 5.2.6 apresente incertezas, ou seja, as fun coes f(x) e b(x) nao sao
conhecidas perefeitamente, mas sabemos que sao limitadas superiormente por fun coes contnuas de x.
Vamos denir um estado de referencia x
d
, dado por
_
_
x
d
x
d
.
.
.
x
(n1)
d
_
_
que deve ser rastreado pelo estado x.
Se denirmos x = x x
d
como o erro entre a sada de interessa dada por x (escalar) e a referencia,
dada por x
d
(escalar), podemos denir o vetor de erro de rastreamento dado por
x = x x
d
=
_
_
x
x
.
.
.
x
(n1)
d
_
_
O rastreamento com erro zero implica x = 0 e portanto x, a sada de interesse e igual a x
d
, a referencia.
A solu cao do problema de rastreamento corresponde a determianr uma lei de controle que fa ca com que
x tenda para zero.
E importante ressaltar neste ponto que o rastreamento deve ser obtido a despeito das incertezas no
modelo.
Vamos denir uma superfcie variante no tempo s(t) dada por
s(x, t) =
_
d
dt
+
_
n1
x (5.2.7)
onde e uma constante positiva.
Vamos considerar dois exemplos desta superfcie.
Exemplo 5.2.3 Para um sistema de segunda ordem (n = 2) tem-se
s(x, t) =
_
d
dt
+
_
x
ou
s =

x + x
No espa co de estados ( x,

x) a superfcie e uma reta.
Exemplo 5.2.4 Para um sistema de terceira ordem (n = 3) tem-se
s(x, t) =
_
d
dt
+
_
2
x
ou
s =
x x + 2

x +
2
x
No espa co de estado (
x, x,

x) tem-se que s e uma superfcie.
Vamos supor que tenhamos um estado a ser rastreado x
d
e que a condi cao inicial do estado do
sistema 5.2.6 em t = 0 e exatamente o valor da referencia, ou seja,
x(0) = x
d
(0) (5.2.8)
Entao a solu cao da equa cao
s = 0 (5.2.9)
considerando que s e dado por 5.2.7, e dada por x ou x = x
d
para qualquer t > 0. Ou seja, o deslizamento
na superfcie s = 0 corresponde ao rastreamento da referencia com erro zero. Esta e uma importante
conclusao pois signica que o problema de rastreamento robusto de um vetor para um sistema de ordem
n recai em um problema de primeira ordem, o de manter a trajetoria na superfcie dada por s = 0. A
lei de controle deve entao assegurar que a trajetoria move-se sobre a superfcie de deslizamento s = 0.
Discutiremos esta lei de controle mais adiante.
Fizemos a suposi cao de que o estado inicial do sistema e exatamente igual ao estado rastreado, ou
seja, x = x
d
. Mas vamos supor que isto nao aconte ca e x = x
d
. Neste caso a trajetoria do sistema nao
esta sobre a superfcie s = 0 e esta superfcie deve entao ser inicialmente atingida. Neste caso temos que
nos assegurar que a superfcie e atrativa, ou seja, a trajetoria acaba por ating-la apos um perodo de
tempo.
Podemos denir uma distancia à superfcie de deslizamento por s
2
. Esta distancia e zero quando a
trajetoria estiver sobre a superfcie de deslizamento. Em caso contrario, devemos assegurar que a derivada
desta distancia e negativa. Em outras palavras, podemos usar
V (x) = s
2
(5.2.10)
como uma fun cao de Lyapunov e para assegurar que a trajetoria vai para s = 0 temos que ter
V (x) =
1
2
s s < 0 (5.2.11)
A condi cao 5.2.11 assegura que a distancia à superfcie de deslizamento diminui ao longo das trajetorias
do sistema. Com isto as trajetorias convergem para a superfcie de deslizamento e uma vez atingindo
esta superfcie elas a permanecem assegurando rastreamento com erro zero. Portanto esta e a condi cao
de deslizamento que assegura que a superfcie s e uma superfce de deslizamento. O comportamento do
sistema na superfcie de deslizamento e chamada de regime ou modo deslizante.
A Figura mostra condi cao de deslizamento. As trajetorias apontam na dire cao da superfcie, mas o
deslocamento ocorre sobre esta superfcie.
O caso onde a condi cao inicial e diferente do estado a ser rastreado (x(0) = x
d
(0)) e ilustrado na
Figura . A trajetoria atinge a superfcie de deslizamento, dada por uma reta no espa co de estados com
inclina cao e depois desliza ao longo da superfcie s = 0 em dire cao a x
d
. Note que x
d
pode variar com
o tempo.
5.2.4 Lei de controle
Vamos inicialmente considerar um exemplo simples mostrando como a lei de controle pode ser construda.
Seja o sistema:
x= f +u (5.2.12)
EEL-UFSC 45
onde u e a entrada de controle, x e a variavel de sada (escalar) de interesse e f nao e conhecido
exatamente. Supomos que o erro em f e limitado superiormente por uma fun cao conhecida F(x, t), ou
seja,
f f
F (5.2.13)
O sistema deve rastrear x
d
de tal modo que x(t) = x
d
,. Denimos a superfcie de deslizamento por
s =
_
d
dt
+
_
x =

x + x (5.2.14)
Observe que na Equa cao 5.2.14 nao aparece o controle. Mas se derivarmos uma vez esta equa cao
temos
s =
x

x
d
+

x (5.2.15)
Usando 5.2.12 em 5.2.15 tem-se
s =

x
d
+

x +f +u (5.2.16)
e o controle aparece nesta equa cao.
Na superfcie de deslizamento temos que ter s = 0. Isto e conseguido se escolhermos uma lei de
controle tal que
s =

x
d
+

x +f +u = 0 (5.2.17)
o que resulta em uma escolha para o controle de
u =
f+

x
d

x (5.2.18)
Observe que esta condi cao garante que a trajetoria permanece na superfcie deslizante se f for conhe-
cido. Como admitimos incertezas parametricas devemos satisfazer a condi cao ??, ou seja s s < 0. Isto
tambem garante que as trajetorias convergem para a superfcie deslizante para qualquer condi cao inicial.
Para assegurar a condi cao de deslizante vamos incluir na lei de controle 5.2.18 um termo descontnuo
que depende de que lado a trajetoria esta com rela cao ` a superfcie de deslizamento, ou seja, se s > 0
ou s < 0.
Esta lei de controle e dada por
u = u Ksgn(s) (5.2.19)
onde a fun cao sgn(s) e denida como
sgn(s) = = +1 se s > 0
sgn(s) = = 1 se s < 0
Com esta lei de controle podemos agora vericar se a condi cao de deslizamento 5.2.11 e vericada:
1
2
ds
2
dt
= s s = (f

f) s k|s| (5.2.20)
Se K for escolhido tal que
K = F + (5.2.21)
entao obtem-se
1
2
ds
2
dt
|s| (5.2.22)
e a condi cao de deslizamento e satisfeita.
Da Equa cao 5.2.21 observa-se que quanto maior a incerteza maior deve ser o valor de K o que aumenta
o valor da lei de controle descontnua.
5.2.5 Chattering
O modo deslizante ideal existe quando a trajetoria do sistema rastreia a referencia com erro zero para
t t
1
para algum t
1
. Para que isto aconte ca deve-se ter um chaveamento innitamente rapido. Em
implementa còes reais a freqencia de chavemento e nita, o que leva a uma oscila cao na vizinhan ca da
superfcie de deslizamento. Esta oscila cao e chamada chattering. A alta atividade de controle ainda pode
excitar a dinamica nao modelada.
Uma possivel forma de evitar chattering e manter a trajetoria proxima à superfcie s = 0 e apresentada
a seguir. Um estreita camada limite e considerada na vizinhan ca da superfcie de deslizamento, denida
por
B(t) = {x, |s(x, t)| } (5.2.23)
onde e a espessura da camada limite e a largura da camada e dada por =

n1
. A camada limite e
ilustrada na Figura para o caso de n = 2.
A lei de controle e escolhida de modo que a fora de B(t) a camada limite e atrativa e portanto
invariante. Todas as trajetorias que partem do interior de B(t = 0) permanecem dentro de B(t).
O rastreamento nao sera perfeito mas uma precisao e garantida e para todas as trajetorias que
partem de dentro de B(t = 0) tem-se
t 0,
x
(i)
(t)
(2)
i
i = 0, . . . , n 1 (5.2.24)
5.2.6 Exemplo
Apresentaremos aqui uma aplica cao de controle a modos deslizantes para um problema bem conhecido,
o controle do pendulo invertido. Este problema consiste em manter uma haste articulada a um carro, na
posi cao vertical usando o movimento do carro. O sistema e ilustrado na Figura.
As equa coes do pendulo invertido sao dadas por
5.3 Controle linearizante
5.3.1 Introdu cao
O objetivo desta se cao e apresentar o controle linearizxante atraves da realimenta cao de estados. O
sistema nao-linear e transformado em sistema linear usando esta realimenta cao. O sistema linear pode
entao ser controlado usando uma tecnica de controle de sistemas lineares. Existem condi coes para que
esta transforma cao possa ser feita. Nesta se cao aprestaremos estas condi coes e como o projeto de controle
linearizante pode ser feito.
A formaliza cao destes resultados e baseado em conceitos de geometria diferencial. No entanto somente
serao usados os conceitos essenciais para que os resultados importantes sejam entendidos. No Apendice
um resumo destes conceitos e apresentado. A medida que necessarios, as se coes do Apendice onde
encontram-se tais conceitos serao indicadas.
Apenas resultados para sistemas com uma unica entrada serao apresentados. A extensao para sistemas
com varias entradas nao e difcil e referencias podem ser consultadas.
5.3.2 Linearizacao entrada-estado
O sistema a ser considerado e da forma
x = f(x) +g(x)u (5.3.1)
onde f e g sao campos vetoriais suaves. Este sistema e am, ou seja, e linear com rela cao ao controle.
A seguinte deni cao formaliza o conceito de lineariza cao entrada-estado.
EEL-UFSC 47
e linearizavel entrada-estado se existe uma regiao Re, um difeomorsmo T : R
n
e uma lei
de controle nao-linear
u = (x) +(x) (5.3.2)
tal que as novas variaveis de estado z = T(x) e o novo sinal de entrada tem a forma
z = Az +b (5.3.3)
onde
A =
_
_
0 1 0 0 0
0 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 1
0 0 0 0 0
_
_
b =
_
_
0
0
.
.
.
0
1
_
_
O novo estado z e chamado de estado linearizante e a lei de controle 5.3.3 e chamada de lei de controle
linearizante. Observe ainda que as matrizes do sistema linear estao em uma forma canonica.
A seguir enunciaremos as condi coes para que um controle linearizante exista. Estas condi coes sao
dadas na forma do teorema seguite.
Teorema 11 O sistema n ao-linear 5.3.1 e entrada-estado lineariz avel se, e somente se, existe uma regi ao
tal que as seguintes condi c oes valem:
o campos vetoriais [gad
f
g ad
n1
f
g] s ao linearmente independentes em
o conjunto [gad
f
g ad
n1
f
g] e involutivo em
Omitiremos a demonstra cao deste teorema, embora a sua demonstra cao justique o procedimento
para a lineariza cao entrada-estado, como apresentado a seguir.
5.3.3 Etapas para a aplicacao da linearizacao entrada-estado
A lineariza cào entrada-estado pode ser feita executando as seguintes etapas:
1. Construir os campos vetoriais gad
f
g ad
n1
f
g para o sistema.
2. Vericar se as condi coes de controlabilidade de involutividade, dadas pelo teorema anterior, sao
satisfeitas. Se estas condi coes forem satisfeitas a lineariza cào pode ser feita e passa-se ao passo
seguinte. Caso contrario e nao e possvel fazer a lineariza cao.
3. Seja T
1
o primeiro estado da realiza cao correspondente ao sistema linearizado. Deve-se ter
T
1
ad
i1
f
g = 0 (5.3.4)
ad
n1
f
g = = 0 (5.3.5)
4. Calcular a transforma cao de estado
z = (x) = (T
1
L
f
T
1
L
n1
f
T
1
)
T
(5.3.6)
e a transforma cao de entrada 5.3.2 como
(x) =
L
f
T
1
L
g
L
n1
f
T
1
(5.3.7)
(x) =
1
L
g
L
n1
f
T
1
(5.3.8)
A explica cao de algumas destas etapas vem da natureza construtiva da demonstra cao do Teorema 11,
a qual nao foi apresentada.
5.3.4 Exemplo
Apresentaremos um exemplo, ilustrando passo a passo a aplica cao das etapas para obter a lineariza cao
entrada-estado.
Vamos considerar o problema de um robo com junta exvel com uma unica liga cao(ref1-ref2). A
liga cao e acionada por um motor que atraves de uma mola aciona uma massa (Figura ??.
Seja
J momento de inercia do motor ao redor do seu eixo de rota cao
I momento de inercia da liga cao ao redor do eixo de rota cao do motor
L distancia do eixo do motor ao centro de massa da liga cào
M massa da liga cao
g acelera cao da gravidade
k constante da mola
q
1
angulo da liga cao
q
2
torque aplicado ao eixo do motor
As equa coes que descrevem o sistema sao:
I

q
1
+mg Lsinq
1
+k(q
1
q
2
) = 0 (5.3.9)
J

q
2
k(q
1
q
2
) = u (5.3.10)
Escolhendo-se o vetor de variaveis de estado como
x =
_
_
q
1
q
1
q
2
q
2
_
_
o sistema pode ser escrito na forma
x = f(x) +g(x) u
com
f =
_
_
x
2
M g L
I
senx
1
k
I
(x
1
x
3
)
x
4
k
J
(x
1
x
3
)
_
_
g =
_
_
0
0
0
1
J
_
_
Tendo o modelo do sistema, seguiremos as diversas etapas indicadas para efetuar a lineariza cao
entrada-estado.
1. Verica cao se e possvel efetuar a lineariza cao. Formamos o conjunto [gad
f
g ad
n1
f
g] e testamos
se o conjunto e linearmente independente e se e involutivo. O conjunto e dado por
[gad
f
g ad
n1
f
g] =
_
_
0 0 0
k
IJ
0 0
k
IJ
0
0
1
J
0
k
J
2
1
J
0
k
J
2
0
_
_
Para destar a independencia linear testamos o determinante da matriz. Este determinante e dado
por
k
2
I
2
J
4
e e diferente de zero. o que assegura que os vetores sao linearmente independentes.
A involutividade e facil de ser testada ja que o campo vetorial g e constante e os Lie brackets de
dois vetores constantes e zero.
Portanto as duas condi coes do Teorema 11 sao satisfeitas e o sistema tem pode ser linearizado.
EEL-UFSC 49
2. Para construir a transforma cao linearizante z = T(x) achamos inicialmente uma fun cao nao cons-
tante T
1
tal que T
1
(0) = 0 e, seguindo as equa coes ?? e 5.3.5, chegamos às equa coes:
T
1
x
2
= 0
T
1
x
3
= 0
T
1
x
4
= 0
T
1
x
1
= 0
Uma escolha, que satisfaz estas equa coes mas nao e unica e
T
1
(x) = x
1
= z
1
A transforma cao de estado e agora calculada usando 5.3.6. Com isto obtem-se
z
2
= L
f
T
1
= x
2
(5.3.11)
z
3
= L
2
f
T
1
=
MgL
I
senx
1
k
I
(x
1
x
2
) (5.3.12)
z
4
=
MgL
I
x
2
cos x
1
k
I
(x
2
x
4
) (5.3.13)
A realimenta cao de estado e calculada usando as equa coes 5.3.8
(x) =
MgL
I
sin(x
1
(x
2
2
+
MgL
I
cos x
1
+
k
L
(5.3.14)
+
k
I
(x
1
x
3
) (
k
I
+
k
J
+
MgL
J
cos x
1
) (5.3.15)
x =
k
IJ
(5.3.16)
Com esta lei de realimenta cao e usando as novas variaveis de estado as equa coes do sistema podem
ser escritas como
z
1
= z
2
(5.3.17)
z
2
= z
3
(5.3.18)
z
3
= z
4
(5.3.19)
z
4
= (5.3.20)
Algumas observa coes sao importantes com rela cao a este exemplo (vidyasagar).
Observa cao 10 As novas vari aveis z obtidas da transforma c ao z = T(x), tem signicad fsico, j a que
s ao derivadas de z
1
= x
1
. Isto n ao ocorre necessariamente com uma outra transforma ao ou em outros
exemplos.
Observa cao 11 A transforma c ao de vari aveis neste caso e realmente global, embora o Teorema 11 s o
considere transforma c oes locais. Neste exemplo a transforma c ao T e inversvel globalmente com um
mapeamento inverso dado por
x
1
= z
1
(5.3.21)
x
2
= z
2
(5.3.22)
x
3
= z
1
+
I
k
(z
3
+
MgL
I
sinz
1
) (5.3.23)
x
4
= z
2
+
I
k
(z
4
+
MgL
I
z
2
cos z
1
) (5.3.24)
Observa cao 12 Uma vez obtida a lei de controle para a realimentac ao e o sistema linear, podemos
aplicar tecnicas de controle linear para atingir os objetivos do projeto como rastreamento da referencia.
5.3.5 Consideracoes nais
O metodo de lineariza cao entrada-estado tem uma elegante fundamenta cao teorica. No entanto, do
ponto de vista de aplica coes em engenharia apresenta alguns problemas. A seguir discutiremos algumas
limita coes deste metodo.
A lineariza cao entrada-estado se aplica apenas a sistemas que satisfazem as condi coes do Teorema 11.
Isto ja restringe a sua aplica cao, embora uma ampla gama de sistemas de interesse pratico atende àquelas
condi coes.
Um outro aspecto deste metodo e a propria necessidade de lineariza cao. Ou seja, um esfor co de deve
ser feito, em termos da lei de controle, para obter um sistema linear, e entao uma lei de controle linear
e aplicada para atingir os objetivos do projeto. Podemos nos perguntar se nao seria possvel usar um
metodo que nos permitisse atender diretamente aos requisitos de projeto sem ter que passar pelo processo
de lineariza cao.
O Teorema 11 e aplicavel apenas localmente. Ou seja, mesmo que encontremos a lei de controle
linearizante, ela so e aplicavel a um subconjunto do espa co de estados. Em alguns casos, como no
exemplo anterior, esta lei e global, mas isto depende do sistema.
Uma diculdade maior do controle linearizante, como apresentado aqui, e a pouca robustez. Nao e
difcil concluir, analisando o exemplo apresentado, que se alguns parametros do sistema nao sao conhecidos
completamente ou variarem, entao a lei de controle linearizante, que depende destes parametros, nao
levara a um sistema linear. Algumas vezes a lei de controle linearizante depende do ponto de opera cao.
Se este ponto de opera cao nao for conhecido exatamente, um caso comum em aplica coes em engennharia,
tambem nao e possvel obter um sistema linear. Uma possvel abordagem para levar em conta este
problema foi apresentada em (baza).
Todas esta crticas podem parecer negativas, mas a tecnica tem tido muitas aplica coes e deve ser
considerada como uma possvel alternativa para o controle de sistema nao-lineares.
Referencias Bibliogracas

(Aguinaldo Silveira) Introdução Ao Controle Não-Linear

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(Aguinaldo Silveira) Introdução Ao Controle Não-Linear

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE FEDERAL DE SANTA CATARINA

E facil de vericar que o ponto y = [0 0] e agora um ponto de equibrio de 1.3.2.

Figura 1.1: Sistema maquina barra-innita

Figura 1.2: Sistema maquina barra-innita

, a derivada da fun cao sera negativa se o campo vetorial (tangente `as

Figura 4.5: Nao-linearidade e fun cao de transferencia

= 0, 1. Qual o maior valor de k

para que nenhum ciclo

You might also like