Controle de Sistemas

Controle discreto e introducao ao controle otimo e robusto
Controle discreto e introducao ao controle

otimo e robusto
Alberto Luiz Serpa

2006
Este material caracteriza as notas de aulas preparadas nos u

ltimos anos
quando ministrei a disciplina ES728 - Controle Avancado de Sistemas para
alunos do curso de Engenharia de Controle Automacao da UNICAMP.
Esta versao e a primeira editada em computador no sentido de permitir
correcoes e atualizacoes com mais facilidade e permitir a disponibilizacao no
ambiente de Ensino Aberto da UNICAMP.
Prof. Dr. Alberto Luiz Serpa - 2007
Sum
ario
1 Fundamentos dos sistemas discretos
5
1.1 Sinais discretos importantes . . . . . . . . . . . . . . . . . . . 6
1.2 Algumas propriedades . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Filtros FIR e IIR . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Equa
c
ao a diferen
cas de coeficientes constantes
2.1 Solucao de equacoes a diferencas (lineares, coeficientes constantes) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Solucao homogenea . . . . . . . . . . . . . . . . . . .
2.1.2 Solucao particular . . . . . . . . . . . . . . . . . . . .
2.1.3 Solucao completa . . . . . . . . . . . . . . . . . . . .
2.2 Comportamento da solucao homogenea . . . . . . . . . . . .
2.3 Regioes de estabilidade no plano complexo . . . . . . . . . .
3 Transformada Z
3.1 Transformada Z de entradas padronizadas . .
3.2 Principais propriedades da transformada Z . .
3.3 Inversa da transformada Z . . . . . . . . . . .
3.4 Transformada Z unilateral . . . . . . . . . . .
3.4.1 Algumas propriedades da transformada
3.5 Solucao de equacao de diferencas . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
Z unilateral
. . . . . . .
.
.
.
.
.
.
13
.
.
.
.
.
.
15
15
18
18
19
22
.
.
.
.
.
.
22
24
26
27
30
30
31
4 Fun
c
ao de transfer
encia discreta
32
4.1 Polos e zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Interpretacao da funcao de transferencia discreta . . . . . . . . 33
5 Discretizac
ao de plantas anal
ogicas
33
5.1 Modulacao com impulso . . . . . . . . . . . . . . . . . . . . . 34
5.2 Segurador de ordem zero (ZOH) . . . . . . . . . . . . . . . . . 35
6 Mapeamento s z
6.1 Mapeamentos importantes para projeto . . . .
6.2 Metodos de integracao numerica . . . . . . . .
6.2.1 Transformacao Euler para tras . . . . .
6.2.2 Transformacao Euler para a frente . . .
6.2.3 Transformacao bilinear - Tustin . . . .
6.2.4 Transformacao pelo metodo do impulso
7 An
alise de erro estacion
ario
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
invariante
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
39
43
43
44
46
49
52
8 Resposta em freq
u
encia
8.1 Problemas com a discretizacao ZOH .
8.2 Warping . . . . . . . . . . . . . . . .
8.3 Pre-warping . . . . . . . . . . . . . .
8.4 Frequencia crtica de pre-warping . .
.
.
.
.
56
56
58
60
63
9 Projeto no plano z
9.1 Controle PID - Metodo Ziegler-Nichols . . . . . . . . . . . . .
9.2 PID - projeto analtico com base no lugar das razes . . . . . .
9.3 Compensacao avanco-atraso - projeto analtico . . . . . . . . .
64
64
69
75
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10 Transformada w
82
10.1 Projeto avanco-atraso analtico na freq
uencia . . . . . . . . . . 85
11 Modelo de estado discreto
92
11.1 Transformacao pelo metodo do degrau invariante . . . . . . . 92
12 Diagrama de blocos
97
13 Realimenta
c
ao de estados
100
13.1 Controlabilidade e formula de Ackermann . . . . . . . . . . . 102
14 Observador (estimador de estados)
14.1 Estimador de ordem completa . . . . . . . . . . . . . . . . .
14.2 Observabilidade . . . . . . . . . . . . . . . . . . . . . . . . .
14.3 Efeito do observador na malha fechada . . . . . . . . . . . .
102
. 104
. 105
. 106
15 Controle
otimo
15.1 Introducao . . . . . . . . . . . . . . . . . .
15.2 Otimizacao de parametros . . . . . . . . .
15.3 Condicoes de otimalidade . . . . . . . . . .
15.4 Equacoes de Euler Lagrange . . . . . . . .
15.5 Condicoes de otimalidade e Euler-Lagrange
15.6 Controle linear quadratico - LQR . . . . .
15.7 Controle otimo multivariavel . . . . . . . .
15.7.1 Matriz hamiltoniana . . . . . . . .
.
.
.
.
.
.
.
.
107
. 107
. 108
. 110
. 111
. 113
. 117
. 120
. 122
.
.
.
.
123
. 124
. 127
. 133
. 136
16 Introdu
c
ao ao controle robusto
16.1 Caso SISO . . . . . . . . . . . . . . .
16.2 Resposta em frequencia multivariavel
16.3 Modelagem da incerteza . . . . . . .
16.4 Estabilidade robusta . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17 Controle H
146
17.1 Estabilidade segundo Lyapunov . . . . . . . . . . . . . . . . . 153
17.2 H via Riccati . . . . . . . . . . . . . . . . . . . . . . . . . . 154
18 Bibliografia
19 Exerccios
19.1 Lista 1 . . . . . . . . . . . . . . .
19.2 Lista 2 . . . . . . . . . . . . . . .
19.3 Lista 3 . . . . . . . . . . . . . . .
19.4 Lista 4 . . . . . . . . . . . . . . .
19.5 Lista 5 . . . . . . . . . . . . . . .
19.6 Lista 6 . . . . . . . . . . . . . . .
19.7 Lista 7 . . . . . . . . . . . . . . .
19.8 Lista 8 - Roteiro para MATLAB .
19.9 Lista 9 - Roteiro para MATLAB .
19.10Lista 10 - Roteiro para MATLAB
162
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
163
163
164
165
166
167
168
169
172
174
175
176
177
Fundamentos dos sistemas discretos
Um sinal contnuo e uma funcao do tempo (um valor real para cada valor de
tempo), como mostrado na Figura 1.
f (t)
f (t)
periodica
transiente
t
f (t)
f (t)
senoidal
aleatoria
Figura 1: Alguns sinais contnuos.

Um sistema contnuo relaciona uma entrada contnua a uma sada contnua,
conforme ilustrado na Figura 2.
entrada
contnua
x(t)
Sistema
Contnuo
sada
contnua
y(t)
Figura 2: Sistema contnuo.

Um sinal e uma seq
uencia, ou uma funcao, definida para n
umeros inteiros,
ou seja,
x(n) = xR (n) + jxI (n),
e quando xI (n) = 0, entao x(n) e uma seq
uencia real.
Um sistema discreto e um mapeamento do conjunto discreto de entradas
para o conjunto discreto de sada, conforme ilustrado na Figura 3.
Sistema
Discreto
x(n)
y(n)
Figura 3: Sistema discreto.

Um sinal digital e um sinal discreto cujos valores pertencem a um conjunto
finito. Por exemplo, um sinal digital para valores de {3, 2, 1, 0, 1, 2, 3}
e ilustrado na Figura 4.
3
2.5
1.5
y(n)
0.5
0.5
1.5
10
Figura 4: Sinal digital.

Um sistema digital e aquele que relaciona um sinal digital de entrada a
um sinal digital de sada.
1.1
Sinais discretos importantes
Uma seq
uencia real e denotada como
{x(n), n = , . . . , 1, 0, 1, . . . , +}.
Se um sinal contnuo x(t) e amostrado a cada T segundos, uma seq
uencia
{x(nT )} resulta. Para simplificar a notacao sera usada apenas a simbologia
x(n), i.e.,
{x(nT )} x(n).
Alguns sinais discretos importantes sao listados a seguir.

1. O impulso unitario discreto, Figura 5, e definido como
(n) =
1 se n = 0,
0 se n 6= 0.
0.9
0.8
0.7
(n)
0.6
0.5
0.4
0.3
0.2
0.1
0
3
Figura 5: Impulso unitario.

2. O degrau unitario discreto e definido como
u(n) =
1 se n 0,
0 se n < 0,
e esta ilustrado na Figura 6.

3. Uma seq
uencia exponencial real e dada por
x(n) = an .
4. Uma seq
uencia senoidal e dada por
x(n) = Asen(w0 n).
Um sinal discreto periodico e aquele em que x(n) = x(n + P ) com P
inteiro. O menor valor de P que satisfaz a condicao de periodicidade e
o perodo do sinal. A figura 7 mostra uma senoide discreta.
A seq
uencia senoidal e periodica se w20 e racional (razao de dois inteiros).
Se w20 nao e racional, entao a seq
uencia nao e periodica.
1
0.9
0.8
0.7
u(n)
0.6
0.5
0.4
0.3
0.2
0.1
0
5
18
20
Figura 6: Degrau unitario discreto.
0.8
0.6
0.4
x(n)
0.2
0.2
0.4
0.6
0.8
10
12
14
16
Figura 7: Senoide discreta, x(n) = sen(100n).
1.2
Algumas propriedades
1. Energia. A energia de uma seq

uencia e definida como
E=
+
X
x(n)x (n) =
+
X
n=
n=
|x(n)|2 ,
onde x (n) e o complexo conjugado de x(n).

Se x(n) = x (n), ou seja, x(n) e uma seq
uencia real, entao
E=
+
X
x2 (n).
n=
2. Sinal em funcao de impulsos. Um sinal discreto pode ser escrito como

x(n) =
k=
x(k)(n k).
Exemplo: O sinal da Figura 8 pode ser escrito como

y(n) = y(2)(n + 2) + y(0)(n) + y(1)(n 1) + y(4)(n 4).
3
2.5
y(n)
1.5
0.5
0
5
Figura 8: y(n) = y(2)(n + 2) + y(0)(n) + y(1)(n 1) + y(4)(n 4).
3. Linearidade. Um sistema discreto pode ser caracterizado por uma

transformacao (ou operador) T que relaciona a sada y(n) à entrada
x(n), ou seja,
y(n) = T [x(n)].
Um sistema discreto e linear quando se aplica o princpio da superposicao, ou seja,
T [a1 x1 (n) + a2 x2 (n)] = a1 T [x1 (n)] + a2 T [x2 (n)].
4. Invariancia no tempo. Um sistema discreto e invariante no tempo
quando seus coeficientes nao variam com o tempo, ou seja, se y(n) =
T [x(n)] entao,
T [x(n n0 )] = y(n n0 ).
5. Resposta de sistemas lineares em termos da resposta impulsiva. Seja a
resposta do sistema T () ao um impulso aplicado no tempo k dada por
hk (n) = T [(n k)].
A resposta do sistema a uma entrada x(n) sera dada por
y(n) = T [x(n)] = T
k=
x(k)(n k) =
x(k)T [(nk)] =
k=
k=
Portanto, a resposta de um sistema discreto linear pode ser escrita

como uma soma ponderada de hk (n) pela entrada x().
6. Convolucao. Se x(n) e a entrada de um sistema linear e invariante
caracterizado por T [], entao a sada y(n) e dada por
y(n) =
k=
x(k)h(n k) =
k=
x(n k)h(k),
onde h(n) = T [(n)] e a resposta ao impulso.

Esta soma e conhecida como soma de convolucao e e denotada por
y(n) = x(n) h(n) = h(n) x(n).
Algumas propriedades da convolucao sao:
(a) x(n) y(n) = y(n) x(n)
10
x(k)hk (n).
(b) x(n) (y(n) z(n)) = (x(n) y(n)) z(n)
(c) x(n) (y(n) + z(n)) = x(n) y(n) + x(n) z(n)
(d) x(n) (n) = (n) x(n) = x(n)

(e) x(n) (n k) = x(n k)
7. Estabilidade BIBO (bounded-input, bounded-output). A seq

uencia
x(n) e limitada se existe um M finito tal que
|x(n)| < M,
para todo n.
Um sistema discreto e BIBO estavel se toda seq

uencia limitada de
entrada x(n) produz uma sada tambem limitada.
Um sistema linear e invariante com resposta h(n) ao impulso e BIBO
estavel se e somente se
S=
k=
|h(k)|
e finito (soma absoluta finita).

Prova: suponha que a entrada x(n) e limitada, ou seja |x(n)| < M .
A sada e do sistema e dada por
y(n) =
k=
h(k)x(n k).
Logo,

X
X

|h(k)x(n k)|,
h(k)x(n k)
|y(n)| =

k=
k=
|y(n)|
k=
|h(k)||x(n k)| <
k=
M |h(k)| = M S,
e portanto,
|y(n)| < M S,
ou seja, o sistema e BIBO estavel ja que toda entrada limitada produz
uma sada limitada quando S e finito.
P
Em resumo, sistema BIBO estavel

k= |h(k)| < S (finito), ou
ainda, a soma em modulo da resposta ao impulso e finita.
11
8. Causalidade. Um sistema discreto e causal se a sada para n = n0

depende apenas da entrada para n n0 . Um sistema causal tambem
pode ser chamado de realizavel ou nao antecipatorio.
Uma seq
uencia discreta e causal se tem valores nulos para n < 0.
Um sistema linear e invariante (LTI) e causal se a resposta ao impulso
h(n) e nula para n < 0.
Prova: a resposta do sistema e dada por
y(n) =
k=
x(k)h(n k).
Se h(n) = 0 para n < 0 entao h(n k) = 0 para n k < 0 ou k > n.

Pode-se escrever que
y(n) =
n
X
k=
x(k)h(n k),
de onde se verifica que a resposta y(n) so depende de valores passados

ou do valor presente da entrada.
1.3
Filtros FIR e IIR
Um filtro FIR (finite impulse response) e um sistema linear e invariante que

possui uma resposta finita ao impulso, ou seja,
h(n) =
valores n
ao nulos para n1 n n2 ,
0 para os demais,
onde h(n) e a resposta ao impulso.

Um filtro IIR (infinite impulse response) e um sistema em que a resposta
ao impulso unitario e de duracao infinita.
Um sistema causal linear e invariante caracterizado por
N
X
k=0
ak y(n k) =
M
X
r=0
br x(n r),
sera FIR se a0 6= 0 e ak = 0 para k = 1, 2, . . . , N . Caso contrario podera ser

IIR ou FIR.
Prova: Seja ak = 0, k = 1, 2, . . . , N . Logo,
a0 y(n 0) =
M
X
r=0
br x(n r),
12
y(n) =
M
X
r=0
br
x(n r),
a0
| {z }
h(r)
que representa uma convolucao.

Portanto,
(
h(n) =
bn
a0
0,
0 n M,
caso contr
ario,
que e de duracao finita.
Equac
ao a diferencas de coeficientes constantes
O comportamento dinamico de sistemas contnuos e descrito por equacoes

diferenciais. O comportamento dinamico de sistemas discretos e descrito por
equacoes a diferencas.
Um sistema discreto linear e invariante no tempo e aquele em que a
entrada x(n) e a sada y(n) satisfazem uma equacao a diferencas com coeficientes lineares e constantes do tipo
N
X
k=0
ak y(n k) =
M
X
m=0
bm x(n m),
a0 6= 0,
ou tambem,
y(n) =
N
X
ak
k=1 a0
y(n k) +
M
X
br
r=0
a0
x(n r).
Exemplo: Resolver e equacao y(n) ay(n 1) = x(n), com y(n) = 0 para

n < 0, e tendo como entrada x(n) = (n) um impulso unitario.
Este problema pode ser resolvido diretamente, ou seja,
n=0
n=1
n=2
..
.
y(0) = ay(1) + x(0) = 0 + 1 = 1

y(1) = ay(0) + x(1) = a 1 + 0 = a
y(2) = ay(1) + x(2) = a a + 0 = a2
y(n) = an .
Como nao existe resposta para n < 0, escreve-se a solucao como

y(n) = an u(n),
13
que representa a resposta ao impulso procurada. Usa-se o degrau unitario,

u(n), para assegurar valores nulos para n < 0.
Exemplo: Determinar o modelo para descrever uma colonia de bacterias
duplicando a populacao a cada 12h (T = 12h).
possvel escrever que
E
y(n) = 2y(n 1),
y(0) = c.
Logo,
y(1) = 2c,
y(2) = 4c,
y(3) = 8c, . . .
que caracteriza um comportamento explosivo.

Exemplo: Problema do banqueiro. Seja o intervalo T = 1 mes associado
a uma taxa de juros de i%.
O modelo que descreve este problema e

i
v(n 1),
v(n) = 1 +
100
onde v(n) e o valor no mes n.
Exemplo: Modelo de um integrador numerico pela regra dos trapezios.
Seja o esquema da Figura 9.
f (t)
fn
fn1
In
In1
tn1
tn
Figura 9: Integracao pela regra dos trapesios.

A area de um elemento trapezoidal e dada por
A=
tn
tn1
f (t)dt
T (fn + fn1 )
,
2
14
onde T = tn tn1 e a base do trapezio.

Logo, a integral da curva pode ser aproximada por
In = In1 +
2.1
T (fn + fn1 )
.
2
Solu
c
ao de equa
c
oes a diferencas (lineares, coeficientes constantes)
A solucao de equacoes a diferencas segue um procedimento semelhante ao da

solucao de equacoes diferenciais lineares e com coeficientes constantes.
Seja uma equacao a diferencas denotada por
N
X
k=0
ak y(n k) =
M
X
k=0
bk x(n k),
ou tambem
a0 y(n) + a1 y(n 1) + a2 y(n 2) + . . . + aN y(n N ) =
= b0 x(n) + b1 x(n 1) + . . . + bM x(n M ).
2.1.1
Soluc
ao homog
enea
A equacao homogenea (entrada nula) e dada por

N
X
k=0
ak y(n k) = 0.
Seja uma solucao do tipo y(n) = cn . Logo,

N
X
ak cnk = 0,
k=0
e entao
a0 cn + a1 cn1 + a2 cn2 + . . . + aN cnN = 0,
(a0 N + a1 N 1 + a2 N 2 + . . . + aN )cnN = 0,
a0 N + a1 N 1 + a2 N 2 + . . . + aN = 0,
que e o polinomio caracterstico, cujas razes sao 1 , 2 , . . . , N .
A solucao homogenea yh (n) sera funcao do tipo das razes, ou seja,
15
para razes distintas a solucao homogenea e

yh (n) = c1 n1 + c2 n2 + . . . + cN nN ,
com c1 , c2 , . . ., cN determinados atraves das condicoes iniciais.
para razes com multiplicidade, por exemplo 1 de multiplicidade l, a
solucao homogenea e do tipo
yh (n) = (c1 n1 + c2 nn1 + c3 n2 n1 + . . . + cl nl1 n1 ) + d2 n2 + . . . + dN nN .
para um par complexo conjugado, por exemplo 1,2 = a bj , tem-se
1 = ej ,
2 = ej ,
e a solucao e do tipo cn , ou seja,

c1 (ej )n + c2 (ej )n = c1 n ejn + c2 n ejn = Cn sen(n + ).
Verifica-se que o comportamento muda em funcao do valor de como
ilustrado nas Figuras 10 e 11.
0.6
0.4
0.2
y(n)
0.2
0.4
0.6
0.8
10
15
20
25
30
35
40
Figura 10: Solucao Cn sen(n + ) para < 1.
16
30
20
10
y(n)
10
20
30
40
10
15
20
25
30
35
40
Figura 11: Solucao Cn sen(n + ) para > 1.
Tabela 1: Solucoes particulares tpicas.

entrada x(n)
solucao particular yp (n)
A (constante)
K (constante)
n
AM
KM n
AnM
K0 nM + K1 nM 1 + . . . + KM
n M
n
A n
A (K0 nM + K1 nM 1 + . . . + KM )
(
)
Acos(w0 n)
K1 cos(w0 n) + K2 sen(w0 n)
Asen(w0 n)
17
2.1.2
Soluc
ao particular
A solucao particular da equacao a diferencas depende da forma da entrada,

ou seja, e do mesmo tipo da entrada. Alguns exemplos sao ilustrados na
Tabela 1.
2.1.3
Soluc
ao completa
A solucao completa da equacao a diferencas sera a soma da solucao particular

com a solucao homogenea, isto e,
y(n) = yh (n) + yp (n).
Exemplo: Toma-se emprestado em n = 0 o capital C0 . Este capital deve
ser pago em N prestacoes mensais iguais e ser remunerado com uma taxa i
de juros mensais. Calcular o valor da prestacao mensal como funcao de N , i
e C0 .
Sejam d(n) a dvida no momento n e P o valor da prestacao. Pode-se
escrever que
d(n) = (1 + i)d(n 1) P d(n) (1 + i)d(n 1) = P,
com d(0) = C0 , ou seja, a dvida em n = 0 e o capital C0 .
A solucao homogenea e dada por dh (n) = cn que substituda na equacao
a diferencas leva a
cn (1 + i)cn1 = 0 cn1 [ (1 + i)] = 0,
ou seja
(1 + i) = 0 = 1 + i.
Portanto, a solucao homogenea e
dh (n) = cn = c(1 + i)n .
A solucao particular e dada por
dp (n) = A,
que substituda na equacao a diferencas leva a
A (1 + i)A = P A =
P
.
i
18
A solucao completa e dada por

d(n) = dh (n) + dp (n) = c(1 + i)n +
P
.
i
Aplicando a condicao inicial tem-se que

d(0) = c(1 + i)0 +
P
P
= C0 c = C0 ,
i
i
e conseq
uentemente

P
d(n) = C0
i
(1 + i)n +
P
.
i
Para pagar a dvida tem-se que d(N ) = 0. Logo, o valor da prestacao

sera dado por

2.2
P
C0
i
(1 + i)N +
P
iC0
.
=0 P =
1
i
1 (1+i)
N
Comportamento da soluc
ao homog
enea
Para razes distintas a solucao homogenea e composta de termos do tipo cn ,

e em funcao de os seguintes casos sao possveis.
Para real tem-se os seguintes casos:
1. > 1, situacao instavel como ilustrado na Figura 12.
2. 0 < < 1, situacao estavel como ilustrado na Figura 13.
3. 1 < < 0, situacao estavel oscilante como na Figura 14.
4. < 1, situacao instavel oscilante como na Figura 15.
Para complexo (pares conjugados) tem-se a solucao na forma

Cn sen(n + ).
Verifica-se que:
1. Para 0 < < 1, tem-se situacao estavel;
2. Para > 1, tem-se situacao instavel.
19
14
12
10
y(n)
10
Figura 12: Situacao instavel, cn para > 1.
0.9
0.8
0.7
y(n)
0.6
0.5
0.4
0.3
0.2
0.1
10
Figura 13: Situacao estavel, cn para < 1.
20
0.8
0.6
y(n)
0.4
0.2
0.2
0.4
0.6
0.8
10
Figura 14: Situacao estavel oscilante, cn para 1 < < 0.
15
10
y(n)
10
15
10
Figura 15: Situacao instavel oscilante, cn para < 1.
21
avel
inst
Im[]
vel
esta
instavel
oscilante
estavel
oscilante
1
=1
estavel
instavel
1
Re[]
Figura 16: Regioes de estabilidade e instabilidade.
2.3
Regi
oes de estabilidade no plano complexo
Com base na analise realizada na secao anterior nota-se que a estabilidade

e assegurada se as razes estiverem dentro de um crculo unitario conforme
ilustrado na Figura 16.
Salienta-se que mesmo no caso de razes m
ultiplas, o termo exponencial
predomina e a estabilidade ocorre para razes dentro do crculo unitario.
Transformada Z
A transformada Z bilateral de uma seq

uencia x(n) e
X(z) := Z[x(n)] :=
+
X
x(n)z n ,
n=
onde z e uma variavel complexa.

O conjunto dos valores de z para os quais X(z) converge (e finita) e
chamado de Regiao de Convergencia (RC) e e dado por
r0 |z| R0 .
Exemplo: Determinar a transformada Z para a seq
uencia x(n) = {1, 2, 5, 7, 0, 1}.
O n
umero sublinhado refere-se ao valor para n = 0.
X(z) =
3
X
x(n)z n = x(2)z 2 +x(1)z 1 +x(0)z 0 +x(1)z 1 +x(2)z 2 +x(3)z 3 =
n=2
22
= z 2 + 2z + 5z 0 + 7z 1 + 0 z 2 + z 3 = z 2 + 2z + 5 + 7z 1 + z 3 .
A regiao de convergencia (RC), neste caso, e todo o plano complexo

exceto z = 0 e z = .
n
1
2
Exemplo: Determinar a transformada Z para x(n) =

um degrau unitario.
(
2
1 1
x(n) = 1, ,
2 2
n
1
,...,
2
u(n) com u(n)
,... ,
1
1 n n
1 2 2
X(z) = 1z + z 1 +
z + ... +
z + ... =
2
2
2

n

X
X
1
1 1 n
n
=
z =
.
z
n=0 2
n=0 2

Nota: usou-se que
1 + A + A2 + A3 + . . . =
1
,
1A
se |A| < 1 (soma de PG).

Logo, para | 21 z 1 | < 1, ou |z| > 12 , X(z) converge para X(z) =
a regiao de convergencia e |z| > 12 .
1
,
1 12 z 1
Exemplo: Transformada Z para a equacao do integrador trapezoidal, ou

seja,
T
y(n) = y(n 1) + [x(n) + x(n 1)] .
2
n
Multiplicando-se por z tem-se
y(n)z n = y(n 1)z n +
i
T h
x(n)z n + x(n 1)z n ,
2
e fazendo o somatorio de todos os termos tem-se que

+
X
y(n)z
n=
n=
+
X
+
X
y(n)z
=z
n=
y(n 1)z
+
X
T
+
2
y(n1)z
n=
n=
y(n)z n = z 1
y(k)z k +
k=
+
X
x(n)z
T
+
2
"
+
X
n=
n=
(n1)
Seja k = n 1. Logo,
"
+
X
x(n)z
x(n 1)z
+z
n=
+
X
n=
x(n 1)z
T
x(k)z k ,
x(n)z n + z 1
2 n=
k=
23
(n1)
e usando a definicao de transformada Z escreve-se que

i
T h
X(z) + z 1 X(z) ,
2
Y (z) = z 1 Y (z) +

T
1 + z 1 X(z),
2
que corresponde à transformada Z da equacao a diferencas.
A relacao entre a entrada e a sada pode ser escrita em termos de uma
funcao de transferencia discreta H(z), ou seja,
(1 z 1 )Y (z) =
1 + z 1
X(z),
1 z 1
T
Y (z) =
2
|
{z
H(z)
e uma respresentacao usual esta mostrada na Figura 17.

X(z)
Y (z)
H(z)
Y (z) = H(z)X(z)
Figura 17: Representacao de uma funcao de transferencia.
3.1
Transformada Z de entradas padronizadas
1. Degrau unitario. O degrau unitario e definido como

u(n) =
1 se n 0,
0 se n < 0.
A transformada Z do degrau e dada por

Z[u(n)] =
n=
u(n)z n =
u(n)z n =
n=0
1
,
1 z 1
onde foi utilizada a formula da soma de uma PG de razao z 1 .
= 1z 0 + 1z 1 + 1z 2 + . . . + 1z n + . . . =
24
Portanto,
1
z
=
,
1
1z
z1
cuja regiao de convergencia e |z 1 | < 1.
U (z) =
2. Rampa de inclinacao a. Uma rampa e definida como

r(n) =
an se n 0,
0 se n < 0.
A transformada Z sera dada por

Z[r(n)] =
anz n =
n=
anz n = 0z 0 + az 1 + 2az 2 + . . . =
n=0
= z 1 a[1 + 2z 1 + 3z 2 + . . .] =
= az 1 [(1+z 1 +z 2 +. . .)+z 1 (1+z 1 +z 2 +. . .)+z 2 (1+z 1 +z 2 +. . .)+. . .] =
= az 1 [(1 + z 1 + z 2 + . . .)(1| + z 1 +{zz 2 + . . }.)].
1
1z 1
Portanto,
= Z[r(n)] = az
"
1
1
= az 1
=
1
2
1
(1 z )
1 2z + z 2
az
az
=
,
z 2 2z + 1
(z 1)2
cuja regiao de convergencia e |z 1 | < 1.
3. Impulso unitario. A transformada Z do impulso unitario e dada por

Z[(n)] =
n=
(n)z n = (0)z 0 = 1 1 = 1.
4. Exponencial. A exponencial discreta e dada por

n
x(n) = u(n) =
n se n 0,
0 se n < 0.
A transformada Z e dada por

X(z) =
n u(n)z n =
n=
n=0
n z n =
(z 1 )n .
n=0
25
Se |z 1 | < 1, ou |z| > ||, esta serie converge para

X(z) =
1
.
1z 1
1
z
=
,
1
1 z
z
com uma regiao de convergencia dada por |z| > .
Nota: se = ea , entao x(n) = ean u(n). Logo, X(z) =

permite calcular Z[sen(wn)u(n)] e Z[cos(wn)u(n)].
3.2
Portanto,
z
,
zea
o que
Principais propriedades da transformada Z
1. Linearidade. Sejam Z[x1 (n)] = X1 (z) e Z[x2 (n)] = X2 (z), entao,

Z[a1 x1 (n) + a2 x2 (n)] = a1 X1 (z) + a2 X2 (z),
cuja regiao de convergencia esta contida em RCX1 RCX2 .
2. Deslocamento em atraso. Se Z[x(n)] = X(z) com regiao de convergencia RCX , entao,
Z[x(n k)] = z k X(z),
com regiao de convergencia RCX
3. Escalamento. Se Z[x(n)] = X(z), com RC: r1 < |z| < r2 , entao,
Z[an x(n)] = X[a1 z],
com RC: |a|r1 < |z| < |a|r2 .
4. Reversao de tempo. Se Z[x(n)] = X(z), com RC: r1 < |z| < r2 , entao,
Z[x(n)] = X(z 1 ),
com RC:
1
r2
< |z| <
1
.
r1
5. Diferenciacao. Se Z[x(n)] = X(z) com RCX , entao,

Z[nx(n)] = z
dX(z)
,
dz
com RCX mantida.

6. Convolucao. Sejam Z[x1 (n)] = X1 (z) com RCX1 , e Z[x2 (n)] = X2 (z)
com RCX2 , entao,
Z[x1 (n) x2 (n)] = X1 (z)X2 (z),
com RC contida em RCX1 RCX2 .
26
7. Teorema do valor inicial. Se x(n) e causal, x(n) = 0 para n < 0, entao,

x(0) = z
lim X(z).
8. Teorema do valor final. Se limn x(n) existe (seq
uencia estavel, que
converge), entao,
lim x(n) = lim [(z 1)X(z)].
3.3
z1
Inversa da transformada Z
A inversa da transformada Z e dada por
1 I
X(z)z n1 dz.
j2 c
x(n) = Z 1 [X(z)] =
Contudo, e pouco pratico calcular uma transformada inversa pela definicao anterior. Em geral, a transformada inversa e obtida atraves da expansao em fracoes parciais quando X(z) e uma funcao racional (razao de
dois polinomios).
Observa-se que as transformadas em geral possuem z no seu numerador,
de forma que um fator z pode ser fatorado primeiramente. Aplica-se entao o
mesmo procedimento da expansao em fracoes parciais usado na transformada
de Laplace.
Exemplo: Determinar a anti-transformada x(n) para
X(z) =
(3z 2
z
.
4z + 1)
Seja a expansao em fracoes parciais

F (z) =
X(z)
1
1
=
= 2
=
z
3z 4z + 1
3(z 2 43 z + 31 )
1
A
B
.
+
1 =
z 1 z 13
3(z 1)(z 3 )
As constantes podem ser calculadas como

A = F (z)(z 1)|z=1

1
1

=
= ,
1
3(z 3 ) z=1 2

1
1
1

B = F (z)(z )
=
=
.

3 z= 31
3(z 1) z= 1
2
27
Logo,
1
21
X(z)
2
F (z) =
,
=
+
z
z 1 z 31
X(z) =
1
z
2
z1
21 z
.
z 31
Consultando uma tabela de transformada Z verifica-se que

para |z| > 1 obtem-se
x(n) = Z
"
1
z
2
z1
+Z
"
n
1
1 1
x(n) = u(n)
2
2 3
para |z| <
1
3
u(n).
tem-se que
x(n) = Z
"
1
z
2
z1
+Z

"
1
3
< |z| < 1 tem-se que

x(n) = Z
"
1
z
2
z1
21 z
,
z 31
n
1
1
1
x(n) = u(n 1)
2
2
3
para
21 z
,
z 31
+Z
"
u(n 1) .
#
21 z
,
z 31
n
1
1 1
x(n) = u(n 1)
2
2 3
u(n).
Verifica-se atraves do exemplo anterior a importancia da regiao de convergencia para assegurar a unicidade da anti-transformada Z.
Exemplo: Determinar a anti-transformada Z para
X(z) =
z3
.
(z + 1)(z 1)2
Esta funcao possui uma das razes do denominador com multiplicidade

dois. A expansao em fracoes parciais deve levar isso em conta, mantendo a
caracterstica em termos desta multiplicidade, ou seja,
z2
A1
A2
A3
X(z)
=
=
+
+
,
z
(z + 1)(z 1)2
z + 1 (z 1)2 z 1
28
A constante A1 da expansao pode ser obtida atraves de

(z + 1)
X(z)
A2
A3
= A1 + (z + 1)
+
(z
+
1)
,
z
(z 1)2
(z 1)
fazendo-se z = 1, ou seja,

X(z)
1
A1 = (z + 1)
= .

z z=1 4
A constante A2 pode ser obtida atraves de

(z 1)2
X(z)
A3
= (z 1)2 A1 + A2 + (z 1)2
,
z
(z 1)
(1)
fazendo-se z = 1, ou seja,

X(z)
1
A2 = (z 1)2
=

z z=1 2
Derivando (1) tem-se

"
i
X(z)
d h
d
(z 1)2
=
(z 1)2 A1 + A2 + (z 1)A3 ,
dz
z
dz
"
i
d
X(z)
d h
(z 1)2
=
(z 1)2 A1 + A3 ,
dz
z
dz
e fazendo z = 1, tem-se que,

"
X(z)
d
(z 1)2
A3 =
dz
z
Note que:
z=1
3
= .
4
i
d h
(z 1)2 A1 |z=1 = 2(z 1)A1 |z=1 = 0.
dz
Logo,
1
1
3
X(z)
2
4
= 4 +
+
,
z
z + 1 (z 1)2 (z 1)
e a transformada inversa pode ser calculada considerando as respectivas

regioes de convergencia.
29
3.4
Transformada Z unilateral
A transformada Z unilateral e definida como

X + (z) = Z + [x(n)] =
x(n)z n .
n=0
Nota-se que a transformada unilateral nao requer que o sinal seja definido
para n < 0.
Esta transformada e usada na solucao de equacoes a diferencas com
condicoes iniciais nao nulas, e e identica à transformada bilateral do sinal
x(n)u(n).
Exemplo: Determinar a transformada Z unilateral para
x1 (n) = {1, 2, 5, 7, 0, 1}.
A solucao e
X1+ (z) = 5z 0 + 7z 1 + 0z 2 + 1z 3 .
Exemplo: Determinar a transformada Z unilateral para
x2 (n) = {2, 4, 5, 7, 0, 1}.
A solucao e
X2+ (z) = 5z 0 + 7z 1 + 0z 2 + 1z 3 .
Note que, nos dois u
ltimos exemplos, X1+ e X2+ sao iguais embora x1 (n)
e x2 (n) sejam distintas, ou seja, a transformada unilateral nao e u
nica para
sinais nao causais. Ela e u
nica apenas para sinais causais.
3.4.1
Algumas propriedades da transformada Z unilateral
1. Propriedade do atraso no tempo. Seja X + (z) = Z + [x(n)], entao,

+
Z [x(n k)] = z
X (z) +
k
X
x(n)z
n=1
k > 0.
Se x(n) e causal, entao:

Z + [x(n k)] = z k X + (z).
30
2. Propriedade do avanco no tempo. Seja X + (z) = Z + [x(n)], entao,

+
Z [x(n + k)] = z
X (z)
k1
X
x(n)z
n=0
k > 0.
3. Teorema do valor final. Seja X + (z) = Z + [x(n)], entao,

lim x(n) = lim[(z 1)X + (z)].
3.5
z1
Solu
c
ao de equa
c
ao de diferencas
Exemplo: Seja a seq

uencia de Fibonacci {1, 1, 2, 3, 5, 8, . . .}. Qual sua
formula?
Esta seq
uencia pode ser gerada por
y(n) = y(n 1) + y(n 2),
com as seguintes condicoes iniciais,
y(0) = y(1) + y(2) = 1,
y(1) = y(0) + y(1) = 1,
pelas quais se determina que y(1) = 0 e y(2) = 1.
Aplicando a transformada Z unilateral e usando a propriedade do atraso
tem-se
+
Y (z) = z
"
Y (z) +
1
X
y(n)z
n=1
+z
"
Y (z) +
2
X
y(n)z
n=1
= z 1 Y + (z) + 0z 1 + z 2 Y + (z) + 0z 1 + 1z 2 =
= z 1 Y + (z) + z 2 Y + (z) + 1.
Logo,
Y + (z)(1 z 1 z 2 ) = 1 Y + (z) =
cujas razes do denominador sao p1 = 1+2

Uma expansao em fracoes parciais e
1
1 z 1 z 2
= 1.618 e p2 =
z2
,
z2 z 1
1 5
2
= 0.618.
z
A1
A2
Y + (z)
= 2
=
+
,
z
z z1
(z p1 ) (z p2 )
31
de onde se obtem
p1
A1 = = 0.724,
5
p2
A2 = = 0.276.
5
Logo,

z
z
5
5)]
1
+
[(1
+
,
Y + (z) =
2 5
2 5
z ( 1+2 5 )
z ( 12 5 )
1+ 5
y(n) =
2 5
"
!n
1+ 5
1 5

2
2 5
!n #
1 5
u(n).
2
Func
ao de transfer
encia discreta
Seja q o operador avanco unitario, i.e.,

qx(n) = x(n + 1),
e q 1 o operador atraso unitario, i.e.,
q 1 x(n) = x(n 1).
Aplicando a transformada Z nesta u
ltima equacao tem-se que
Z[q 1 x(n)] = Z[x(n 1)] =
= z 1
n=
n=
x(n 1)z n =
x(n 1)z (n1) = z 1 X(z).
Uma equacao a diferencas pode ser escrita como

(a0 +a1 q 1 +a2 q 2 + . . . +an q n )y(n) = (b0 +b1 q 1 +b2 q 2 + . . . +bm q m )x(n).
Aplicando a transformada Z na equacao a diferencas tem-se
(a0 +a1 z 1 +a2 z 2 + . . . +an z n )Y (z) = (b0 +b1 z 1 +b2 z 2 + . . . +bm z m )X(z).
A funcao de tranferencia dicreta (relacao entra a entrada e a sada) e
H(z) =
b0 + b1 z 1 + b2 z 2 + . . . + bm z m
Y (z)
=
.
X(z)
a0 + a1 z 1 + a2 z 2 + . . . + an z n
Nota: deve-se ter n m para sistema nao antecipativo.

32
4.1
P
olos e zeros
Os zeros de X(z) sao os valores de z tais que X(z) = 0, ou seja, sao as razes
do numerador de X(z).
Os polos de X(z) sao os valores de z tais que X(z) = , ou seja, as
razes do denominador de X(z) quando nao ocorrem cancelamentos entre o
numerador e o denominador.
4.2
Interpreta
c
ao da func
ao de transfer
encia discreta
Seja a relacao entre entrada e sada

Y (z) = H(z)X(z).
Se a entrada e um impulso unitario, X(z) = Z[(n)] = 1, entao Y (z) =
H(z). Portanto, a funcao de transferencia H(z) representa a resposta do
sistema ao impulso unitario. Ou ainda, se a resposta ao impulso unitario e
h(n) entao
Z[h(n)] = H(z),
e a funcao de transferencia do sistema.
Discretiza
c
ao de plantas anal
ogicas
A maioria dos controladores atuais faz uso de computadores digitais. A

Figura 18 mostra um esquema generico de malha de controle usando um
controlador digital.
entrada
A/D
computador
digital
D/A
planta
sada
controlador
sensor
Figura 18: Esquema de controle digital.

O controlador esta representado como na Figura 19 e seus principais elementos sao:
A/D: conversor analogico-digital;
H(z): funcao de tranferencia discreta do controlador;
33
D/A: conversor digital-analogico.
H(z)
A/D
D/A
Figura 19: Elementos do controlador digital.

sabido que um controlador analogico (contnuo) e representado por
E
uma funcao de tranferencia em s, ou ainda, uma equacao diferencial. De
forma semelhante, o controlador discreto e representado por uma funcao de
tranferencia em z, ou ainda, uma equacao a diferencas.
5.1
Modula
c
ao com impulso
Uma funcao contnua x(t) pode ser amostrada usando um trem de impulsos
como ilustrado na Figura 20, gerando-se a funcao x (t).
x (t)
x(t)
t
modulador
x(t)
x (t)
T (t)
Figura 20: Modulacao com trem de impulsos.
O trem de impulsos, ilustrado na Figura 21, pode ser escrito como
T (t) =
k=0
(t kT ).
A funcao amostrada x (t) e dada por
x (t) = x(t)T (t) =
k=0
x(kT )(t kT ),
34
impulsos
0 1 2 3 4 ...
tempo
Figura 21: Trem de impulsos.

x (t)
x(t)
T
Figura 22:
periodico.
Ilustracao do processo de amostragem como chaveamento
que pode ser representada atraves do processo de chaveamento ilustrado na

Figura 22.
Aplicando a transformada de Laplace à funcao amostrada tem-se que
X (s) = L[x (t)] =

=
x(kT )
k=0
sT
Definindo z = e
"
k=0
x(kT )(t kT ) est dt =
(t kT )est dt =
x(kT )eskT .
k=0
pode-se escrever que

X (s) =
x(kT )z k = X(z),
k=0
que e a relacao entre a transformada de Laplace e transformada Z, ou seja,

a transformada Z pode ser vista como a respectiva transformada de Laplace
de um sinal discretizado.
5.2
Segurador de ordem zero (ZOH)
No processo de discretizacao e usual que seja feito alguma consideracao sobre

o comportamento da funcao entre dois pontos de amostragem. A forma usual
e manter o valor da funcao constante, caracterizando o que se conhece por
segurador de ordem zero (ZOH - zero order holder do ingles), como ilustrado
na Figura 23.
35
x (t)
x(t)
t
x(t)
y(t)
kT
T
amostragem
y(t)
ZOH
Figura 23: Ilustracao do segurador de ordem zero.

Do ponto de vista matematico, o segurador de ordem zero recebe um
impulso e deve manter seu valor constante ate a chegada do proximo impulso.
Isso esta ilustrado na Figura 24.
(t)
ZOH
(t) = u(t) u(t T )

(t)
(t)
Figura 24: Operacao do segurador de ordem zero.

Nota-se que a entrada e um impulso (t) e a sada corresponde a um pulso
dado por (t) = u(t) u(t T ). Aplicando a transformada de Laplace tanto
na entrada como na sada tem-se a funcao de transferencia do segurador de
ordem zero dada por
1
L[(t)] = H(s)L[(t)] H(s) = (1 esT ).
s
Seja uma planta sujeita a um sinal de entrada discretizado e precedida
por um ZOH conforme ilustrado na Figura 25.
36
X (s)
X(s)
H(s) = 1s (1 esT )
Y (s)
G(s)
amostragem
Figura 25: Efeito do ZOH sobre uma planta.
A relacao entre Y (s) e X (s), incluindo o segurador de ordem zero, e
1
Y (s) = (1 esT )G(s) X (s) = GZOH (s)X (s).
{z
}
|s
GZOH (s)
Verifica-se que
Y (s) = [GZOH (s)X (s)] = GZOH (s)X (s),

e aplicando a transformada Z tem-se que
Y (z) = GZOH (z)X(z).
O calculo de GZOH (z) pode ser realizado como
"
G(s)
G(s)
esT
=
GZOH (z) = Z[GZOH (s)] = Z
s
s
"
"
"
G(s)
G(s)
G(s)
Z esT
= (1 z 1 )Z
,
=Z
s
s
s
onde constatou-se que esT G(s)
representa um atraso de G(s)
de T , e portanto,
s
s
1
associa-se um z .
Uma seq
uencia para encontrar a transformada Z de uma funcao de tranferencia P (s) e
L1
P (s) p(t) p(nT ) P (z).

Exemplo: Determinar a funcao de transferencia GZOH (z) para a planta
G(s) =
1
.
s+1
Da definicao de GZOH (s) tem-se que

"
"
1
G(s)
= (1 z 1 )Z
.
GZOH (z) = (1 z )Z
s
s(s + 1)
1
37
Calculando da anti-transformada de Laplace de

L1
"
G(s)
s
tem-se
1
= (1 et )u(t).
s(s + 1)
Discretizando o sinal e aplicando a transformada Z tem-se que

h
Z (1 enT )u(nT ) = Z[u(nT )] Z[enT u(nT )] =
z
z(1 eT )
z
=
.
z 1 z eT
(z 1)(z eT )
Conseq
uentemente,
=
GZOH (z) = (1 z 1 )
z(1 eT )
1 eT
=
.
(z 1)(z eT )
z eT
Nota: o processo de amostragem somado ao efeito de um segurador de

ordem zero e chamado de transformacao do degrau invariante.
Mapeamento s z
Da relacao entre transformada de Laplace e transformada Z foi estabelecido

que
z = esT .
Esta relacao e usada para converter requisitos de desempenho do plano s
para o plano z.
Seja inicialmente o eixo imaginario no plano s, s = jw. Logo, z = ejwT
que corresponde a um n
umero complexo de modulo unitario e angulo de fase
wT . Nota-se que ao se variar w, percorre-se o crculo unitario.
Seja agora uma subregiao do semi-plano esquerdo do plano s definida
pelos pontos + jw, > 0, conforme ilustrado na Figura 26.
Os valores de z correspondentes sao dados por
z = e(+jw)T = eT ejwT ,
de onde se verifica, como > 0, que
|z| = eT < 1,
ou seja, o mapeamento corresponde a um crculo de raio menor que um no
interior do crculo de raio unitario.
Observa-se que pontos sobre o eixo real negativo no plano s correspondem
a pontos no intervalo de [0, 1] do plano z, ou seja,
s = z = eT 0 < z < 1,
( > 1).
38
Im
Im
1
Re
( + jw)
Re
plano z
plano s
Figura 26: Mapeamento de uma subregiao do plano s para o plano z.
6.1
Mapeamentos importantes para projeto
Sao importantes para projeto os mapeamentos para o tempo de estabilizacao

(te ), o fator de amortecimento () e a frequencia natural (wn ), que sao descritos a seguir.
Tempo de estabilizacao, te . Seja um polo dominante dado por s =
+ jw. O tempo de estabilizacao a 2% pode ser aproximado por
te2% = 4 . O mapeamento correspondente e
z = e(+jw)T = eT ejwT = r ejwT .
Verifica-se que quando r diminui, o tempo de estabilizacao te tambem
diminui. O mapeamento correspondente esta ilustrado na Figura 27.
Fator de amortecimento, . Para um sistema de segunda ordem, os
polos sao dados por
q
s = wn jwn 1 2 .
Para uma faixa de fator de amortecimento > c , tem-se uma regiao
simetrica em relacao ao eixo real conforme mostrada na Figura 28 no
plano s.
Considerando apenas o polo s = wn +jwn 1 2 devido à simetria,

tem-se
2
2
z = e(wn +jwn 1 )T = ewn T ejwn 1 T ,
39
Im
Im
r
te
Re
plano s
Re
plano z
Figura 27: Mapeamento em termos de tempo de estabilizacao.
= cos
> c
Im
Re
plano s
Figura 28: Regiao correspondente a uma faixa de fator de amortecimento.
40
e entao e possvel escrever o modulo e a fase como

wn T
|z| = e
z = wn 1 2 T.
Para um valor constante e se variando wn , a magnitude de z decresce

exponencialmente e a fase varia de forma linear, gerando uma espiral
logartmica conforme mostrada na Figura 29.
Im
Im
1
Re
Re
plano z
plano s
Figura 29: Mapeamento s z para constante.

Frequencia natural, wn . Para wn constante o mapeamento e mais complicado. Embora a magnitude de z decresca exponencialmente, a fase
nao depende linearmente de .
Para = 0 entao
z = e0 ejwn T = ejwn T ,
que corresponde a um ponto sobre o crculo unitario e angulo wn T .
Para = 1 entao
z = ewn T e0 = ewn T ,
que corresponde a um ponto sobre o eixo real com magnitude ewn T .
Graficamente, o mapeamento pode ser representado como na Figura
30.
Requisitos m
ultiplos. Ao se impor mais de um requisito tem-se a insterseccao de regioes. Por exemplo, se for especificado um tempo de
estabilizacao juntamente com um requisito de freq
uencia natural, temse uma regiao no plano z como a da Figura 31.
41
Im
Im
wn
Re
Re
plano z
plano s
Figura 30: Mapeamento s z para uma freq

uencia natural wn .
Im
Im
r
Re
Re
plano s
plano z
Figura 31: Regiao correspondente aos requisitos m

ultiplos de freq
uencia natural e tempo de estabilizacao.
42
6.2
M
etodos de integrac
ao num
erica
Na conversao de funcoes de transferencia analogicas para funcoes de transferencia discretas, existe o interesse de preservar as caractersticas da resposta
no tempo e em frequencia. Contudo, na maioria das vezes nao e possvel atender a estes dois requisitos simultaneamente. Quando se preserva a resposta
no tempo, normalmente perde-se na resposta em freq
uencia, e vice-versa.
As tecnicas usuais de transformacao sao: Euler para frente, Euler para
tras e transformacao bilinear, que sao descritas brevemente a seguir.
6.2.1
Transformac
ao Euler para tr
as
Seja uma aproximacao para y(t)
no tempo t = nT dada por

y(nT
y(nT ) y(nT T )
y(n) y(n 1)
=
,
T
T
e ilustrada na Figura 32.

y
y(n)
dy
dt
y(n 1)
n1
y
t
Figura 32: Aproximacao para a regra de Euler para tras.

Aplicando a transformada Z nesta equacao aproximada pode-se escrever
que
1 z 1
Z[y(nT
)] =
Y (z).
T
A transformada de Laplace no caso contnuo e
L[y(t)]
= sY (s).
Comparando estes dois resultados, como ilustrado na Figura 33, e possvel
estabelecer a seguinte relacao
s=
z1
1 z 1
s=
,
T
Tz
43
y(n)
1z 1
T
y(t)
y(n)y(n1)
T
y(t)
=
dy
dt
Figura 33: Paralelo entre o caso contnuo e discreto com a aproximacao de

Euler para tras.
que caracteriza a transformacao de Euler para tras para a discretizacao de
funcoes de transferencia contnuas.
1
1
As relacoes s = 1zT e z = 1sT
correspondem a um mapeamento entre
os planos s e z.
Seja s = jw um ponto sobre o eixo imaginario. Logo,
z=
wT
1
1
+j
= x + jy,
=
2
2
1 jwT
1 + {z
w T}
1 + {z
w2 T 2}
|
|
x
o que permite verificar que x2 + y 2 = x, ou ainda, (x 12 )2 + y 2 = 41 , que

corresponde a uma equacao de um crculo com raio 12 . Isso significa que
pecorrer o eixo imaginario no plano s corresponde a percorrer um crculo de
centro ( 12 , 0) e raio 21 no plano z.
1
Verifica-se ainda que a transformacao s = 1zT leva pontos do semiplano esquerdo no plano s para o interior deste crculo de raio 12 , ou seja, um
sistema contnuo estavel (polos no semi-plano esquerdo) tera seu correspondente discreto tambem estavel, pois este crculo esta contido no crculo de
raio unitario. O mapeamento da regra de Euler para tras esta ilustrado na
Figura 34.
Contudo, com o uso de regra de Euler para tras, a resposta em freq
uencia
no caso discreto, que corresponde aos pontos sobre o crculo unitario, nao
conduzem a uma representacao compatvel no plano s, o que motiva o emprego de outras transformacoes.
6.2.2
Transformac
ao Euler para a frente
Seja agora a aproximacao para y(t)
no tempo t = (n 1)T dada por

y(n
1)
y(n) y(n 1)
.
T
44
Im
Im
semi-plano
esquerdo
1
2
Re
Re
plano s
plano z
Figura 34: Mapeamento da regra de Euler para tras.

Aplicando a transformada Z tem-se para esta aproximacao
z 1 Z[y(n)]
1 z 1
1 z 1
Z[y(n)] Z[y(n)]
=
Z[y(n)].
T
T z 1
possvel estabelecer o seguinte paralelo entre z e s como mostrado na

E
Figura 35.
y(n)
1z 1
T z 1
y(t)
y(n)
y(t)
Figura 35: Paralelo entre z e s na transformacao de Euler para a frente.

Portanto, escreve-se para a transformacao de Euler para a frente que
s=
1 z 1
z1
=
.
1
Tz
T
A regra de Euler para a frente tem a desvantagem de nem sempre preservar a estabilidade, o que demanda cuidado no seu uso.
45
6.2.3
Transformac
ao bilinear - Tustin
Seja um sistema de primeira ordem dado por

a1 y(t)
+ a0 y(t) = b0 x(t),
cuja funcao de tranferencia e
G(s) =
b0
.
a1 s + a0

E
y(t) =
y(t)dt
+ y(t0 ).
t0
Seja um intervalo de tempo tal que t = nT e t0 = (n 1)T . Logo,

y(nT ) =
nT
(n1)T
y(t)dt
+ y((n 1)T ).
Esta integral pode ser aproximada pela regra dos trapesios, ou seja,
Z
nT
(n1)T
y(t)dt
T
[y(nT
) + y((n
1)T )] ,
2
como ilustrado na Figura 36.
y(nT
)
area do trapezio
y((n
1)T )
nT
(n 1)T
Figura 36: Area

do trapezio.
Portanto, uma aproximacao valida e
y(nT ) = y((n 1)T ) +
T
[y(nT
) + y((n
1)T )] .
2
46
Da equacao diferencial escreve-se que

y(t)
=
a0
b0
y(t) + x(t),
a1
a1
que pode ser usada para substituir os termos y(nT
) e y((n
1)T ), ou seja,
"
b0
a0
b0
T a0
y(nT ) + x(nT ) y((n 1)T ) + x((n 1)T ) ,
y(nT ) = y((n1)T )+
2 a1
a1
a1
a0
cuja transformada Z e
"
T a0
b0
a0
b0
Y (z) = z Y (z) +
Y (z) + X(z) z 1 Y (z) + z 1 X(z) ,
2 a1
a1
a1
a1
1
Y (z) 1 z
T
T a0 T a0 1
=
+
z
+
2 a1
2 a1
2
b0
b0
+ z 1 X(z),
a1 a1
e portanto pode-se escrever que

H(z) =
Y (z)
b0
.
= 2 1z1
X(z)
a1 T 1+z1 + a0
Comparando H(z) com G(s) conclui-se que

2
s=
T
1 z 1
1 + z 1
ou ainda,
z=
2
=
T
z1
,
z+1
1 + s T2
,
1 s T2
que caracteriza a transformacao bilinear ou transformacao de Tustin.

O mapeamento s z obtido com a transformacao bilinear e mostrado na
Figura 37. Verifica-se que a transformacao de Tustin mapeia o semi-plano
esquerdo em s para o interior do crculo unitario no plano z.
Uma verificacao pode ser feita fazendo s = jw (eixo imaginario) e obtendo
a equacao correspondente em z, ou seja,
1 + jw T2
z=
=
1 jw T2
1 + jw T2
1 jw T2
1 + jw T2
1 + jw T2
1 + jwT w2 T4
=
,
2
1 + w2 T4
cujo modulo e
1
T
1 w2
|z| =
T2
2
4
1+w 4
!2
+w T
= 1.
47
e a fase de z e dada por

wT
wT
2
=2
tanz =
2 .
T2
2
1w 4
1 wT
2
Portanto, quando w cresce, a fase varia e o modulo permanece constante

e unitario, o que significa caminhar sobre o crculo unitario.
Im
Im
semi-plano
esquerdo
1
Re
Re
plano s
plano z
Figura 37: Mapeamento dado pela transformacao bilinear.

Exemplo: Verificar a estabilidade da planta discretizada usando as transformacoes de Euler para tras, Euler para a frente e bilinear para a discretizacao da planta
1
.
H(s) =
s+1
A planta contnua e estavel, pois seu polo e 1.
Discretizacao pela regra de Euler para frente.
H(z) = H(s)|s= z1 =
T
( z1
)
T
+1
T
,
z1+T
cujo polo e dado por z 1 + T = 0, ou seja, z = 1 T . Se T > 2 entao

o polo esta fora do crculo unitario, e o sistema discreto sera instavel.
Discretizacao pela regra de Euler para tras.
H(z) = H(s)| z1 =
Tz
( z1
)
Tz
+1
Tz
,
z 1 + Tz
1
, o que permite
cujo polo e dado por z 1 + T z = 0, ou seja, z = 1+T
concluir que para T > 0 a planta discretizada sera sempre estavel.
48
Discretizacao pela regra de Tustin.

H(z) = H(s)| 2 ( z1 ) =
T z+1
1
2
T
z1
z+1
+1
T (z + 1)
,
2(z 1) + T (z + 1)
cujo polo e dado por

2(z 1) + T (z + 1) = 0 z =
2T
.
2+T
Para T > 0 nota-se que o sistema discretizado sera sempre estavel.
6.2.4
Transformac
ao pelo m
etodo do impulso invariante
A ideia da discretizacao pelo metodo do impulso invariante e que o sistema

discretizado deve apresentar a mesma resposta ao impulso que o sistema
contnuo.
Seja um sistema contnuo como representado na Figura 38.
h(t)
(t)
sistema
G(s)
Figura 38: Sistema contnuo - entrada impulsiva.

Seja agora um sistema discreto como representado na Figura 39.
(n)
h(n)
sistema
G(z)
Figura 39: Sistema discreto - entrada impulsiva.

Para que a resposta ao impulso seja preservada, h(n) deve ser a versao
amostrada de h(t). Portanto,
G(z) = Z[h(n)] = Z [h(t)|t=nT ] = Z
h

L1 [G(s)]
t=nT
49
Exemplo: Encontrar a planta discretizada G(z) pelo metodo do impulso

invariante para um intervalo de amostragem T , correspondente à planta
A
.
s+
A resposta ao impulso do sistema contnuo e dada por
G(s) =
h(t) = L1 [G(s)] = Aet u(t).

A versao amostrada de h(t) e
h(nT ) = AenT u(nT ) = A(eT )n u(n) = h(n).
Logo,
h
G(z) = Z[h(n)] = Z A(eT )n u(n) =
Az
.
z eT
Exemplo: Verificar as respostas impulsivas do sistema contnuo e do sistema discreto usando a transformacao do impulso invariante para
G(s) =
10
,
s+5
com intervalo de amostragem de 0.1s.

Usando a solucao do exemplo anterior, verifica-se que A = 10 e = 5, e
a funcao de tranferencia discreta sera
G(z) =
Como T = 0.1 tem-se que
Az
10z
=
.
z eT
z e5T
10z
10z
=
.
0.5
ze
z 0.6065
As respostas impulsivas podem ser calculadas com auxlio do aplicativo
Matlab e sao mostradas na Figura 40.
Um codigo Matlab que discretiza G(s) e calcula as respostas impulsivas
e
G(z) =
clear all; close all; clc;

s=tf(s);
gs=10/(s+1);
ts=0.1;
gz=c2d(gs,ts,imp)
impulse(gs)
hold on
impulse(gz)
50
Impulse Response
10
Amplitude
Time (sec)
Figura 40: Resposta ao impulso dos sistemas contnuo e discreto.
51
Note que a resposta impulsiva foi preservada. Contudo, a resposta ao

degrau dos sistemas contnuo e discreto e muito diferente como mostrado na
Figura 41.
Step Response
120
100
Amplitude
80
60
40
20
Time (sec)
Figura 41: Resposta ao degrau dos sistemas contnuo e discreto.
An
alise de erro estacion
ario
O teorema do valor final estabelece que

lim e(n) = lim (z 1)E(z).
z1
Seja uma situacao de realimentacao unitaria conforme esquematizada na

Figura 42.
A transformada Z do erro pode ser escrita como
E(z) = R(z) Y (z) = R(z) G(z)E(z),
E(z) =
1
R(z).
1 + G(z)
52
R(z)
E(z)
Y (z)
G(z)
Figura 42: Esquema de realimentacao unitaria.

O erro estacionario para as entradas mais usuais pode ser determinado
usando o teorema do valor final como a seguir.
Para uma entrada na forma de degrau unitario, tem-se que
E(z) =
1
1 + G(z)
!
z
.
z1
Logo,
e() = lim [(z 1)E(z)] =
z1
"
1
= lim (z 1)
z1
1 + G(z)
!
z
z1
#
1
1 + G(1)
Se G(1) e finito, o sistema de malha fechada vai apresentar um erro

estacionario constante para a entrada degrau unitario. Este sistema
e do tipo zero (0) e define-se a constante de erro de posicao como
kpos = G(1) de forma que o erro estacionario e dado por
e() =
1
.
1 + kpos
Para uma entrada na forma de rampa unitaria r(n) = nT tem-se que

E(z) =
1
1 + G(z)
!"
zT
.
(z 1)2
Logo,
e() = lim (z 1)E(z) =
z1
1
= lim (z 1)
z1
1 + G(z)
= lim
z1
1
1 + G(z)
!"
!"
zT
(z 1)2
zT
(z 1)
#)
#)
.
53
Seja o caso em que G(z) nao tem polos em z = 1, ou seja,

G(z) =
f (z)
,
(z p1 )(z p2 ) . . .
com p1 6= 1, p2 6= 1, . . . . Neste caso, escreve-se que
e() = lim
z1 1 +
= lim
z1
("
1
f (z)
(zp1 )(zp2

zT
1
)...
(z p1 )(z p2 ) . . .
(z p1 )(z p2 ) . . . + f (z)
#
zT
z1
)
= ,
pois, p1 6= 1, p2 6= 1, . . . . Note que o erro estacionario e infinito.
Seja agora o caso em que G(z) tem um polo em z = 1, por exemplo,

p1 = 1. Logo,
e() = lim
z1
("
(z p2 ) . . .
zT
(z p1 )(z p2 ) . . . + f (z)

T (z p2 ) . . .
T

=
=
,

f (z)
(z
1)G(z)
z=1
z=1
que caracteriza um erro estacionario finito.
Este sistema e do tipo 1 e se define a constante de erro de velocidade

como

z1
G(z) ,
kvel =
T
z=1
de forma que
1
.
e() =
kvel
Caso geral. Para um sistema discreto com realimentacao unitaria, o
tipo do sistema e igual ao n
umero de polos em z = 1.
Para uma entrada de ordem elevada k dada por
r(n) =
(nT )k
,
k!
escreve-se a constante de erro respectiva como

(z 1)k

,

G(z)
kk =
k

T
z=1
e k e o tipo do sistema.
54
Nota: se G(s) e discretizada usando um ZOH entao G(s) e G(z) possuem a mesma constante de erro. Logo, a constante de erro pode ser obtida
diretamente no plano s.
10
. Usando a conversao ZOH com T = 0.1s
Exemplo: Seja G(s) = (s+2)(s+5)
compare as respostas ao degrau unitario de G(s) e G(z).
Resposta para G(s).

"
10
Y (s) =
(s + 2)(s + 5)
#
A
B
C
1
= +
+
.
s
s
(s + 2) (s + 5)

10

= 1,

A=
(s + 2)(s + 5) s=0
#
1
5
10

=
,
=
s s=2 (2 + 5)(2)
3

2
10
10
C=
= .
=

(s + 2)s
(5 + 2)(5)
3
"
10
B=
(s + 5)
s=5
Logo,
Y (s) =
e entao,
2 1
1 5 1
+
,
s 3 (s + 2) 3 (s + 5)

5
2
y(t) = L [Y (s)] = 1 e2t + e5t u(t).
3
3
1
Resposta discretizada para T = 0.1.

5
2
y(nT ) = 1 e0.2n + e0.5n u(nT ) = y(n).
3
3
Calculo de GZOH (z).
"
"
G(s)
10
GZOH (z) = (1 z )Z
= (1 z 1 )Z
,
s
(s + 2)(s + 5)s
1
L
Z

"
10
2
5
= 1 e2t + e5t u(t),
(s + 2)(s + 5)s
3
3

z
2
z
z
2
5
5
+
,
1 e0.2n + e0.5n u(nT ) =

0.2
3
3
z1 3 ze
3 z e0.5
55

z
2
z
z
5
+
0.2
z1 3 ze
3 z e0,5

2
z
z
z
5
z1
+
,
=
z
z 1 3 z 0.8187
3 z 0.6065
5 (z 1)
2 (z 1)
GZOH (z) = 1
+
=
3 (z 0.8187) 3 (z 0.6065)
GZOH (z) = (1 z 1 )

(z 0.8187)(z 0.6065) 35 (z 1)(z 0.6065) + 32 (z 1)(z 0.8187)

,
(z 0.8187)(z 0.6065)
0.0398z + 0.0315
GZOH (z) = 2
.
z 1.4253z + 0.4966
A resposta ao degrau sera dada por

y(n) = Z

0.0398z + 0.0315
2
z 1.4253z + 0.4966

z
z1

Resposta em freq
u
encia
8.1
Problemas com a discretiza

c
ao ZOH
Seja o seguinte exemplo.

Exemplo: Comparar a resposta em freq
uencia da planta contnua
G(s) =
10
,
s+1
com sua versao discretizada usando um ZOH para diferentes tempos de amostragem.
A resposta em freq
uencia pode ser calculada com o aplicativo Matlab e e
mostrada na Figura 43.
possvel notar que:
E
A diminuicao do intervalo de amostragem T , ou o aumento da freq
uencia
de amostragem, leva à uma aproximacao do caso contnuo.
A frequencia de banda de passagem do sistema contnuo, ou seja, a
freq
uencia em que a resposta cai em 3dB (ver Figura 44) e 1rad/s.
De acordo com o teorema da amostragem, deve-se adotar pelo menos
o dobro disso, ou seja, 2rad/s. Isso corresponde a um intervalo de
amostragem maximo dado por Tmax = 2/2 = 3.14s.
56
Bode Diagram
20
Magnitude (dB)
15
10
contnuo
T =1
T = 0.5
T = 0.1
5
0
90
Phase (deg)
180
270
360
450
540
630
0
10
Frequency (rad/sec)
Figura 43: Respostas em freq

uencia para diferentes intervalos de amostragem.
amplitude
3dB
wb
Figura 44: Largura de banda do filtro analogico, wb .
57
Nota-se no diagrama de Bode, que mesmo para um intervalo de amostragem T = 1s, as respostas em freq
uencia sao muito diferentes.
Uma boa aproximacao somente foi conseguida para T = 0.1s, cerca de
30 vezes menor que Tmax .
Neste caso, verifica-se que a resposta em freq
uencia e significativamente
modificada com a discretizacao do tipo ZOH, que deve ser usada com muito
criterio na discretizacao de filtros.
8.2
Warping
A transformacao bilinear causa uma distorcao no eixo da freq

uencia conhecida como warping.
A relacao entre o tempo e o respectivo ponto da seq
uencia gerada atraves
da amostragem e dada por
t = nT =
n
,
Fs
onde T e o intervalo de amostragem e Fs = 1/T e a freq

uencia de amostragem.
Existe uma relacao entre a freq
uencia de um sinal contnuo (F ou ) e a
freq
uencia do sinal discreto amostrado (f ou w). Considere o sinal analogico
dado por
xa (t) = A cos(2F t + ),
e sua versao amostrada dada por
xa (nt) = x(n) = A cos(2F nT + ) = A cos
com f =
F
,
Fs
2F n
+ = A cos(2f n + ),
Fs
ou ainda, = 2F e w = 2f . Logo,
w = 2
= 2
=
= T.
Fs
2Fs
Fs
Sejam a freq
uencia no plano s e w a freq
uencia no plano z. Usando a
relacao da transformacao bilinear e as relacoes s = j, z = esT e w = T ,
tem-se
2
j =
T
ejw 1
ejw + 1

w

2 2jsen 2
2
w
= j tan
=
,
w
T 2 cos
T
2
2
58
que permite escrever que
2
w
= tan
,
T
2
ou tambem
T
.
2
No sentido de trabalhar com freq
uencias equivalentes no tempo contnuo,
e possvel reescrever as equacoes de warping como:
w = 2 tan1
s =
2
z T
tan
T
2
2
s T
.
tan1
T
2
As equacoes anteriores caracterizam as formulas de warping e representam como a transformacao bilinear distorce o eixo de frequencias no processo
de discretizacao.
Seja o sistema contnuo de primeira ordem dado por
z =
H(s) =
s
a
1
,
+1
que possui a largura de banda as .

Para que a largura de banda az do filtro digital seja igual à largura de
banda as do filtro analogico escreve-se que

2
az T
as = tan
T
2
Nota-se que diminuindo o intervalo de amostragem T , entao tan

az T
, e conseq
uentemente az as .
2
az T
2
Exemplo: Verificar a distorcao causada pela transformacao bilinear na

discretizacao da planta
2
,
H(s) =
s+2
para os intervalos de amostragem de 1s e 0.5s.
A comparacao pode ser feita em termos da freq
uencia da largura de banda.
O filtro contnuo possui largura de banda de 2rad/s.
Para T = 1s, a lagura de banda do filtro discreto e

2
21
az = tan1
= 1.5707
1
2
59
Para T = 0.5s, a lagura de banda do filtro discreto e

2
2 0.5
az =
= 1.8546
tan1
0.5
2
Verifica-se a aproximacao dos sistemas contnuo e discretos com a diminuicao do intervalo de amostragem T . A Figura 45 apresenta as curvas de
amplitudes.
Bode Diagram
0
Magnitude (dB)
10
15
20
contnuo
T =1
T = 0.5
25
30
35
0.5
1.5
2.5
3.5
4.5
Frequency (rad/sec)

uencia para diferentes intervalos de amostragem
na discretizacao de Tustin.
8.3
Pre-warping
possvel compensar o efeito da distorcao causada pelo warping no filtro

E
analogico antes da discretizacao deste.
Seja novamente o caso de um filtro de primeira ordem dado por
H(s) =
s
a
1
.
+1
60
para o qual se sabe que a largura de banda e a.

Este filtro analogico pode ser corrigido, escrevendo-se que
Hpw (s) =
onde
s
a
1
,
+1
2
aT
,
tan
T
2
e conhecida como a relacao de pre-warping.
O filtro Hpw (s), ao ser discretizado pela transformacao bilinear, resultara
em um filtro digital com a mesma largura de banda que o filtro analogico
original H(s).
Seja agora o filtro
a
=
H(s) =
k
k
Hpw (s) =
,
s+a
s+a
que ao se aplicar a transformacao bilinear apresentara uma alteracao do

ganho estatico. Para evitar isto, divide-se inicialmente por a, colocando-se a
funcao de transferencia em uma forma preparada, ou seja,
H(s) =
s
a
k
a
+1
H(s) =
s
a
k
,
+1
e entao aplica-se a correcao de pre-warping,

Hpw (s) =
s
a
k
.
+1
O proximo exemplo ilustra a correcao com pre-warping.

Exemplo: Usar a transformacao bilinear com pre-warping para discretizar
H(s) com T = 0.5s,
10
H(s) =
.
s+2
A forma preparada e
5
.
H(s) = s
+1
2
Para T = 0.5s, tem-se,

2 0.5
2
= 2.1852
tan
a
=
0.5
2
61
e entao,
Hpw (s) =
5
s
2.1852
+1
Aplicando a transformacao bilinear em Hpw (s) tem-se

Hz (z) =
5
s
2.1852

+ 1
= 1.7665
s= T2
z1
z+1
z+1
.
z 0.2934
A Figura 46 apresenta uma comparacao da resposta em freq

uencia para
este exemplo usando alguns valores de intervalo de amostragem.
Bode Diagram
20
10
Magnitude (dB)
10
20
contnuo
T = 0.5
T =1
30
40
50
60
10
Frequency (rad/sec)

uencia para diferentes intervalos de amostragem
na discretizacao de Tustin com pre-warping.
Note que as curvas sao proximas ate a freq
uencia de 2rad/s, que corresponde à largura de banda dos sistemas. Contudo, para outras faixas de
freq
uencia as respostas sao muito diferentes.
62
Caso H(s) nao tivesse sido colocada na forma preparada, ter-se-ia que
Hpw (s) =
10
=
s + 2.1852
10
2.1852
s
+
2.1852
que e diferente do resultado obtido com a forma preparada em termos do

ganho estatico, motivo pelo qual e importante trabalhar na forma preparada.
O procedimento de pre-warping nao e imediato quando se trata de filtros
de maior ordem, surgindo d
uvidas, por exemplo, de qual polo considerar
para fazer a correcao de pre-warping. Uma alternativa e realizar o projeto
diretamente no plano z.
8.4
Frequ
encia crtica de pre-warping
Este procedimento e empregado quando um controlador analogico deve ser

substitudo por um equivalente e deve preservar a resposta em freq
uencia
para um certo valor especfico de freq
uencia.
Seja a transformacao bilinear, ou de Tustin, escrita como
s=k
z1
,
z+1
com k = T2 na sua forma padrao.

A questao que se coloca e se e possvel encontrar um outro valor de
k tal que a resposta em freq
uencia seja exata para uma certa freq
uencia
especificada c .
A formula de pre-warping, considerando que se deseja as mesmas respostas analogica e discreta para c , pode ser escrita como
c = k tan
c T
2
e conseq
uentemnete e possvel obter o seguinte valor para k:
k=
c
tan
c T
2
.
Neste caso, os valores das respostas em freq

uencia de H(s) e H(z) serao
identicos para a freq
uencia c .
Note que quando T diminui, aproxima-se da transformacao de Tustin na
sua forma padrao.
63
Exemplo: Seja um filtro notch dado por

H(s) =
s2 + 0.2s + 100
.
s2 + 10s + 100
Determinar o filtro digital que preserve o notch para T = 0.1s.

O notch ocorre para a freq
uencia de 10rad/s que sera a considerada a
frequencia crtica. Logo,
k=
10
tan
100.1
2
= 18.305,
e conseq
uentemente determina-se do filtro discretizado como
H(z) = H(s)|s=18.305 z1 =
z+1
0.7098z 2 0.7606z + 0.6979

.
z 2 0.7606z + 0.4077
A figura 47 mostra as respostas em freq

uencia correspodentes ao sistema
contnuo, ao sistema discretizado pela transformacao de Tustin e ao sistema
discretizado com pre-warping.
Verifica-se que o emprego do pre-warping preservou as caractersticas do
notch.
Projeto no plano z
A conversao de um controlador contnuo para um controlador digital e feita

usualmente atraves da regra de Tustin com ou sem pre-warping. Estas
tecnicas sao boas para altas freq
uencias de amostragem. Para baixas freq
uencias
de amostragem, este tipo de tecnica normalmente apresenta alguns inconvenientes, pois a resposta do controlador digital e muito diferente da resposta
do controlador contnuo. Alternativamente, o projeto de forma direta no
plano z permite incorporar o efeito da taxa de amostragem diretamente no
projeto.
9.1
Controle PID - M
etodo Ziegler-Nichols
sabido que:
E
o efeito integral aumenta o tipo do sistema, o que reduz o erro estacionario;
64
Bode Diagram
0
Magnitude (dB)
10
15
20
contnuo
pre-warping
sem pre-warping
25
30
35
10
11
12
13
14
Frequency (rad/sec)

uencia com e sem pre-warping.
65
o efeito derivativo aumenta o amortecimento, e conseq

uentemente a
estabilidade do sistema.
O controlador PID digital mais comum e dado por
K(z) = kp + kd
z1
zT
+ ki
,
zT
z1
onde foi usada a integracao de Euler para tras.

O metodo de Ziegler-Nichols pode ser usado como ferramenta de projeto,
e os seus principais passos sao:
Fazer kd = ki = 0 e determinar o ganho proporcional km tal que o sistema comece a oscilar (polos de malha fechada sobre o crculo unitario).
Calcular
kp
kp wm
,
, ki =
4wm
onde wm e a frequencia correspondente ao ponto do ganho km .

kp = 0.6km ,
kd =
A determinacao de wm pode ser feita atraves de:

= 0, e entao z = ejwm T . Logo, o angulo do polo z e = wm T , e entao
tem-se wm = T ;
ou determinando a resposta ao degrau da malha fechada com kp = km
e medindo a freq
uencia wm diretamente da resposta oscilatoria.
Exemplo: Projetar um controlador PID pelo metodo de Ziegler-Nichols
com T = 0.25s para controlar a planta
P (s) =
10
.
s(s + 2)
A planta deve ser discretizada com um ZOH, ou seja,

P (z) =
0.2663z + 0.2255
.
1.607z + 0.6065
z2
O lugar das razes de P (z) e mostrado na Figura 48, e determina-se, de

forma aproximada, o ponto da estabilidade marginal sobre o crculo unitario
de forma que o ganho correspondente e o polo sao
km = 1.8503,
z1 = 0.5569 + 0.8448j.
66
Root Locus
2
1.5
km
Imaginary Axis
0.5
0.5
1.5
2
3
2.5
1.5
0.5
0.5
Real Axis
Figura 48: Grafico do lugar da razes, projeto PID por Ziegler-Nichols.
67
O angulo correspondente ao polo z1 e 0.9880, que permite determinar wm

como
0.9880
wm =
= 3.9520.
0.25
Portanto, as constantes do controlador PID K(z) sao
kp = 1.1102,
kd = 0.2206,
ki = 1.3965.
A malha aberta e
G(z) = K(z)P (z) =
0.1559z 3 0.05941z 2 0.1033z + 0.04975

,
0.25z 4 0.6516z 3 + 0.5533z 2 0.1516z
e a malha fechada e
T (z) =
0.1559z 3 0.05941z 2 0.1033z + 0.04975

.
0.25z 4 0.4957z 3 + 0.4939z 2 0.255z + 0.04975
A resposta ao degrau da malha fechada e mostrada na Figura 49.

Step Response
2
1.8
1.6
1.4
Amplitude
1.2
0.8
0.6
0.4
0.2
Time (sec)
Figura 49: Resposta ao degrau da malha fechada, projeto PID por ZieglerNichols.
Um codigo em Matlab para este projeto e
68

s=tf(s);
ps=10/(s*(s+2));
ts=0.25;
pz=c2d(ps,ts)
axis(square)
rlocus(pz,k)
[km,polo]=rlocfind(pz)
wm=angle(polo(1))/ts
kp=0.6*km;
kd=kp*pi/(4*wm);
ki=kp*wm/pi;
z=tf(z,ts)
kz=kp+kd*(z-1)/(z*ts)+ki*z*ts/(z-1);
gz=kz*pz
tz=feedback(gz,1)
figure
step(tz,k)
damp(tz)
9.2
PID - projeto analtico com base no lugar das razes
Uma forma de um controlador PID discreto e

z1
zT
K(z) = kp + kd
+ ki
.
zT
z1
O esquema de controle e mostrado na Figura 50.
R
K(z)
P (z)
Figura 50: Esquema de malha fechada com realimentacao unitaria.

A funcao de transferencia de malha fechada e
Y
K(z)P (z)
=
.
R
1 + K(z)P (z)
A equacao do lugar das razes e dada por
1 + K(z)P (z) = 0,
69
e entao tem-se que

kp + kd
z1
zT
P (z) = 1.
+ ki
zT
z1
Seja ki conhecido ou obtido pelo requisito de erro estacionario, e seja z1

um polo especificado de acordo com os requisitos de desempenho no tempo.
Considerando ki e z1 conhecidos e possvel escrever que
kp + kd
z1 1
1
z1 T
=
ki
,
z1 T
P (z1 )
z1 1
que representa uma equacao complexa.

Seja
+ j =
(2)
z1 1
,
z1 T
e a e b as partes real e imaginaria do membro direito de (2).

Logo,
kp + kd ( + j) = a + jb,
e consequentemente,
kp + kd = a kp = a kd ,
kd = b kd =
b
,
permitindo a obtencao das constantes do controlador PID.

Exemplo: Projetar um controlador PID que satisfaca o seguintes requisitos para a malha fechada: fator de amortecimento = 0.707 e freq
uencia
10
natural wn = 1.414rad/s. A planta e P (s) = s(s+2) e deve acompanhar
uma rampa unitaria com erro estacionario nulo. Considerar o intervalo de
amostragem T = 0.25s.
O polo desejado no plano s e
q
s1 = wn + jwn 1 2 = 1 + j.
A localizacao deste polo no plano z e
z1 = es1 T = e(1+j)0.25 = e0.25 e0.25j = 0.7788e0.25j .
Verifica-se, com o auxlio da Figura 51, que
ej = cos + jsen,
70
Im
Re
Figura 51: Representacao de ej .

e0.25j = cos(0.25) + jsen(0.25) = 0.9689 + j0.2474.
Portanto, o polo desejado no plano z, e
z1 = 0.7788(0.9689 + j0.2474) = 0.7546 + j0.1927.
Utiliza-se na discretizacao da planta um ZOH, o que permite analisar a
constante de erro diretamente no plano s. Como o sistema e do tipo 1, e o
PID aumentara o tipo da malha aberta para 2, entao o erro estacionario à
rampa sera nulo. Isso fornece flexibilidade na escolha de ki .
A planta discretizada com o ZOH e
P (z) =
0.2663z + 0.2255
.
1.607z + 0.6065
z2
possvel determinar que

E
P (z1 ) = 5.6177 + 0.7359j,
= 0.9764,
= 1.2707,
e consequentemente
kp = 0.9531,
kd = 0.4074.
A malha aberta e
0.1886z 3 0.1208z 2 0.129z + 0.09188
,
G(z) = K(z)P (z) =
0.25z 4 0.6516z 3 + 0.5533z 2 0.1516z
e a malha fechada e
T (z) =
0.1886z 3 0.1208z 2 0.129z + 0.09188

.
0.25z 4 0.463z 3 + 0.4325z 2 0.2806z + 0.09188
71
Root Locus
1.5
Imaginary Axis
0.5
0.5
1.5
2.5
1.5
0.5
0.5
1.5
Real Axis
Figura 52: Lugar da razes de G(z), projeto PID analtico.
Tabela 2: Caractersticas dos polos de malha de fechada.

polo
amplitude amortecimento freq
uencia (rad/s)
7.55E-01 + 1.93e-01j 7.79E-01
7.07E-01
1.41E+00
7.55E-01 - 1.93e-01j
7.79E-01
7.07E-01
1.41E+00
1.71E-01 + 7.59e-01j 7.78E-01
1.83E-01
5.49E+00
1.71E-01 - 7.59e-01j
7.78E-01
1.83E-01
5.49E+00
72
Step Response
1.8
1.6
1.4
Amplitude
1.2
0.8
0.6
0.4
0.2
Time (sec)
Figura 53: Resposta ao degrau de T (z), projeto PID analtico.
73
As figuras 52 e 53 apresentam o diagrama do lugar das razes de G(z e a

resposta ao degrau de T (z).
Os polos da malha fechada e suas caractersticas em termos de amortecimento e freq
uencia natural sao dados na Tabela 2.
A seguir tem-se um codigo MATLAB que calcula todas as etapas do
projeto.
ki=1;
s=tf(s);
ps=10/(s*(s+2));
ts=0.25;
pz=c2d(ps,ts)
s1=-1+j;
z1=exp(s1*ts)
pz1=freqresp(pz,z1)
a=-real(1/pz1+ki*z1*ts/(z1-1))
b=-imag(1/pz1+ki*z1*ts/(z1-1))
alfa=real((z1-1)/(z1*ts))
beta=imag((z1-1)/(z1*ts))
kd=b/beta
kp=a-alfa*kd
z=tf(z,ts)
kz=kp+kd*(z-1)/(z*ts)+ki*z*ts/(z-1)
gz=kz*pz;
rlocus(gz,k)
tz=feedback(gz,1);
figure
step(tz,k)
damp(tz)
Algumas consideracoes sobre o projeto PID analtico sao:
So e garantida a posicao de um dos polos do sistema z1 . Nao ha controle
da posicao dos outros polos.
A escolha de ki depende do requisito de erro estacionario. Dependendo
do problema, esta escolha pode ser arbitraria e afetar a estabilidade da
malha fechada.
No caso do exemplo anterior, note que as especificacoes em termos de
amortecimento e frequencia natural foram atingidas. Contudo, existe
um sobre-sinal alto devido à falta de controle sobre os demais polos e
zeros.
74
9.3
Compensac
ao avanco-atraso - projeto analtico
Seja um controlador com um polo e um zero do tipo

K(z) = kc
z+a
.
z+b

E
K(z) =
(a+1)(z+a)
(a+1)
kc (b+1)(z+b)
(b+1)
(a + 1)
= kc
(b + 1)
z1
a+1
z1
b+1
(a + 1)
K(z) = kc
(b + 1)
z1+a+1 !
a+1
,
z1+b+1
b+1
+1
.
+1
Definindo z = z 1, v = a + 1, w = b + 1, k = kc wv tem-se
K(z) = k
z
v
z
w
+1
.
+1
Verifica-se que quando z = 1 entao z = 0, e a contribuicao do controlador
para o erro estacionario sera k.

Atraves dos requisitos de projeto, determina-se o polo s1 de interesse.
Calcula-se, entao, o polo discreto correspondente atraves de z1 = es1 T e
tambem z1 = z1 1.
Para que z1 esteja sobre o lugar das razes tem-se que
K(z1 )P (z1 ) = 1 k
ou ainda
z1
v
z1
w
z1
v
z1
w
+1
P (z1 ) = 1,
+1
+1
1
=
.
+1
kP (z1 )
possvel isolar 1 , ou seja,

E
v

z1
z1
1
+1=
+1
,
v
w
kP (z1 )

z1
1
z1
=
+1
1,
v
w
kP (z1 )

z1
1
1
1
=
+1
,
v
w
kP (z1 )z1 z1
75

!
1
w1
1
1
1+
=
.
v
kP (z1 ) z1
kP (z1 )
(3)
Tanto v como w devem ser reais, ou seja, as partes imaginarias de ambos

dos lados de (3) devem ser nulas. Logo,
#
"
"
1
1
w1
1+
Im
Im(v 1 ) = 0 Im
z1
kP (z1 )
kP (z1 )
ou ainda,
"
"
1
1
1
1+
w Im
= Im
z1
kP (z1 )
kP (z1 )
1
w1 =
Im
1
z1
Im
1
(z1 )
z1 kP
1
(z1 )
kP
!#
!#
= 0,
Com w1 determinado, retorna-se a (3) e calcula-se v 1 ,

w1
1
1
v 1 =

.
kP (z1 ) z1 kP (z1 ) z1
Com w1 , v 1 e k o controlador esta determinado.
Exemplo: Projetar um controlador avanco-atraso para controlar a planta
400
e obter um erro estacionario à rampa unitaria de 0.2, um
P (s) = s(s2 +30s+200)
fator de amortecimento = 0.5 e uma freq
uencia natural wn = 14rad/s. O
intervalo de amostragem e T = 0.05s.
R(s)
E(s)
K(s)
P (s)
Y (s)
Figura 54: Esquema da malha fechada.

Para realimentacao unitaria, Figura 54, o erro pode ser escrito em funcao
da entrada R(s) e da sada Y (s) como
E(s) = R(s) Y (s) = R(s) K(s)P (s)E(s) (1 + K(s)P (s))E(s) = R(s),
ou finalmente,
E(s) =
R(s)
.
1 + K(s)P (s)
76
Do teorema do valor final tem-se que

lim e(t) = lim sE(s) = 0.2.
s0
Logo, considerando que o controlador contribui para o erro estacionario

apenas atraves de k tem-se que
"
1
R(s)
s2
=
lim s
= lim s
400
s0
s0
1 + K(s)G(s)
1 + k s(s2 +30s+200)
"
1
s(s2 + 30s + 200)
1
1
200
= lim
= lim s(s2 +30s+200)+k400
= 0.2,
=
s0 s
s0 s s(s + 30s + 200) + k400
k400
2
s(s +30s+200)
e conseq
uentemente,
200
= 2.5
400 0.2
Nota: no calculo anterior considerou-se que o erro estacionario sera compensado exclusivamente pelo ganho proporcional do controlador do tipo
k =
K(s) = k
s+1
,
s1
ou equivalente discretizado com ZOH.

O polo desejado no plano s e
q
s1 = wn + jwn 1 2 = 7.0000 + 12.1244j,

e no plano z e
z1 = es1 T = 0.5791 + 0.4015j.
Conseq
uentemente tem-se que
P (z1 ) = 0.0329 + 0.1482j,
w = 0.9561,
v = 0.2390.
O controlador e
10z 7.609
.
z 0.04389
As caractersticas dos polos sao mostradas na Tabela 3.
O grafico do lugar das razes e mostrado na Figura 55, e as respostas ao
degrau e à rampa nas Figuras 56 e 57.
Observa-se que se trata de uma resposta tpica de sistema de segunda
ordem, pois o par complexo de polos nao e dominante.
Um codigo Matlab para este projeto e apresentado a seguir.
K(z) =
77

polo
uencia (rad/s)
8.29E-01
8.29E-01
1.00E+00
3.75E+00
5.79E-01 + 4.02E-01j 7.05E-01
5.00E-01
1.40E+01
5.79E-01 - 4.02E-01j
7.05E-01
5.00E-01
1.40E+01
-2.71E-02
2.71E-02
7.54E-01
9.57E+01
Root Locus
4
Imaginary Axis
4
7
Real Axis
Figura 55: Grafico do lugar das razes de G(z), projeto avanco-atraso.
78
Step Response
1
0.9
0.8
0.7
Amplitude
0.6
0.5
0.4
0.3
0.2
0.1
0.5
1.5
Time (sec)
Figura 56: Resposta ao degrau da malha fechada, projeto avanco-atraso.
79
Linear Simulation Results

5
4.5
3.5
Amplitude
2.5
1.5
0.5
0.5
1.5
2.5
3.5
4.5
Time (sec)
Figura 57: Resposta à rampa da malha fechada, projeto avanco-atraso.
80

s=tf(s);
ps=400/(s*(s^2+30*s+200))
ts=0.05;
qsi=0.5;
wn=14;
s1=-qsi*wn+i*sqrt(1-qsi^2)*wn
kbar=2.5;
z1=exp(s1*ts)
zbar1=z1-1
pz=c2d(ps,ts)
pz1=freqresp(pz,z1)
winv=-imag((1+1/(kbar*pz1))/zbar1)/imag(1/(kbar*pz1))
vinv=-winv/(kbar*pz1)-(1+1/(kbar*pz1))/zbar1
vinv=real(vinv) %apenas para limpar parte imaginaria residual
w=1/winv
v=1/vinv
a=v-1
b=w-1
kc=kbar*w/v
z=tf(z,ts);
kz=kc*(z+a)/(z+b)
gz=kz*pz
tz=feedback(gz,1)
damp(tz)
[polo,zero]=pzmap(tz)
step(tz,k)
figure
axis(square)
rlocus(gz,k)
%resposta a rampa usando lsim
t=0:ts:5;
r=t;
figure
lsim(tz,k,r,t)
%resposta a rampa multiplicando por ts/(z-1)
tzz=tz*ts/(z-1);
figure
step(tzz,k,t)
81
10
Transformada w
Foram apresentadas anteriormente duas formas de projeto de controladores:

Conversao de um controlador contnuo para discreto atraves de transformacoes como a de Tustin e Euler, que normalmente funciona bem
para altas taxas de amostragem.
Projeto diretamente no plano z, usual para menores taxas de amostragem.
possvel mencionar as seguintes desvantagens do projeto no plano z:
E
Todo projeto deve ser restrito ao crculo unitario.
As tecnicas baseadas no diagrama de Bode, que usam os conceitos de
cruzamento de ganho e margem de fase, nao sao aplicaveis.
A transformada w e uma tecnica que permite aplicar os metodos do
domnio s para sistemas digitais. Segundo esta tecnica H(z) e transformada
em H(w) atraves da seguinte transformacao

2
w=
T

z1
z+1
ou
z=
1 + w2T
.
1 w2T
Esta transformacao tem a mesma forma que a aproximacao de Tustin

para s. Consequentemente, a transformada w faz o mapeamento do crculo
unitario para o semi-plano esquerdo do plano w. Neste caso, as tecnicas de
projeto validas para um sistema contnuo G(s) podem ser aplicadas para
G(w).
A obtencao da funcao de tranferencia em w e conseguida da seguinte
forma:
transf. w
ZOH
G(s) G(z) G(w).
Com G(w), projeta-se o controlador usando as tecnicas de Bode ou lugar
das razes. Finalmente, converte-se o controlador de volta para o plano z
atraves da transformacao de Tustin.
Exemplo: Converter para o plano w, com T = 0.5 a funcao de transferencia
1
H(s) =
.
s+1
A planta deve ser discretizada usando um ZOH. Logo,
H(z) =
0.393
.
z 0.607
82
Aplica-se entao a transformada w, ou seja,

H(w) = H(z)|
wT =
z= w2T
1 2
1+
0.393
=
0.607
1+0.25w
10.25w
0.393 0.098w
0.393(1 0.25w)
=
.
1 + 0.25w 0.607(1 0.25w)
0.393 + 0.402w
Note que os polos de H(w) e de H(s) sao proximos:

s + 1 = 0 s = 1,
0.393 + 0.402w = 0 w = 0.9776.
10
Exemplo: Determinar os diagramas de Bode para P (s) = s+5
e para os
sistemas em w com T1 = 0.05s, T2 = 0.1s e T3 = 0.5s.
Para T1 = 0.05s obtem-se atraves da transformacao ZOH que
P (z) =
0.4424
.
z 0.7788
Usando a transformada w obtem P (w), i.e,

P (w) =
0.2487w + 9.948
.
w + 4.974
O mesmo procedimento deve ser feito para os outros intervalos de amostragem.

Os diagramas de Bode estao mostrados na Figura 58. Um codigo Matlab
para gerar estes diagramas e:
ts1=0.05; ts2=0.1; ts3=0.5;
s=tf(s);
ps=10/(s+5);
pz1=c2d(ps,ts1)
pz2=c2d(ps,ts2)
pz3=c2d(ps,ts3)
pw1=d2c(pz1,tustin)
pw2=d2c(pz2,tustin)
pw3=d2c(pz3,tustin)
w=logspace(-1,2,20);
bode(ps,pw1,pw2,pw3,w)
Nota-se que:
83
Bode Diagram
10
5
Magnitude (dB)
0
5
contnuo
0.05s
0.1s
0.5s
10
15
20
25
0
Phase (deg)
45
90
135
180
1
10
10
10
10
Frequency (rad/sec)
Figura 58: Diagramas de Bode usando a transformada w.
84
Quando T diminui os polos no plano w se aproximam dos polos no

plano s.
O ganho estatico de P (w) e o mesmo do que P (s).
Uma grande diferenca entre P (s) e P (w) e que P (w) possui um zero, o
que deve ser analizado com atencao quando se utiliza tecnicas baseadas
no diagrama de Bode.
Quando T diminui, o zero se afasta cada vez mais da faixa de frequencias
de interesse, e afeta menos o processo de projeto.
Lembrando que a tecnica da transformada w, no fim das contas, utiliza a
equacao da transformacao de Tustin, o fenomeno de warping ocorrera. Como
z = esT tem-se que

2
w=
T

z1
2
=
z+1
T
esT 1
,
esT + 1
com w e s complexos.
A resposta em frequencia no plano s considera s = jw. A resposta em
frequencia no plano w sera, analogamente, w = j. Assim, pode-se escrever
que
!

2
2
ejwT 1
wT
j =
= j tan
,
T
ejwT + 1
T
2
ou ainda,
wT
2
,
= tan
T
2
que representa a relacao entre a freq
uencia no w no plano s e a freq
uencia
no plano w.
10.1
Projeto avanco-atraso analtico na freq

u
encia
Seja uma planta P (s) a ser controlada por um controlador K(s) em realimentacao unitaria.
A equacao do lugar das razes estabelece que
1 + K(s)P (s) = 0 K(s)P (s) = 1.
Para uma frequencia especfica de cruzamento de ganho wcg , deseja-se
uma margem de fase P M , ou seja,
= + P M.
85
Seja um controlador avanco-atraso do tipo

K(s) = kc
z s + 1
,
p s + 1
Para a freq
uencia de cruzamento de ganho, e possvel escrever que
!
jwcg z + 1
MP ejP = 1ej(+P M ) ,
jwcg p + 1
K(jwcg )P (jwcg ) = kc
onde MP = |P (jwcg )| e P e a fase de P (jwcg ).

Esta equacao pode ser separada em parte real e parte imaginaria levando
a duas equacoes que podem ser resolvidas para z e p , i.e.,
z =
1 + kc MP cos(P M P )
,
wcg kc MP sen(P M P )
p =
cos(P M P ) + kc MP
.
wcg sen(P M P )
O procedimento de projeto analtico pode ser escrito como:

1. Determinar kc atraves da especificacao do erro estacionario.
2. Determinar os valores de kc MP e P (Nota: kc MP nao esta em dB nas
equacoes.)
3. Calcular os parametros z e p do controlador.
4. Avaliar o desempenho do sistema controlado.
Exemplo: Para a planta
P (s) =
s(s2
400
,
+ 30s + 200)
com intervalo de amostragem T = 0.05s, projetar um controlador discreto

do tipo
z+a
,
K(z) = kc
z+b
que satisfaca os seguintes requisitos: = 0.5, wn = 14rad/s e erro estacionario à rampa de 0.2. Usar o metodo analtico de Bode e a transformada
w.
Para uma entrada rampa unitaria, pode-se escrever que
eest =
1
= 0.2 kv = 5,
kv
86
Um controlador avanco-atraso tem a forma

K(s) = kc
z s + 1
.
p s + 1
A constante de erro neste caso e dada por

z s + 1
kv = lim sK(s)P (s) = lim s kc
s0
s0
p s + 1
!"
400
=
2
s(s + 30s + 200)
400
= 5,
200
e conseq
uentemente kc = 2.5. Nota-se que toda a contribuicao do controlador
no erro estacionario sera dada por kc .
Uma estimativa para a margem de fase desejada e
= kc
P M 100 = 50 = 0.8727rad,
e para a freq
uencia de cruzamento de ganho tem-se
wcg wn = 14rad/s.
A frequencia de cruzamento de ganho corrigida para evitar warping sera

wcg T
2
cg = tan
T
2
2
14 0.05
=
= 14.6
tan
0.05
2
A planta discretizada usando um ZOH e

P (z) =
0.005824z 2 + 0.01629z + 0.002753

.
z 3 1.974z 2 + 1.198z 0.2231
Aplicando a transformada w em P(z) obtem-se

P (w) =
0.001756w3 0.1261w2 6.819w + 362.2

w3 + 28.28w2 + 181.1w
que permite empregar as tecnicas usuais de projeto como se o sistema fosse

contnuo.
Calcula-se entao
P (w)|w=jcg = 0.0628 + 0.0223j,
e conseq
uentemente o modulo e o angulo sao
MP = 0.0666,
P = 2.8004,
87
o que permite obter

p = 0.0134,
z = 0.4132,
e o seguinte controlador no plano w

K(w) =
1.033w + 2.5
.
0.01337w + 1
Este controlador deve ser discretizado usando a transformacao de Tustin,

permitindo obter o controlador discreto
K(z) =
28.55z 25.3
.
z + 0.3033
A malha fechada e
T (z) =
0.16633 + 0.3179z 2 0.3336z 0.06965

,
z 4 1.505z 3 + 0.9167z 2 0.1935z 0.1373
cujas caractersticas dos polos estao mostradas na Tabela 4, de onde se verifica que os polos complexos nao sao dominantes.
polo
uencia (rad/s)
9.13E-01
9.13E-01
1.00E+00
1.81E+00
4.23E-01 + 6.42E-01j 7.69E-01
2.57E-01
2.05E+01
4.23E-01 - 6.42E-01j
7.69E-01
2.57E-01
2.05E+01
-2.54E-01
2.54E-01
4.00E-01
6.85E+01
O diagrama de Bode da malha aberta e mostrado na Figura 59. Verificase que margem de fase desejada foi obtida.
As respostas ao degrau e à rampa estao mostradas nas Figuras 60 e 61.
Um codigo Matlab para este projeto e apresentado a seguir.
ts=0.05;
s=tf(s);
ps=400/(s*(s^2+30*s+200));
pz=c2d(ps,ts)
pw=d2c(pz,tustin)
kc=2.5;
wcg=14.6;
pm=50*pi/180
88
Bode Diagram
Gm = 6.08 dB (at 24.6 rad/sec) , Pm = 50 deg (at 14 rad/sec)
40
Magnitude (dB)
30
20
10
10
20
180
Phase (deg)
90
270
360
1
10
10
10
10
Frequency (rad/sec)
Figura 59: Diagrama de Bode de K(z)P (z).

pwjwcg=freqresp(pw,j*wcg)
mp=abs(pwjwcg)
thetap=angle(pwjwcg)
tauz=(1+kc*mp*cos(pm-thetap))/(-wcg*kc*mp*sin(pm-thetap))
taup=(cos(pm-thetap)+kc*mp)/(wcg*sin(pm-thetap))
ks=kc*(tauz*s+1)/(taup*s+1)
kz=c2d(ks,ts,tustin)
gz=kz*pz
margin(gz)
tz=feedback(gz,1)
damp(tz)
figure
step(tz)
t=0:ts:5;
r=t;
figure
lsim(tz,r,t)
89
Step Response
1.4
1.2
Amplitude
0.8
0.6
0.4
0.2
0.5
1.5
2.5
Time (sec)
Figura 60: Resposta ao degrau de T (z).
90
Linear Simulation Results

5
4.5
3.5
Amplitude
2.5
1.5
0.5
0.5
1.5
2.5
3.5
4.5
Time (sec)
Figura 61: Resposta à rampa de T (z).
91
11
Modelo de estado discreto
Um modelo de estado discreto, de uma entrada e uma sada, pode ser escrito
na forma
x(n + 1) = Ax(n) + Bu(n),
y(n) = Cx(n) + Du(n).
Aplicando a transformada Z com condicoes iniciais nulas tem-se que
zX(z) = AX(z) + BU (z),
Y (z) = CX(z) + DU (z),
e reorganizando estas equacoes e possvel obter a funcao de tranferencia correspondente, ou seja,
(zI A)X(z) = BU (z) X(z) = (zI A)1 BU (z),
e portanto,
h
Y (z) = C(zI A)1 BU (z) + DU (z) = C(zI A)1 B + D U (z),

ou ainda
Y (z) = [C(z)B + D] U (z),

onde (z) = (zIA)1 e a transformada Z da matriz de transicao de estados
(t).
11.1
Transformac
ao pelo m
etodo do degrau invariante
Seja a equacao de estado x = Ax + Bu, cuja solucao e

x(t) = eAt x(0) +
eA(t ) Bu( )d.
A exponencial matricial pode ser expandida em serie na forma
X
Ak tk
1
1
,
eAt = I + At + A2 t2 + . . . + Ak tk + . . . =
2!
k!
k=0 k!
caracterizando a exponencial matricial.

A equacao a diferencas de um sistema na forma de estados pode ser escrita
como
x((n + 1)T ) = G(T )x(nT ) + H(T )u(nT ),
92
e se a taxa de amostragem e fixa, tem-se simplesmente que G(T ) = G e

H(T ) = H.
Considerando que a entrada u(t) e discretizada com um ZOH tem-se que
u(t) = u(nT ),
para nT t nT + T .
A resposta do sistema contnuo para (n + 1)T e dada por
x((n + 1)T ) = eA(n+1)T x(0) +
(n+1)T
eA[(n+1)T ] Bu( )d,
x((n + 1)T ) = eA(n+1)T x(0) + eA(n+1)T
(n+1)T
eA Bu( )d.
(4)
Com base na equacao anterior, pode-se escrever para o tempo nT que

x(nT ) = eAnT x(0) + eAnT
nT
eA Bu( )d.
Multiplicando esta u
ltima equacao por eAT tem-se
Z
x(nT )eAT = eA(n+1)T x(0) + eA(n+1)T
nT
eA Bu( )d.
(5)
Subtraindo (5) de (4) tem-se:

x((n + 1)T ) x(nT )eAT = eA(n+1)T
(n+1)T
x((n + 1)T ) = eAT x(nT ) + eA(n+1)T
(n+1)T
x((n + 1)T ) = eAT x(nT ) + eA(n+1)T
nT
nT
eA Bu( )d,
eA Bu( )d,
eA( +nT ) Bu(nT )d,
onde u(nT ) representa uma constante dentro do intervalo de amostragem.

Entao,
x((n + 1)T ) = eAT x(nT ) + eAT
= eAT x(nT ) +
eA Bu(nT )d =
eA(T ) Bu(nT )d.
Fazendo = T , e possvel escrever que

Z
eA(T ) Bu(nT )d =
eA Bu(nT )(d) =
eA Bu(nT )d,
93
e consequentemente
x((n + 1)T ) = eAT x(nT ) +
eA Bu(nT )d.
Definindo
G(T ) = eAT
H(T ) =
eA d B,
escreve-se que
x((n + 1)T ) = G(T )x(nT ) + H(T )u(nT ),
que representa a equacao de estado do sistema discretizado.
A equacao de sada do sistema contnuo e:
y = Cx(t) + Du(t),
e a correspondente discreta e
y(nT ) = Cx(nT ) + Du(nT ).
Em resumo pode-se escrever:
Para o sistema contnuo
x = Ax + Bu,
y = Cx + Du.
Para o sistema discretizado com ZOH
x(n + 1) = Gx(n) + Hu(n),
y(n)
= Cx(n) + Du(n),

R
com G = eAT e H = 0T eA d B.
Notas:
Verifica-se que
H=
T

eA d B = A1 eA B = A1 (eAT I)B = A1 (GI)B,
0
cujo calculo pode ser feito quando A1 existe.
Se T diminui entao G I (tende para a matriz identidade).

94
1
Exemplo: para P (s) = s+a
obter o modelo de estado discreto usando
ZOH.
A equacao diferencial correspondente pode ser determinada como
Y (s) =
1
U (s) (s + a)Y (s) = U (s) y(t)
+ ay(t) = u(t).
s+a
Seja x = y o estado. Entao o modelo de estado contnuo correspondente

e
x = ax + u.
y = x,
com as seguintes matrizes A = a, B = 1, C = 1 e D = 0.

A matriz G sera dada por
G = eAT = eaT ,
e matriz H sera dada por
H=
eA d B =
d 1 =
T
1 eaT
1
ea =
.
0
(a)
a
Logo, o modelo de estado discreto correspondente e

aT
x(n + 1) = e
1 eaT
x(n) +
a
u(n),
y(n) = x(n).
A funcao de transferencia sera, portanto,
1
aT 1
P (z) = C(zI G) H + D = 1(z e

=
1 eaT
a
+0=
1 eaT
(1 eaT )z 1
=
.
a(z eaT )
a(1 eaT z 1 )
Exemplo: Obter o modelo de estados discreto considerando um ZOH para

P (s) =
1
.
s(s + 2)
A equacao diferencial correspondente e dada por

s(s + 2)Y (s) = U (s) (s2 + 2s)Y (s) = U (s) y + 2y = u(t).
95
Sejam os estados x1 = y e x2 = x 1 = y.
Logo, x 2 + 2x2 = u, e o modelo
contnuo de estados e
)
) (
#(
)
"
(
0
x1
0 1
x 1
u,
+
=
1
x2
0 2
x 2
y = [1
0].
x1
x2
A equacao de estado discretizada sera dada por

x(n + 1) = Gx(n) + Hu(n)
R
com G = eAT e H = 0T eAt dt B.

A transformada de Laplace da exponencial matricial e
"
L[eAt ] = (sI A)1 =
s 0
0 s
"
"
#!1
0 1
0 2
"
1
1
1
s+2 1
=
= s (s+2)s
1
0
s
0 s+2
s(s + 2)
Logo, fazendo a transformada inversa tem-se
"
eAt = (t) = L1 [(s)] =
"
s 1
0 s+2
= (s).
1
(1
2
e2t )
e2t .
1
0
#1
Portanto, para t = T , tem-se a matriz G,

"
(T ) = eAT =
1
(1
2
1
0
e2T )
e2T
= G.
A matriz H e dada por

H=
"
T
0
"
1
2
1
0
1
(1
2
2t
e
e2t
T + 12 e2T
12 e2T + 12
)
1
2
!"
dt
#"
"
1
2
0
1
0
1
#
"
T
0
1
2
t
0
1
2
#
e2t
(2)
e2t
(2)
T "
#

0

=

1

0
#"
#
T + e 2 1
1
(1 e2T )
2
2T
0
1
#
u(n),
T + e 2 1
=
.
1
2T
(1
e
)
2
Portanto, o modelo de estado discretizado e
(
x1 (n + 1)
x2 (n + 1)
"
1
0
1
(1
2
e2T )
e2T
y(n) = [1
2T
#(
0]
"
x1 (n)
x2 (n)
x1 (n)
x2 (n)
(
1
2
T + e 2 1
1
(1 e2T )
2
2T
96
12
Diagrama de blocos
Uma representacao dos sistemas discretos pode ser feita atraves de diagramas
de blocos de forma similar ao caso dos sistemas contnuos. No caso discreto,
o atraso unitario e o elemento fundamental conforme representado na Figura
62.
en
en1
z 1
atraso
E(z)
z 1 E(z)
Figura 62: Atraso unitario.

Seja como exemplo a seguinte funcao de transferencia
U (z)
T
=
E(z)
2
z+1
.
z1
Um diagrama de blocos associado e mostrado na Figura 63.
en
z 1
en1
T
2
un
b
un1
Figura 63: Diagrama de blocos para
U (z)
E(z)

T
2
z 1
z+1
z1
Do diagrama de blocos e possvel escrever que

a = en1 + en ,
b=
T
(en1 + en ),
2
e ainda
T
(en1 + en ) + un1 ,
2
T
un un1 = (en1 + en ).
2
Aplicando a transformada Z tem-se
un = b + un1 =
(1 z 1 )U (z) =
T
(1 + z 1 )E(z),
2
97
T
U (z) =
2
T
1 + z 1
E(z) =
1
1z
2
Para um caso generico em que H(z) =

Y (z) = H(z)U (z) =
onde
F (z) =
N (z)
,
D(z)
z+1
E(z).
z1
e possvel escrever que
N (z)
U (z) = N (z)F (z),
D(z)
U (z)
D(z)F (z) = U (z).
D(z)
O operador z estabelece que zu(n) = u(n + 1), ou tambem, z 1 u(n) =

u(n 1).
Considere como exemplo um sistema de ordem 3 dado por
Y (z) =
bo z 3 + b1 z 2 + b2 z + b3
U (z),
z 3 + a1 z 2 + a2 z + a3
onde
N (z) = bo z 3 + b1 z 2 + b2 z + b3
D(z) = z 3 + a1 z 2 + a2 z + a3 .

E
D(z)F (z) = U (z) (z 3 + a1 z 2 + a2 z + a3 )F (z) = U (z),
que corresponde à seguinte equacao a diferencas
f (n + 3) + a1 f (n + 2) + a2 f (n + 1) + a3 f (n) = u(n),
ou ainda
f (n + 3) = a1 f (n + 2) a2 f (n + 1) a3 f (n) + u(n),
o que permite a criacao do diagrama de blocos da Figura 64.
Seja agora a contribuicao do numerador, ou seja,
Y (z) = N (z)F (z) (bo z 3 + b1 z 2 + b2 z + b3 )F (z) = Y (z),
que corresponde a equacao a diferencas
bo f (n + 3) + b1 f (n + 2) + b2 f (n + 1) + b3 f (n) = y(n).
Esta equacao pode ser adicionada ao diagrama de blocos anterior, permitindo obter o diagrama de blocos mostrado na Figura 65.
98
u(n)
f (n + 3)
f (n + 2)
z 1
z 1
f (n + 1)
z 1
f (n)
a1
a2
a3
Figura 64: Diagrama de blocos relacionado ao denominador.
bo
b1
b2
u(n)
f (n + 3)
z 1
f (n + 2)
x1
z 1
f (n + 1)
x2
z 1
f (n)
x3
y(n)
b3
a1
a2
a3
Figura 65: Diagrama de blocos completo.

99
De forma analoga ao caso de sistemas contnuos, as variaveis de estado

sao x1 (n), x2 (n) e x3 (n), e o modelo de estado pode ser obtido a partir do
diagrama de blocos, ou seja,
x3 (n) = z 1 x2 (n) x3 (n + 1) = x2 (n),
x2 (n) = z 1 x1 (n) x2 (n + 1) = x1 (n),
x1 (n + 1) = a1 x1 (n) a2 x2 (n) a3 x3 (n) + u(n).
Matricialmente tem-se a equacao de estado dada por
x1 (n + 1)
a1 a2 a3
1
x1 (n)
0
0
x2 (n + 1) =
x2 (n) +
1
0 u(n),
0
1
0
x3 (n + 1)
0
x3 (n)
|
{z
A equacao de sada e dada por
| {z }
y(n) = bo x1 (n + 1) + b1 x1 (n) + b2 x2 (n) + b3 x3 (n) =

= bo (u(n) a1 x1 (n) a2 x2 (n) a3 x3 (n)) + b1 x1 (n) + b2 x2 (n) + b3 x3 (n),
ou ainda,
y(n) = (b1 a1 bo )x1 (n) + (b2 a2 bo )x2 (n) + (b3 a3 bo )x3 (n) + bo u(n),
y(n) = [(b1 a1 bo )
|
(b2 a2 bo )
{z
C
Portanto, o modelo de estado e
x1 (n)
(b3 a3 bo )] x2 (n) + [bo ] u(n).

|{z}
}
x3 (n)
D
x(n + 1) = Gx(n) + Hu(n)

y(n)
= Cx(n) + Du(n).
13
Realimenta
c
ao de estados
Seja um sistema contnuo na forma de estado dado por

x = Ax + Bu,
y = Cx + Du.
O sistema discretizado correspondente sera dado por
x(n + 1) = Gx(n) + Hu(n),
y(n) = Cx(n) + Du(n).
100
Considerando a discretizacao atraves da transformacao do degrau invariante (ZOH) tem-se que

G = eAT
H=
eA d B.
Considerando que os k estados da planta sao disponveis para realimentacao

tem-se:
u(n) = k1 x1 (n) k2 x2 (n) . . . kk xk (n) =
= [k1
k2
...
kk ]
x1 (n)
x2 (n)
..
.
xk (n)
= Kx(n),
onde K e a matriz de ganhos da realimentacao de estados.

A equacao de malha fechada sera dada por
x(n + 1) = Gx(n) + H(Kx(n)) = (G HK)x(n).
A transformada Z sob condicoes nulas e
zX(z) = (G HK)X(z) (zI G + HK)X(z) = 0,
e portanto, a equacao caracterstica da malha fechada e dada por
det(zI G + HK) = 0.
Se a planta for controlavel, e possvel alocar os polos em posicoes especificadas. Sejam os polos desejados z1 , z2 , . . ., zk . A equacao caracterstica
desejada sera
(z) = (z z1 )(z z2 ) . . . (z zk ),
e e possvel determinar matriz de ganhos K tal que
det(zI G + HK) = (z).

Exemplo: Seja o sistema descrito por:
G=
"
1 T
0 1
H=
"
T2
2
T = 0.1s.
Sejam os polos desejados z1,2 = 0.80 j0.25 para a malha fechada em

realimentacao de estados. Neste caso, o polinomio caracterstico desejado e
(z) = (z z1 )(z z2 ) = z 2 1.6z + 0.70
101
Igualando a equacao caracterstica ao polinomio desejado, tem-se

det z
"
1 0
0 1
"
1 T
0 1
"
"
T2
2
k2 ] = z 2 1.6z + 0.70,
[k1
e portanto,
det
= det
"
"
z 0
0 z
z 1 + k1 T2
k1 T
1 T
0 1
"
2
T + k2 T2
z 1 k2 T
k1 T2
k1 T
#
k2 T2
k2 T
#!
= z 2 1.6z + 0.70,
cuja solucao permite obter os valores dos elementos do vetor de ganhos, i.e.,
k1 =
13.1
0.10
= 10
T2
k2 =
0.35
= 3.5
T
Controlabilidade e f
ormula de Ackermann
O sistema discreto x(n + 1) = Gx(n) + Hu(n), de ordem k, e completamente

controlavel se e somente se a matriz de controlabilidade
[H
GH
G2 H . . . Gk1 H] = M
possuir rank k, ou seja, det M 6= 0.

Se o sistema e completamente controlavel entao e possvel realizar a
alocacao de polos tal que
det(zI G + HK) = (z).
O vetor de realimentacao pode ser determinado pela formula de Ackermann, i.e.,
K = [0 0 0 . . . 0 1]M1 (G),
com
(G) = Gk + 1 Gk1 + . . . + k1 G + k I,
e () e o polinomio correspondente aos polos desejados.
14
Observador (estimador de estados)
Nem todos os estados de um sistema podem estar disponveis/acessveis para

a realimentacao de estados. Uma alternativa e estima-los. Esta estimativa e
feita atraves de um observador (ou estimador).
102
Seja o sistema discreto

x(n + 1) = Gx(n) + Hu(n),
y(n) = Cx(n).
(n) uma estimativa para os estados x(n), e considera-se que a enSeja x
trada u(n) e a sada y(n) sao disponveis para medicao. O erro da estimativa
e dado por
(n) x(n).
e(n) = x
Logo e possvel escrever que
(n + 1) x(n + 1) =
e(n + 1) = x
= G
x(n) + Hu(n) Gx(n) Hu(n) = G(
x(n) x(n)) = Ge(n),
ou seja,
e(n + 1) = Ge(n),
que representa um sistema de equacoes a diferencas homogeneo para o erro.
Nota-se que:
e x devem seguir a mesma equacao de estado;
considerou-se que x
a solucao da equacao a diferencas do erro e e(n) = Gn e(0), com e(0)
o erro inicial;
se G for estavel (todos os autovalores dentro do crculo unitario) entao
e(n) 0 quando n para qualquer e(0);
se existir pelo menos um autovalor fora do crculo unitario, entao
e(n) ;
as propriedades do erro e(n) dependem apenas de G (nao e possvel
controlar o erro);
para garantir que e(n) 0 quando n com uma certa taxa, independentemente de G, a medida da sada da planta deve ser incorporada
ao estimador.
103
14.1
Estimador de ordem completa
O estimador ou observador de ordem completa tem o papel de estimar todos

os estados. A equacao usual do observador e
(n + 1) = G
x
x(n) + Hu(n) + L(y(n) C
x(n)),
onde C
x(n) e a sada do estimador, L e a matriz de ganhos do estimador e
y(n) = Cx(n) e a sada da planta.
A equacao do erro, neste caso, sera
(n + 1) x(n + 1) =
e(n + 1) = x
= G
x(n) + Hu(n) + L(y(n) C
x(n)) Gx(n) Hu(n) =
= G
x(n) + LCx(n) LC
x(n) Gx(n) =
= (G LC)(
x(n) x(n)) = (G LC)e(n),
ou seja,
e(n + 1) = (G LC)e(n),
que representa um sistema de equacoes a diferencas homogeneo para o erro da
estimativa. A solucao desta equacao permite determinar o erro para qualquer
n, ou seja,
e(n) = (G LC)n e(0),
e portanto, e possvel escolher L de tal forma que G LC tenha autovalores
com modulo menor que 1. Neste caso, a equacao caracterstica e,
det(zI G + LC) = 0.
Exemplo: Seja a planta dada pelas seguintes matrizes na forma de estado:
G=
"
1 T
0 1
H=
"
T2
2
C = [1
0]
T = 0.1s
Deseja-se que os polos de um observador sejam 0.40 j0.40. Determinar

o vetor de realimentacao do observador.
A equacao caracterstica correspondente aos polos desejados e
(z) = (z 0.40 + j0.40)(z 0.40 j0.40) = z 2 0.80z + 0.32,
e a equacao a ser resolvida em funcao da equacao caracterstica do observador
e
#
!
# "
# "
"
l1
1 T
z 0
[1
0] = z 2 0.80z + 0.32
+
det
l2
0 1
0 z
104
Resolvendo esta u
ltima equacao determina-se que l1 = 1.2 e l2 = 5.2.
Portanto, as equacoes do observador a serem implementadas sao:
(
"
1.2
5.2
x1 (n + 1)
x2 (n + 1)
y(n) [1
"
0]
1 0.1
0 1
x1 (n)
x2 (n)
#(
)!
x1 (n)
x2 (n)
+
"
0.005
0.1
u(n),
que representam as duas equacoes que determinam os estados estimados.
14.2
Observabilidade
O sistema de ordem k
x(n + 1) = Gx(n) + Hu(n),
y(n) = Cx(n),
e completamente observavel se e somente se a matriz de observabilidade
O = [C CG CG2
...
CGk1 ]t
possuir rank k (rank completo).

Se um sistema e completamente observavel, entao e possvel determinar
o vetor de ganhos L, ou seja, e possvel realizar a alocacao de polos do
observador. Neste caso, e possvel aplicar a formula Ackermann para o ganho
do observador, i.e.,
L = (G)O ..
.
1
com () igual ao polinomio caracterstico desejado para o observador.

Uma representacao do controlador juntamente com o observador e mostrada na Figura 66.
Nota-se que:
a realimentacao de estados u(n) = Kx(n) pressupoe que todos os

estados estejam disponveis para realimentacao;
(n) estarao disponveis
com o uso do observador os estados estimados x
para realimentacao, ou seja, u(n) = K
x(n).
105
u(n)
x(n + 1) = Gx(n) + Hu(n)
x(n)
y(n)
(n) x(n + 1) = G
x
x(n) + Hu(n)
+L(y(n) C
x(n))
controlador
Figura 66: Esquema de sistema com observador.
14.3
Efeito do observador na malha fechada
possvel fechar a malha atraves da realimentacao dos estados estimados,

E
ou seja,
x(n + 1) = Gx(n) + Hu(n) = Gx(n) HK
x(n) =
= Gx(n) HK(x(n) + e(n)) =
= Gx(n) HKx(n) HKe(n).
A equacao do erro e
e(n + 1) = (G LC)e(n).
Estas equacoes podem ser escritas matricialmente como
(
x(n + 1)
e(n + 1)
"
G HK HK
0
G LC
#(
x(n)
e(n)
cuja equacao caracterstica e

det(zI G + HK) det(zI G + LC) = (z)(z),
que representa o princpio da separacao, ou seja, os polos do estimador podem
ser alocados de forma independente dos polos da realimentacao de estados.
Os polos do estimador (as razes de (z)) devem ser mais rapidos (usualmente 4 vezes) do que os polos desejados na realimentacao de estados.
Considerando que a lei de controle e
u(n) = K
x(n),
106
e substituindo esta lei na equacao da estimativa, e possvel obter a equacao

de estado para o controlador como
(n + 1) = G
x
x(n) HK
x(n) + L(y(n) C
x(n)),
(n + 1) = (G HK LC)
x
x(n) + Ly(n).
Neste caso, considerando a entrada y(n) do controlador com observador
e a sada u(n), pode-se escrever a funcao de transferencia do controlador
correspondente com base nas u
ltimas equacoes, ou seja,
U (z)
= K(zI G + HK + LC)1 L.
Y (z)
15
15.1
Controle
otimo
Introduc
ao
Seja uma medida de desempenho dada por

J(u) =
tf
g(x, u, t)dt,
to
onde x representa o estado e u o sinal de controle. O objetivo do controle

otimo e minimizar J(u).
Algumas medidas de desempenho usuais sao apresentadas a seguir.
Integral do erro quadratico (ISE):
Z
tf
tf
J(u) =
to
e2 (t)dt.
Integral do erro absoluto (IAE):

J(u) =
ITSE:
ITAE:
J(u) =
tf
J(u) =
tf
to
to
to
|e(t)|dt.
(t to )e2 (t)dt.
(t to )|e(t)|dt.
107
Mnima energia de controle:
Mnimo combustvel :
J(u) =
tf
J(u) =
tf
Mnimo tempo:
u2 (t)dt.
to
|u(t)|dt.
to
J(u) =
tf
to
dt.
Indice quadratico no estado e no sinal de controle:

J(u) =
tf
to
(xt Qx + u2 )dt.
A escolha do criterio de otimizacao (da funcao objetivo) e papel do projetista do sistema de controle em funcao dos requisitos desejados, e o resultado
obtido sera uma funcao desta escolha.
15.2
Otimizac
ao de par
ametros
Seja uma configuracao de controle especificada a priori. O ajuste dos parametros

deste controlador para minimizar algum ndice de desempenho e o que se
chama de otimizacao de parametros.
Exemplo: Seja o ndice de desempenho quadratico dado por
J(u) =
tf
to
(xt Qx + u2 )dt,
e uma realimentacao de estados na forma

u = Kx.
Substituindo a lei de controle no indicador de desempenho tem-se que
J(u) =
tf
to
(xt Qx + xt Kt Kx)dt =
tf
to
xt (Q + Kt K)xdt.
Exemplo: Seja a planta

1
Y (s)
=
,
U (s)
s(s + 1)
108
replacemen
e +
1
s+1
x2 = y
1
s
x1 = y
kt
Figura 67: Esquema com a realimentacao tacometrica.

e adicionando uma realimentacao tacometrica tem-se o esquema da Figura
67.
Atraves do esquema e possvel escrever que
u = e kt x2 = r x1 kt x2 .
Seja um ndice de desempenho quadratico do tipo
J(u) =
(e2 + u2 )dt,
sejam as condicoes iniciais nulas, x1 (0) = x2 (0) = 0 e uma entrada na forma

de degrau unitario r = u(t). Logo, tem-se que o ndice de desempenho na
forma
Z
J(u) =
[(1 x1 )2 + (1 x1 kt x2 )2 ]dt.
(6)
0
Da Figura 67 tem-se que
1
X2 (s)
1
s+1
=
,
1 =
E(s)
s + 1 + kt
1 + kt s+1
1
Y (s)
1
s(s+1+kt )
= 2
=
,
1
R(s)
s + (1 + kt )s + 1
1 + s(s+1+kt )
que corresponde a um sistema de segunda ordem em que wn = 1 e 2wn =
1 + kt . Verifica-se que:
Para o caso sub-amortecido, 0 < < 1, tem-se que 1 < kt < 1.
Para o caso super-amortecido tem-se kt > 1.
Para a instabilidade tem-se kt < 1.
109
A resposta do sistema (considerando o caso sub-amortecido) e dada por

y(t) = x1 (t) = 1
onde wd = wn 1 2 e = cos1 ().

A derivada da resposta e
et
sen(wd t + ),
1 2
y(t)
= x2 (t) =
et
sen(wd t).
1 2
Substituindo os termos calculados anteriormente na expressao do ndice

de desempenho, este torna-se uma funcao do parametro kt , ou seja,
J(kt ) =
"
"
#2
et
sen(wd t + )
1 2
#2
et
et
+
sen(w
t
+
)
k
sen(w
t)
dt.
d
t
d
1 2
1 2
Substituindo-se os valores de , wn , wd e e possvel obter que

J(kt ) =
1 + 2 + (kt + 1)2
.
2(kt + 1)
Nota-se que atua como um fator de ponderacao para a energia de controle.

Minimizando-se J(kt ) para alguns valores de e possvel construir a Tabela 5.
Tabela 5: Mnimo de J(kt ) para cada valor de .
0 0.5
1
1.5
kt 0 0.41 0.73 1
Nota-se que para > 1.5 tem-se kt > 1 e entao um sistema superamortecido.
15.3
Condi
c
oes de otimalidade
Seja o problema (P ) de minimizar uma funcao de varias variavei f (x) sujeita

a um conjunto de restricoes de desigualdade g(x) 0, i.e.,
(P )
min
f (x)
sujeito a g(x) 0
110
Define-se a funcao lagrangiana associada ao problema (P ) como

L(x) = f (x) + t g(x),
onde e o vetor dos multiplicadores de lagrange.
e ponto de otimo global do problema (P ) se as seguintes
Um par (
x, )
condicoes de otimalidade forem satisfeitas:
minimiza L(x, )
1. x
t g(
2.
x) = 0
0
3.
4. g(x) 0
Da condicao primeira condicao tem-se que
t g(
t g(x).
f (
x) +
x) f (x) +
Usando a segunda condicao, o resultado anterior torna-se
t g(x) f (
t g(x)
f (
x) f (x) +
x) f (x)
Combinando a terceira e a quarta condicoes verifica-se que
t g(x) 0,
e consequentemente
f (
x) f (x),
e um ponto de otimo global do problema (P ).
provando-se que x
15.4
Equac
oes de Euler Lagrange
Seja uma funcao objetivo a ser minimizada dada por

J(y) =
tf
to
g(y, y,
t)dt,
onde y(t) e uma funcao contnua no intervalo [to , tf ], y (t) e a solucao otima
e (t) e uma variacao arbitraria em torno do otimo conforme ilustrado na
Figura 68.
Para > 0 pequeno, e possvel escrever que
y(t) = y (t) + (t).
111
y(t)
y(t)
y (t)
to
tf
(t)
Figura 68: Representacao da variacao das funcoes nas equacoes de EulerLagrange.
Considerando que para esta aproximacao as condicoes de contorno devem
ser satisfeitas, tem-se que
y (to ) = y(to ),
y (tf ) = y(tf ) e (to ) = (tf ) = 0.
Portanto, a funcao objetivo torna-se

J(y) =
tf
to
g(y + , y + ,
t)dt,
e para a condicao de mnimo com relacao tem-se que

!
Z tf
Z tf
dJ
d
=
(g(y, y,
t))dt =
d
to d
to
tf
to
g y g y
+
dt =
y y
!
g
g
+
dt.
y
y
Mas sabe-se da derivada do produto que

d
dt
d
g
=
y
dt
g
g
,
+
y
y
e conseq
uentemente escreve-se que
"
Z tf
d
g
dJ
=
+
d
y
dt
to
d
g

y
dt
! #
g
dt =
y
112

t
Veriifca-se que
! #
"
g f Z tf g
d
=
+
y to
y
dt
to
g
dt.
y
g f
= 0,
y to
pois (tf ) = (to ) = 0.

Conseq
uentemente,
"
Z tf
dJ
d
g
=
d
y dt
to
g
y
!#
dt
= 0.
e a condicao de mnimo estabelece que dJ
d
Para que y(t) y (t) entao 0. Como (t) deve ser arbitrario, para
que dJ
= 0, entao
d
!#
"
d g
g
= 0,

y dt y y=y
que representa e equacao de Euler-Lagrange.
No caso de um problema de varias variaveis, y deixa de ser uma funcao
escalar, e e possvel generalizar para o vetor y como
"
15.5
g
d
y dt
g
y
!#

=0
y=y
Condi
c
oes de otimalidade e Euler-Lagrange
Seja um problema de controle otimo formulado como minimizar o indicador

de desempenho J dado por
Z
J(u) =
g(x, u, t)dt,
sujeto à restricao da equacao de estado x = f (x, u, t) e com condicoes de

contorno x(0) = x0 .
Seja a funcao lagrangiana associada
L(x, , u, t) = g(x, u, t) + t (f(x, u, t) x),

onde e o vetor dos multiplicadores de Lagrange.
Lembrando que a solucao de um problema de otimizacao com restricoes
pode ser obtida atraves das condicoes de otimalidade, e possvel escrever uma
nova funcao em termos da funcao lagrangiana, ou seja,
J (u) =
tf
to
L(x, , u, t)dt.
113
Da area de otimizacao sabe-se que o mnimo de J(u) com as respectivas

restricoes pode ser encontrado atraves da minimizacao de J (u). Escrevendo
as equacoes de Euler-Lagrange baseadas em J (u) tem-se:
d
dt
L
x
L
,
=
x
d
dt
L
=
d
dt
L
u
L
.
u
Calculando explicitamente os termos das equacoes anteriores tem-se as

tres equacoes de Euler-Lagrange:
!t
g
f
=
+
,
x
x
0 = f x x = f
!t
g
f
0=
+
,
u
u
equacoes estas que podem ser usadas para a determinacao da solucao otima.
Exemplo: Seja o sistema dado por
x = 3x + 4u,
x(0) = xo ,
x() = 0.
Determinar a lei de controle otimo tal que o ndice de desempenho

J(u) =
(x2 + u2 )dt
seja miminizado.
A funcao lagrangiana correspondente e
2
+{z4u x}).
L(x, , u, t) = x
+ u2 +(3x
| {z }
|
g
(f x)
As derivadas de interesse para as equacoes de Euler-Lagrange sao:

g
= 2x,
x
f
= 3,
x
g
= 2u,
u
f
= 4.
u
Escrevendo as equacoes de Euler-Lagrange tem-se que

= 2x 3
x = 3x + 4u
0 = 2u + 4 u = 2
Logo,
x = 3x 8
= 2x + 3
114
e entao,
"
3 8
2 3
#(
cuja solucao e
(
x(t)
(t)
4 5t
e
5
+ 15 e5t
4 5t
e
5
54 e5t
1 5t
e
5
51 e5t
1 5t
e
5
+ 45 e5t
x0
0
onde definiu-se 0 = (0). Escreve-se ainda,

4 5t 1 5t
4 5t 4 5t
x(t) =
e + e x0 +
e e 0 .
5
5
5
5
Para t + deseja-se que x(t) 0 e assim escreve-se que

1
4
4
1
0 = e5t x0 e5t 0 =
x0 0 e5t ,
5
5
5
5
4
1
1
0 = x0 0 0 = x0 .
5
5
4
Conseq
uentemente, e possvel escrever que
1
(t) = e5t 0 = e5t x0 ,
4
x(t) = e5t x0 ,
1
u(t) = 2(t) = e5t x0 ,
2
e entao a lei de controle otimo sera
1
u(t) = x(t).
2
Esta solucao pode ser representada em um diagrama de blocos conforme
mostrado na Figura 69.
Considere agora a lei de controle de realimentacao de estados u = kx.
Logo,
Z
Z
J(u) =
(x2 + k 2 x2 )dt =
(1 + k 2 )x2 dt,
0
x = 3x + 4kx x = (3 + 4k)x x(t) = e(3+4k)t x0 .

Portanto,
J(k) =
(1 + k 2 )e2(3+4k)t x20 dt =
115
u(t) = 12 x0 e5t
1
s
u(x)
1
s
3
12
k
Figura 69: Representacao do sistema e lei de controle otimo.
116

Para k <
3
4
x2 (1 + k 2 ) 2(3+4k)t
e
.
= 0

2(3 + 4k)
0
tem-se a integral finita e entao

J(k) =
x20 (1 + k 2 )
x2
= 0 (1 + k 2 )(3 4k)1 ,
2(3 4k)
2
i
dJ
x2 h
= 0 2k(3 4k)1 + (1 + k 2 )(1)(3 4k)2 (4) =
dk
2
"
"
#
#
2k
x0 2k(3 4k) + 4(1 + k 2 )
4(1 + k 2 )
x0
=
= 0,
+
=
2 3 4k (3 4k)2
2
(3 4k)2
e entao,
1
6k 8k 2 + 4 + 4k 2 = 0 4k 2 + 6k + 4 = 0 k1 = 2 e k2 = ,
2
e determina-se, escolhendo a situacao de estabilidade, que o ganho otimo e
1
k = k2 = .
2
15.6
Controle linear quadr

atico - LQR
Seja a equacao de estado

x = Ax + Bu,
x(to ) = xo ,
e a seguinte medida de desempenho quadratica
J(u) =
tf
to
(xt Qx + u2 )dt,
com Q 0 (positivo semi-definida) e > 0.

Para aplicar as equacoes de Euler-Lagrange define-se que
g = xt Qx + u2 ,
f = Ax + Bu x,
e entao tem-se
da primeira equacao:
= 2Qx + At = 2Qx At .
117
da terceira equacao:
2u + Bt = 0 u =
1 t
B .
2
e da segunda equacao:
x = Ax + Bu = Ax
1
BBt .
2
Considere que existe uma matriz P = Pt > 0 tal que:

= 2Px.
Logo,
+ 2Px = 2Qx At ,
= 2Px
+ 2P(Ax 1 BBt ) + 2Qx + At = 0,
2Px
2
#
"
+ 2P Ax 1 BBt (2Px) + 2Qx + At (2Px) = 0,

2Px
2
+ PA 1 PBBt P + Q + At P = 0,
P
que e conhecida como a equacao de Riccati.

Quando a planta e invariante no tempo, a matriz P e constante, ou seja,
P = 0. Neste caso,
1
Q + At P + PA PBBt P = 0.
Note que
u=
1 t
1
B (2Px) = Bt Px.
2
Exemplo: Seja a planta descrita por

x 1 = x2 ,
x 2 = 2x1 3x2 + u,
com as condicoes iniciais: x1 (0) = 1 e x2 (0) = 0.
Seja um ndice de desempenho quadratico dado por
J(u) =
1Z 2
(5x1 + 5x22 + u2 )dt.
2 0
118
Determine a lei de controle otima.

As matrizes de estado sao
A=
"
0
1
2 3
e B=
"
0
1
O ndice de desempenho pode ser escrito matricialmente como

J(u) =
[x1 x2 ]
"
2.5 0
0 2.5
#(
x1
x2
Z
1 2
+ u dt =
(xt Qx + u2 )dt,
2
0
de forma que verifica-se que

Q=
"
2.5 0
0 2.5
1
e = .
2
Escrevendo a equacao algebrica de Riccati tem-se

1
Q + At P + PA PBBt P = 0,
"
"
2.5 0
0 2.5
0.5
"
"
0 2
1 3
p11 p12
p12 p22
#"
#"
0
1
p11 p12
p12 p22
#
[0
1]
"
"
p11 p12
p12 p22
p11 p12
p12 p22
#"
"
0
1
2 3
0 0
0 0
"
2.5 4p12 2p212

p11 3p12 2p22 2p12 p22
p11 3p12 2p22 2p12 p22 2.5 2p12 6p22 2p222
,
0 0
0 0
e resolvendo o sistema de equacoes nao linear obtem-se que

P=
"
3 0.5
0.5 0.5
Portanto, a lei de controle otima e

1
u = Bt Px,
1
u = [0 1]
0.5
"
3 0.5
0.5 0.5
#(
x1
x2
e finalmente
u = x1 x2 .
Verifica-se que os autovalores de P sao 1 = 3.096 e 2 = 0.4037, e

portanto, P > 0 (positivo definida).
119
15.7
Controle
otimo multivari
avel
Seja uma planta a ser controlada descrita por

x = Ax + Bu,
e o ndice de desempenho quadratico dado por
J(u) =
(xt Qx + ut Ru)dt,
onde Q 0 (semi positivo definida) e R > 0 (positivo definida). A matriz R

deve ser positivo definida para assegurar que o termo do esforco de controle
nao seja nulo.
Substituindo no resultado do caso escalar u por u e por R, as equacoes
de Lagrange tornam-se:
1
x = Ax BR1 Bt ,
2
= 2Qx At ,
1
u = R1 Bt .
2
A equacao de Riccati para o caso multivariavel torna-se:
Q + At P + PA PBR1 Bt P = 0,
e a lei de controle otimo e
u = R1 Bt Px.
Exemplo: Determinar a lei de controle otima para controlar a planta
x 1 = x2 + u1 ,
x 2 = 4x1 4x2 + u2 ,
e minimizar o ndice de desempenho quadratico dado por
J(u) =
(2x21 2x1 x2 + 36x22 + u21 + u22 )dt.
A matrizes da planta sao

A=
"
0
1
4 4
B=
"
1 0
0 1
.
120
Verifica-se que o sistema possui dois estados e duas entradas, de forma

que os seguintes vetores sao definidos
(
x=
x1
x2
u=
u1
u2
O ndice de desempenho deve ser escrito na forma matricial para se obter

as matrizes Q e R, ou seja,
J(u) =
com
Q=
"
(xt Qx + ut Ru)dt,
2 1
1 36
R=
"
1 0
0 1
A equacao de Riccati e
"
2 1
1 36
"
p11 p12
p12 p22
"
#"
Q + At P + PA PBR1 Bt P = 0,
0
1
4 4
#t "
1 0
0 1
1 0
0 1
#"
p11 p12
p12 p22
cuja solucao e
P=
#1 "
"
"
1 0
0 1
3 1
1 3
p11 p12
p12 p22
#"
#"
p11 p12
p12 p22
0
1
4 4
=
"
0 0
0 0
Conseq
uentemente, a lei de controle otimo sera
u=
"
u = R1 Bt Px,
1 0
0 1
u=
#1 "
u1
u2
1 0
0 1
#"
3 1
1 3
3x1 + x2
x1 + 3x2
#(
)
x1
x2
Nota: os autovalores de P sao 1 = 4 e 2 = 2, verificando que P > 0.

Dois comandos MATLAB relacionados ao controle LQR sao:
are, que determina a matriz P solucao da equacao de Riccati, i.e.,
P = are(A, B , Q),
B = BR1 Bt .
lqr, que determina a matriz de ganhos da realimentacao de estados,

i.e.,
K = lqr(A, B, Q, R), K = R1 Bt P.
121
15.7.1
Matriz hamiltoniana
O problema de controle linear quadratico pode ser colocado em uma forma

matricial conveniente.
Seja o ndice quadratico de desempenho escrito como
1Z t
J(u) =
(x Qx + ut Ru)dt,
2 0
e R = 1R
onde Q = 21 Q
2
Uma funcao correspondente à funcao lagrangiana e a funcao hamiltoniana
definida como
1
+ ut Ru)
+ t (Ax + Bu x).
H(x, , t) = (xt Qx
2
As condicoes de Euler-Lagrange podem ser aplicadas à funcao hamiltoniana, ou seja,
d
dt
H
x
H
,
=
x
d
dt
H
=
d
dt
H
u
H
.
u
De forma explcita tem-se

+ At ,
= Qx
x = Ax + Bu,
+ Bt = 0 u = R
1 Bt ,
Ru
Estas equacoes podem ser reorganizadas matricialmente na forma
(
"
|
Bt
A BR
Q
At
{z
#(
=H
onde H e a chamada matriz hamiltoniana e e tambem conhecido como

co-estado (vetor dos multiplicadores de Lagrange).
e possvel escrever
Fazendo = Px
1 Bt Px
= Kx,
u = R
1
Bt P
e a matriz de ganhos do controlador.
onde K = R
Escreve-se tambem que
+ P
x = Qx
At Px,
= Px
122
+ P(Ax
1 Bt Px)
= Qx
At Px,
Px
BR
= Qx
+ At Px
+ P(A
1 Bt P)x,
Px
BR
= At P
+ PA
PB
R
1 Bt P
+ Q,
invariante, tem-se a equacao de Riccati

e para o caso de P
+ PA
PB
R
1 Bt P
+Q
= 0,
At P
associada à respectiva matriz hamiltoniana.
16
Introduc
ao ao controle robusto
A propriedade de um sistema de controle operar adequadamente em condicoes

reais e chamada de robustez. As condicoes reais sao diferentes das condicoes
de projeto devido a varios fatores tais como simplificacoes nos modelos, efeitos nao lineares desconsiderados, variacoes de comportamento com a temperatura, tempo ou idade, condicoes ambientais, desgaste etc.
Algumas definicoes usuais sao apresentadas a seguir.
a capacidade do sistema de controle ser estavel
Estabilidade robusta. E
com as variacoes a que esta submetido.
a capacidade do sistema de controle de manter
Desempenho robusto. E
o desempenho satisfatorio mesmo com as variacoes a que esta sujeito.
Controle Robusto. Campo que estuda os problemas de estabilidade e
desempenho robustos.
o modelo assumido para representar a planta sem
Planta nominal. E
incorporar as incertezas.
Incertezas. Sao os erros existentes no modelo.
Sistemas incertos. Sao aqueles que incluem na sua formulacao uma
representacao para as incertezas.
uma planta que pertence a uma classe descrita pelos
Planta real. E
sistemas incertos.
Os requisitos tpicos de desempenho sao:
Acompanhamento de sinais de referencia.
123
Rejeicao de perturbacoes externas (dist

urbios).
Insensibilidade a variacoes na planta.
Rejeicao a erros de medida (rudos de medicao).
Esforco de controle adequado.
16.1
Caso SISO
Seja o diagrama da Figura 70 que permite definir:

R(s): sinal de referencia;
E(s):
sinal de erro entre a referencia e a sada medida;
U (s): sinal de controle;
D(s): entrada de dist
urbio;
Y (s): sinal de sada;
N (s): rudo de medicao;
K(s): funcao de transferencia do controlador;
G(s): funcao de transferencia da planta;
K(s)G(s): funcao de transferencia de malha aberta;
J(s) = 1 + K(s)G(s) : funcao de transferencia diferenca de retorno;
S(s) =
1
J(s)
1
:
1+K(s)G(s)
funcao de transferencia de sensibilidade;
K(s)G(s)
: funcao de transferencia de malha fechada (ou sensi T (s) = 1+K(s)G(s)
bilidade complementar).
Verifica-se que
S(s) + T (s) = 1.
Do diagrama de blocos e possvel escrever para a sada que
Y (s) = D(s) + K(s)G(s)(R(s) Y (s) N (s)),
Y (s)(1 + K(s)G(s)) = D(s) + K(s)G(s)R(s) K(s)G(s)N (s),
Y (s) =
K(s)G(s)
1
K(s)G(s)
R(s) +
D(s)
N (s),
1 + K(s)G(s)
1 + K(s)G(s)
1 + K(s)G(s)
124
D(s)
E(s)
R(s)
K(s)
U (s)
G(s)
Y (s)
N (s)
Figura 70: Diagrama de blocos incluindo entrada de dist

urbio e rudo de
medicao.
ou tambem
Y (s) = S(s)D(s) + T (s)(R(s) N (s)).
Para o erro e possvel escrever que
E(s) = R(s) Y (s),
E(s) = R(s) S(s)D(s) T (s)(R(s) N (s)),
E(s) = (1 T (s))R(s) S(s)D(s) + T (s)N (s),
E(s) = S(s)R(s) S(s)D(s) + T (s)N (s),
E(s) =
1
K(s)G(s)
1
R(s)
D(s) +
N (s).
1 + K(s)G(s)
1 + K(s)G(s)
1 + K(s)G(s)
Para o esforco de controle tem-se que
U (s) = K(s)E(s)
= K(s)(R(s) N (s) Y (s)),
e substituindo Y (s) tem-se que
U (s) =
K(s)
(R(s) D(s) N (s)),
1 + K(s)G(s)
ou ainda
U (s) = K(s)S(s)(R(s) D(s) N (s)).
As principais caractersticas requeridas deste sistema sao descritas a seguir.
125
Acompanhamento do sinal de referencia. Considerando apenas a contribuicao de R(s) para E(s) verifica-se que para S(s) pequeno o erro
sera pequeno. Isso e equivalente a ter K(s)G(s) grande.
Rejeicao de dist
urbios. Para a rejeicao de dist
urbios a funcao de sensibilidade S(s) deve ser pequena, e novamente K(s)G(s) deve ser grande.
Rejeicao de rudos de medicao. Para a rejeicao de rudos de medicao
a funcao de sensibilidade complementar T (s) deve ser pequena, e conseq
uentemente K(s)G(s) deve ser pequeno.
Insensibilidade a variacoes na planta. Seja uma variacao na sada da
planta Y causada por uma variacao na planta G. Uma medida da
sensibilidade da sada devido à variacao da planta e dada por
SGY =
Y
Y
G
G
ou ainda,
SGY =
G Y
,
Y G
G Y
.
Y G
Considerando a funcao de transferencia de R(s) para Y (s) dada por

Y (s) =
K(s)G(s)
R(s),
1 + K(s)G(s)
escreve-se que
SGY
"
G
K 2 (s)G(s)
K(s)
=
.
Y 1 + K(s)G(s) (1 + K(s)G(s))2
Para que a sensibilidade de Y com relacao a G, SGY , seja pequena devese ter K(s)G(s) grande.
Esforco de controle limitado. Para que o esforco de controle U (s) seja
limitado deve-se limitar K(s)S(s).
Se K(s)G(s) for grande tem-se
K(s)S(s) =
1
K(s)
,
1 + K(s)G(s)
G(s)
e para freq
uencias altas sabe-se que para os sistemas fsicos |G(s)|
0, de forma que o esforco de controle seria muito alto. Logo, para
um esforco de controle limitado, K(s)G(s) deve ser pequeno em altas
freq
uencias.
126
As principais conclusoes da analise anterior sao:

Para o acompanhamento do sinal de referencia, rejeicao de perturbacoes
e insensibilidade a variacoes na planta deseja-se que K(s)G(s) seja
grande.
Para rejeicao de rudos de medicao e esforco de controle limitado,
deseja-se que K(s)G(s) seja pequeno.
Nota-se que ha um conflito. Contudo, na maioria dos problemas praticos
tem-se que o sinal de referencia, os dist
urbios e as variacoes na planta possuem sua maior contribuicao na baixa freq
uencia e entao nesta regiao o diagrama de Bode deve ter ganho grande. O rudo de medicao tem sua maior
contribuicao na alta freq
uencia, e entao o diagrama de Bode deve ter ganho
baixo na alta freq
uencia, ja contribuindo para limitar o esforco de controle.
A Figura 71 mostra o diagrama de Bode tpico para atender aos requisitos
discutidos.
dB
xxxxxxxxxxxxxxxxxxxxxxx
GK
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
Figura 71: Forma desejada do diagrama de Bode para atender aos requisitos.
A Figura 72 apresenta as formas desejadas para as funcoes de sensibilidade
e de sensibilidade complementar para atender aos requisitos basicos.
16.2
Resposta em frequ
encia multivari
avel
A relacao entre entrada e sada em freq

uencia no caso SISO e dada pelos
diagramas de Bode. No caso de sistemas MIMO e necessaria uma generalizacao do conceito de resposta em frequencia. Isto e feito atraves dos valores
singulares.
127
dB
0dB
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
w
|S|
dB
0dB
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
|T |
Figura 72: Forma desejada para as funcao de sensibilidade e sensibilidade

complementar.
128
Sejam os vetores x e seu transposto conjugado x , e as matrizes G e sua

transposta conjugada G .
A norma euclidiana do vetor x e
||x|| = x x.
A norma espectral da matriz G induzida pela norma euclidiana e
||G|| = max ||Gx||.
||x||=1
Uma interpretacao da norma de uma matriz e mostrada na Figura 73.
y = Gx
x2
y2
y
||G||
1
x1
y1
||x|| = 1
Figura 73: Interpretacao da norma de uma matriz.
Demonstra-se que
||G|| =
max (G G),
onde max () e o maximo autovalor de ().

Os valores singulares da matriz G sao definidos como
i (G) =
i (G G) ; i = 1, 2, . . . , m,
onde i () e o i-esimo autovalor de ().

Os valores singulares podem ser ordenados na forma
max (G) = 1 (G) 2 (G) . . . m (G) = min (G),
e conseq
uentemente tem-se que
||G|| = max (G).
min (G) = min ||Gx||.
||x||=1
129
min (G)
x2
y = Gx
y2
max (G)
1
x1
y1
Figura 74: Ilustracao de uma matriz grande.

Uma matriz e dita ser grande quando ela produz uma amplificacao grande
para todas as direcoes dos vetores sobre os quais ela opera conforme mostrado
na Figura 74.
Neste caso,
||Gx|| >> 1,
x tal que ||x|| = 1,
e portanto
min ||Gx|| >> 1.
||x||=1
Conseq
uentemente, min (G) >> 1. Logo,
G grande min (G) >> 1.
Uma matriz e pequena quando ela produz uma grande atenuacao para
todas as direcoes dos vetores sobre os quais ela opera conforme ilustrado na
Figura 75.
Consequentemente,
G pequena max (G) << 1.
Os diagramas de Bode para sistemas multivariaveis consistem nos graficos
de max (G(jw)) e min (G(jw)) em funcao da frequencia w conforme ilustrado
na Figura 76.
ejwt e ||
Seja uma entrada u(t) = u
u|| = 1, sem perda de generalidade,
pois a resposta depende linearmente da entrada (sistema linear). A resposta
ejwt , onde y
= G(jw)
de regime e y(t) = y
u.
130
x2
y = Gx
y2
min
max
1
x1
y1
Figura 75: Ilustracao de matriz pequena.
dB
max (G(jw))
min (G(jw))
Figura 76: Resposta em freq
uencia multivariavel atraves de valores singulares.
131
admissveis pode-se escrever para cada freq

Considerando todos os u
uencia
w que
||
ymax || = max (G(jw)) e ||
ymin || = min (G(jw)).
Para um dado w tem-se
ganho grande se min (G(jw)) >> 1 (ou 0dB),
ganho pequeno se max (G(jw)) << 1 (ou 0dB).
De maneira geral pode-se dizer que
polos pouco amortecidos correspondem a picos da curva de max ,
zeros correspondem a vales da curva de min .
As condicoes de desempenho estabelecidas para o caso SISO podem ser
extendidas para o caso MIMO usando o conceito de valores singulares. A
resposta para o sistema com entradas de dist
urbio, rudo de medicao e sinal
de referencia pode ser escrita como
Y(s) = G(s)K(s)(I + G(s)K(s))1 R(s)+
+(I + G(s)K(s))1 D(s) G(s)K(s)(I + G(s)K(s))N(s),
ou tambem
Y(s) = S(s)D(s) + T(s)(R(s) N(s)),
com as matrizes de sensibilidade e sensibilidade complementar definidas como
S(s) = (I + G(s)K(s))1
e T(s) = G(s)K(s)(I + G(s)K(s))1 .
Com esta extensao ao caso multivariavel, e possvel tambem ampliar as

principais conclusoes comentadas anteriormente, ou seja,
Acompanhamento do sinal de referencia.
Caso SISO: G(s)K(s) >> 1.
Caso MIMO: min (G(s)K(s)) >> 1.
Rejeicao de dist
urbios.
Insensibilidade a variacoes na planta.
132

Rejeicao do erro de medida.
Caso SISO: G(s)K(s) << 1.
Caso MIMO: max (G(s)K(s)) << 1.
Esforco de controle limitado.
Caso SISO: G(s)K(s) << 1.
Caso MIMO: max (G(s)K(s)) << 1.
Estas condicoes podem ser representadas em um diagrama de valores
singulares conforme na Figura 77.
dB
max (GK)
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
xxxxxxxxx
min (GK)
Figura 77: Forma desejada da resposta em freq
uencia multivariavel.
16.3
Modelagem da incerteza
As incertezas sao usualmente classificadas em duas categorias:

Estruturada: a estrutura da incerteza e conhecida, onde se tem faixas e
limites para os parametros incertos do sistema. Exemplo: uma funcao
de transferencia e valida, mas nao se conhece exatamente a localizacao
dos polos.
Nao-estruturada: assume menor conhecimento do sistema. Considerase apenas que a resposta em frequencia do sistema esta entre limites.
133
Sao usuais dois modelos para as incertezas: incerteza aditiva e incerteza

multiplicativa.
e dada por
A incerteza aditiva estabelece que a planta real G
G(s)
= G(s) + a (s),
onde G(s) e a planta nominal e a (s) e a incerteza aditiva. Uma
representacao de sistema com incerteza aditiva esta na Figura 78.
a (s)
G(s)
Figura 78: Representacao da incerteza aditiva.

A incerteza aditiva e usualmente empregada na modelagem de dinamica
de alta frequencia desconsiderada inicialmente. Nota-se que a incerteza
aditiva representa um erro absoluto.
A incerteza multiplicativa e representada por
= (1 + m (s))G(s),
G
onde m e a incerteza.
Uma representacao da incerteza multiplicativa na entrada da planta e
dada na Figura 79, e uma representacao para a incerteza na sada da
planta e dada na Figura 80.
O modelo de incerteza multiplicativa considera um erro relativo e e
usado mais frequentemente.
Exemplo: Seja um modelo dado por s12 (modo rgido) e um compensador
em avanco. A malha aberta nominal e dada por:
G(s) =
10(s + 1)
.
s2 (s + 5)
134
m (s)
G(s)
Figura 79: Incerteza multiplicativa na entrada da planta.

m (s)
G(s)
Figura 80: Incerteza multiplicativa na sada da planta.

Considere que este sistema tambem possua um modo flexvel (termos de
maior ordem) dado por
s2 + 2(0.1)(12)s + 122
102
.
s2 + 2(0.05)(10)s + 102 122
deve considerar tambem o modo flexvel. Logo,
A planta real G
s2 + 2(0.1)(12)s + 122
102
10(s + 1)
.
G(s)
= 2
s (s + 5) s + 2(0.05)(10)s + 102 122
A incerteza aditiva pode ser determinada como
a (s) = G(s)
G(s) =
3.056s2 + 3.611s + 6.667

.
s4 + 6s3 + 105s2 + 500s
A incerteza multiplicativa pode ser determinada como

m (s) =
G(s)
G(s)
0.3056s2 + 0.6667s
=
.
G(s)
s2 + s + 100
135
16.4
Estabilidade robusta
Seja a planta nominal G(s) e a planta real G(s).

Para a estabilidade robusta, o controlador projetado deve garantir a es
tabilidade da malha fechada com base na planta real G(s).
O Teorema do Ganho Pequeno (Small Gain Theorem) estabelece que se
a planta nominal G(s) e o controlador K(s) sao estaveis, entao o sistema em
malha fechada, conforme mostrado na Figura 81, permanecera estavel se
|G(s)K(s)| < 1.
R(s)
G(s)
Y (s)
K(s)
Figura 81: Representacao para o teorema do ganho pequeno.

possvel escrever que |G(s)K(s)| |G(s)||K(s)| e entao a estabilidade
E
estara garantida se
|G(s)||K(s)| < 1.
A prova do teorema do ganho pequeno e baseada no criterio de estabilidade de Nyquist. Se G(s)K(s) e estavel, entao o seu n
umero de polos
no semi-plano direiro e nulo (p = 0). Se |G(s)K(S)| < 1, que representa
uma regiao no interior de um crculo de raio unitario no plano s, entao nao
ha envolvimentos do ponto 1. Conseq
uentemente, do criterio de Nyquist,
z = 0 + 0 = 0, ou seja, nao ha polos da malha manha fechada no semi-plano
direito e esta e estavel.
O teorema do ganho pequeno auxilia na resposta de duas questoes:
Se uma incerteza e estavel e limitada, a malha fechada sera estavel
considerando esta incerteza?
Qual e a menor incerteza que desestabiliza o sistema?
136
Figura 82: Malha fechada com incerteza multiplicativa.

An
alise com incerteza multiplicativa
Seja um sistema com incerteza multiplicativa conforme mostrado na Figura
82.
Este sistema deve ser colocado na forma padrao da Figura 81 para a
aplicacao do teorema do ganho pequeno.
Seja a Figura 83 que representa a planta M vista pela incerteza m .
Figura 83: Forma padronizada para aplicacao do teorema do ganho pequeno.

A funcao de transferencia M pode ser determinada usando o diagrama o
diagrama da Figura 84, onde se desconsiderou a entrada e sada pois deseja-se
apenas a relacao entre e M .
Da Figura 84 e possvel escrever as seguintes relacoes:
o = G,
= K(i + o),
137
m
i
Figura 84: Esquema para determinar a funcao M .

e entao
o = GK(i + o) (1 + GK)o = GKi o =
GK
i = M i.
1 + GK
Portanto,
GK
.
1 + GK
Pelo teorema do ganho pequeno, se m e M sao estaveis, entao a malha
fechada sera robustamente estavel se
M=
|m ||M | < 1 || <

ou,
|m | <
Verifica-se que
1
,
|M |
1
1
|
|
<
.
m
|GK(1 + GK)1 |
|T |
1 + (GK)1 = 1 +
1
1 + GK
=
= T 1 ,
GK
GK
e entao escreve-se que

|m | < |1 + (GK)1 |.
Consequentemente, se a incerteza for limitada, |m | < , entao o sistema
em malha fechada sera estavel se
|T | <
ou
|T | < 1,
138
que caracteriza a condicao para estabilidade robusta em termos de .

Como a incerteza deve ser menor que T1 , entao ela deve ser menor que o
mnimo de T1 . Logo, deve-se considerar o maximo valor de T (valor de pico),
ou seja,
1
1
1
|m | < min
|m | <
,
|m | <
|T |
|T |
max |T |
onde max |T | representa o pico da resposta em frequencia de malha fechada

(pico de ressonancia).
Define-se a margem de estabilidade multiplicativa como
M SM =
1
,
maxw |T (jw)|
de forma que para a estabilidade deve-se satisfazer

|m | < M SM.
Nota-se que para aumentar a protecao contra incertezas multiplicativas,
M SM deve ser grande, implicando que a funcao de sensibilidade complementar seja pequena. Isso e compatvel com a rejeicao de rudos de medicao
e conflitante com o acomnpanhamento do sinal de referencia e rejeicao de
dist
urbios.
Para o caso multivariavel, a menor incerteza multiplicativa que desestabiliza o sistema e dada por
max (m(jw)) <
1
.
max (T(jw))
Nota: no caso de sistemas multivariaveis, existe diferenca entre incerteza

multiplicativa na entrada e na sada da planta, pois a ordem dos produtos
matriciais e importante. Os resultados anteriores foram deduzidos com base
na incerteza multiplicativa na sada da planta. No caso de incerteza multiplicativa na entrada, as funcoes de sensibilidade e sensibilidade complementar
seriam
S = (I + KG)1 e T = KG(I + KG)1 .
An
alise do caso de incerteza aditiva
Seja o caso de uma incerteza aditiva conforme mostrado na Figura 85.
Da mesma forma como foi feito para a incerteza multiplicativa, e preciso
colocar na forma de dois blocos conforme mostrado na Figura 86 para a
aplicacao do teorema do ganho pequeno.
139
Figura 85: Malha fechada com incerteza aditiva.
a
o
i
G
Figura 86: Esquema para a definicao da funcao M .
140
Da Figura 86 verifica-se que

o = K(i + Go) (1 + GK)o = Ki o =
e conseq
uentemente,
M=
K
i = M i,
1 + GK
K
.
1 + GK
Pelo teorema do ganho pequeno:

|a ||M | < 1 |a | <
|a | <
1
,
|M |
1
1
|a | <
.
1
|K(1 + GK) |
|KS|
Considerando a estavel e limitada tem-se

|a | < |KS| <
ou |KS| < 1.
Define-se a margem aditiva de estabilidade como

ASM =
1
,
maxw |K(jw)S(jw)|
|a | < ASM.
Para o caso multivariavel, a menor incerteza aditiva que desestabiliza o

sistema e dada por:
max (a ) <
1
.
max (K(jw)S(jw))
Exemplo: Seja a planta nominal compensada dada por

G(s) =
10(s + 1)
,
s2 (s + 5)
e a planta real compensada dada por

10(s + 1)
s2 + 2(0.1)(12)s + 122
102
G(s)
= 2
2
.
s (s + 5) s + 2(0.05)(10)s + 102 122
As incertezas multiplicativa e aditiva correspondentes sao
a (s) = G(s)
G(s) =
3.056s2 + 3.611s + 6.667

,
s4 + 6s3 + 105s2 + 500s
141
Root Locus
5
4
3
Imaginary Axis
2
1
0
1
2
3
4
5
5
Real Axis
Figura 87: Lugar das razes da planta nominal.
Root Locus
25
20
15
Imaginary Axis
10
5
0
5
10
15
20
25
5
1
Real Axis
Figura 88: Lugar das razes da planta real.
142
m (s) =
G(s)
G(s)
0.3056s2 + 0.6667s
=
.
G(s)
s2 + s + 100
O grafico do lugar das razes das plantas nominal e real sao apresentados
nas Figuras 87 e 88 respectivamente. Verifica-se que a malha fechada nominal
sera estavel para qualquer ganho, enquanto que a malha fechada real torna-se
instavel para ganhos muito baixos e tambem para ganhos muito altos.
Os diagramas de Bode da planta nominal e da planta real sao apresentados
na Figura 89. Verifica-se que a planta nominal possui margem de ganho
infinita e margem de fase de 42 (boas margens), enquanto que a planta real
possui margem de ganho Gm = 10.6dB e margem de fase tembem de 42 ,
notando-se a queda de robustez.
Bode Diagram
Magnitude (dB)
150
100
50
0
50
Phase (deg)
100
135
180
225
270
2
10
nominal
real
1
10
10
Frequency (rad/sec)
10
10
Figura 89: Diagrama de Bode das plantas nominal e real.

A Figura 90 apresenta a resposta ao degrau das malhas fechadas nominal
e real, onde se verifica a oscilacao devido aos modos flexveis.
As funcoes de sensibilidade e sensibilidade complementar sao apresentadas na Figura 91. Verifica-se que max |T | = 3.74dB e max |S| = 3.57dB
de forma que tem-se M SM = 0.27dB e ASM = 0.28dB. Nota-se que estas
margens sao bem mais conservativas que a tradicional margem de ganho Gm.
Para analisar a estabilidade robusta em termos da incerteza multiplicativa
143
Step Response
1.4
nominal
real
1.2
Amplitude
0.8
0.6
0.4
0.2
Time (sec)
Figura 90: Resposta ao degrau das malhas fechadas nominal e real.
Bode Diagram
10
Magnitude (dB)
10
20
30
40
50
1
10
S
T
10
10
Frequency (rad/sec)
10
Figura 91: Funcoes sensibilidade e sensibilidade complementar.
144
deve-se verificar a validade da relacao

|m | <
1
,
|T |
atraves dos respectivos diagramas de Bode de m e T1 , conforme apresentado

na Figura 92.
Bode Diagram
80
T 1
m
60
Magnitude (dB)
40
20
0
20
40
60
80
1
10
10
10
Frequency (rad/sec)
Figura 92: Diagrama de Bode de m e
10
1
.
T
Verifica-se que a condicao de estabilidade robusta e satisfeita para toda

a faixa de freq
uencias.
O mesmo tipo de analise pode ser feita para o caso da incerteza aditiva.
Neste caso, a condicao para estabildade robusta e
1
.
|a | <
|KS|
Como a planta ja esta compensada, a analise pode ser feita apenas em

termos de S. O diagrama de Bode para a e S e mostrado na Figura 93.
Verifica-se que a condicao da estabilidade robusta para incerteza aditiva
e satisfeita para toda a faixa de freq
uencias.
Exemplo: Seja o mesmo exemplo anterior exceto pelo fato de que
G(s) =
32(s + 1)
.
s2 (s + 2)
145
Bode Diagram
60
S 1
a
40
Magnitude (dB)
20
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
Figura 93: Diagrama de Bode de a e S1 .

Analisar a estabilidade robusta considerando incertezas multiplicativa e aditiva.
As Figuras 94 e 95 apresentam a analise de estabilidade robusta. Verificase que tanto para a situacao de incerteza aditiva como para incerteza multiplicativa, a condicao da estabilidade robusta nao e satisfeita.
A resposta ao degrau das malhas fechadas nominal e real e apresentada
na Figura 96.
Verifica-se que em embora o teste de estabilidade robusta tenha falhado,
o sistema e estavel. Isso quer dizer que o teorema do ganho pequeno e valido
em apenas uma direcao, ou seja, se ele for satisfeito o sistema e robustamente
estavel, e um sistema estavel pode nao satisfazer o teorema coimo visto neste
exemplo.
17
Controle H
Se uma funcao de transferencia de malha fechada e estavel e propria diz-se

que ela esta no H .
A norma infinito e definida da seguinte forma:
146
Bode Diagram
60
T 1
m
40
Magnitude (dB)
20
20
40
60
80
1
10
10
10
Frequency (rad/sec)
Figura 94: Diagrama de Bode de m e
10
1
.
T
Bode Diagram
80
S 1
a
60
Magnitude (dB)
40
20
0
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
Figura 95: Diagrama de Bode de a e S1 .

147
Step Response
2.5
nominal
real
Amplitude
1.5
0.5
10
Time (sec)
Figura 96: Resposta ao degrau das malhas fechada nominal e real.

Norma de matriz:
||A || = max
i
n
X
j=1
|aij |.
Norma de uma funcao:

||x(t)|| = sup |x(t)|.
t0
Norma de funcoes de transferencia (SISO):

||T (s)|| = sup |T (jw)|,
w
que corresponde ao valor de pico da resposta em frequencia. Verifica-se

que ||T (s)|| e finita quando T (s) e propria e nao possui polos no eixo
imaginario.
Norma de matrizes de transferencia (MIMO):
||T(s)|| = sup max (T(jw)).
w
148
A margem de estabilidade multiplicativa pode ser escrita como

M SM =
1
.
||T ||
O objetivo do controle H e minimizar a norma da funcao de tranferencia, ou seja, reduzir o pico de amplitude no diagrama de Bode (ou o
pico do maior valor singular no caso MIMO). Esta minimizacao aumentara
a margem de estabilidade robusta do sistema.
Seja o modelo de estado
x = Ax + Bu,
y = Cx + Du,
cuja funcao (matriz) de transferencia e dada por
P(s) = C(sI A)1 B + D.
Uma representacao usual do problema H e mostrada na Figura 97, onde
w: entradas exogenas (referencia, dist
urbios e rudos);
u: vetor do sinal de controle;
z: medida de desempenho;
y: sinal medido e usado para realimentacao.
z
w
P(s)
K(s)
Figura 97: Representacao do problema H

O modelo de estados, neste caso, e dado por
x = Ax + B1 w + B2 u,
z = C1 x + D11 w + D12 u,
y = C2 x + D21 w + D22 u.
149
Com base na Figura 97 e possvel escrever que

z = Pzw w + Pzu u,
y = Pyw w + Pyu u,
u = Ky.
A malha fechada sera determinada por
y = Pyw w + Pyu Ky,
(I Pyu K)y = Pyw w,
y = (I Pyu K)1 Pyw w,
u = K(I Pyu K)1 Pyw w,
z = Pzw w + Pzu K(I Pyu K)1 Pyw w,
z = Pzw + Pzu K(I Pyu K)1 Pyw w = Tzw w,

|
{z
Tzw
Tzw = Pzw + Pzu K(I Pyu K)1 Pyw .
A funcao Tzw e chamada de transformacao linear fracional inferior e representa a funcao de tranferencia entre os dist
urbios w e a sada de desempenho
z.
Um problema usual pode ser representado na forma padrao. Seja como
exemplo o esquema da Figura 98.
d
y
K(s)
P (s)
sada real
Vm
sada medida
Figura 98: Malha fechada com entradas adicionais de dist

urbio e rudo.
Com base na Figura 98 tem-se que as entradas sao:
w1
w = r = w2 .
n w3
150
A sada de desempenho pode ser definida como o erro a ser minimizado,

ou seja,
z = v r.
O sinal de realimentacao para o controlador e dado por
y = r Vm = r (v + n) = r v n.
Logo, o sinal de desempenho pode ser escrito como
z = v r = P (s)u + d r,
ou ainda,
z = w1 w2 + 0 w3 + P (s)u.
O sinal de realimentacao pode ser escrito como
y = r v n = r P (s)u d n,
ou ainda,
y = w1 + w2 w3 P (s)u.
Portanto,
(
z
y
| {z }
(21)
"
|
1 1 0
P (s)
1 1 1 P (s)
{z
(24)
#(
w
u
} | {z }
(41)
Entao, a planta generalizada pode ser escrita como

P=
"
1 1 0
P (s)
1 1 1 P (s)
O problema da Figura 98 pode ser esquamatizado na forma padrao do

problema H como na Figura 99.
Verifica-se que
Pzw = [1 1 0],
Pyw = [1 1 1],
Pzu = P (s),
Pyu = P (s).
Aplicando a equacao da transformacao linear fracional, e possvel determinar Tzw , ou seja,

Tzw = [1 1 0] + P K(1 + P K)1 [1 1 1],
151
w= r
P(s)
P (s)
y
K(s)
Figura 99: Forma padrao do problema para o problema H .

PK
[1 1 1].
1 + PK
Verifica-se que Tzw e uma matriz 1 3, pois o problema possui 3 entradas
(r, d, n) e uma sada de desempenho (z).
A norma H pode ser escrita como
Tzw = [1 1 0] +
||Tzw || = max (Tzw (jw)) = max i (Tzw Tzw ).

O problema H otimo consiste em determinar o controlador K(s) tal que
||Tzw || seja minimizada, ou seja,
min ||Tzw || .
K(s)
usual trabalhar com o problema H sub-otimo, que consiste em deterE

minar K(s) tal que ||Tzw || < . Neste caso, e reduzido sucessivamente ate
um min factvel. O problema sub-otimo possui maior facilidade de solucao
computacional.
Este problema pode ser resolvido pelo menos de tres formas, ou seja,
busca direta, onde o problema de otimizacao e resolvido;
solucao das equacoes de Riccati correspondentes;
emprego de tecnicas baseadas nas desigualdades matriciais lineares, que
e um enfoque mais atual.
152
17.1
Estabilidade segundo Lyapunov
O conceito de estabilidade de Lyapunov e bastante geral e se aplica tambem

para sistemas nao lineares.
A estabilidade de Lyapunov estabelece que um sistema estavel possui uma
funcao de Lyapunov positiva e que a derivada desta funcao deve ser negativa,
ou seja,
V (x, t) > 0, x 6= 0 e t.
V (x, t) < 0, x 6= 0 e t.
Seja um sistema na forma x = Ax. Neste caso, e usual considerar a
funcao de Lyapunov na forma quadratica,
V (x) = xt Px > 0, P > 0.
Neste caso, verifica-se que
V (x) = x t Px + xt Px = xt At Px + xt PAx =
= xt (At P + PA)x < 0,
ou ainda
At P + PA < 0.
usual escrever a condicao de estabilidade de Lyapunov da seguinte
E
forma. Um sistema x = Ax e estavel se existir uma matriz simetrica P > 0
tal que a inequacao de Lyapunov At P + PA < 0 seja satisfeita.
A condicao de estabilidade de Lyapunov pode ser escrita na forma de
desigualdades matriciais lineares, ou seja,
At P + PA < 0,
P = Pt > 0.
Usualmente associa-se à funcao de Lyapunov uma funcao energia. Neste
caso, o conceito de estabilidade de Lyapunov passa a ter um sentido fsico. A
energia e positiva e para a estabilidade do sistema ela deve ser decrescente,
ou seja, ter uma derivada negativa. Uma ilustracao associada ao conceito de
estabilidade e mostrada na Figura 100.
Seja Q = Qt > 0 e a chamada equacao de Lyapunov
At P + PA + Q = 0.
Se A e estavel, entao,
P=
t
eA t QeAt dt > 0.
153
x2
xo
x1
Figura 100: Conceito de estabilidade do sistema x = Ax.

Uma breve demonstracao e dada a seguir.
At P + PA =
Z
t
t
At eA t QeAt + eA t QeAt A dt =
t
t
d
=
eA t QeAt dt = lim eA t QeAt Q = Q,
t
dt
0
|
{z
}
0
onde o limite e nulo pois A e estavel.
17.2
H via Riccati
Seja o sistema na forma padrao para o problema H :

x = Ax + B1 w + B2 u,
z = C1 x + D12 u,
y = C2 x + D21 w,
e o esquema da Figura 101.
Este sistema pode ser representado atraves da seguinte notacao compacta:
A B1 B2
A B1 B2
C
0 D12
C
D
D
=
P=
1
1
11
12
C2 D21 0
C2 D21 D22
As equacoes de estado podem ser representadas conforme na Figura 102.
154
z
P
y
K
Figura 101: Esquema padrao do problema H .
D12
w
B1
C1
u
(s)
B2
C2
y
D21
Figura 102: Representacao das equacoes de estado do problema H .
155
Define-se o Gramiano de Observabilidade como

Z
P=
t
t
eA t Ct1 C1 eA dt,
e Gramiano de Controlabiliade como

Q=
t
t
eA t Bt1 B1 eA dt.
Consequentemente e possvel escrever as seguintes equacoes de Riccati

associadas:
At P + PA + Ct1 C1 = 0,
At Q + QA + Bt1 B1 = 0.
Lembrando do problema LQR, tem-se o ndice de desempenho
J=
(xt Qx + ut Ru)dt,
e a equacao de Riccati associada e

At P + PA PBR1 Bt P + Q = 0,
com a lei de controle otimo dada por
u = R1 Bt Px.
Quando o indce de desempenho passa a ser baseado na norma H , ou
seja J = ||Tzw || , e possvel obter equacoes de Riccati associadas. Considere
o problema H sub-otimo, ou seja,
||Tzw || < .
Neste caso, as equacoes de Riccati correspondentes sao:
!
1
A X + XA + X 2 B1 Bt1 B2 Bt2 X + Ct1 C1 = 0,
1
YAt + AY + Y 2 Ct1 C1 Ct2 C2 Y + B1 Bt1 = 0.
A solucao destas equacoes permite determinar um controlador regido por

!
1
= A + 2 B1 Bt1 X + ZLC2 + B2 u ZLy,
156
zL
(s)
B2
C2
1
B Bt X
2 1 1
Figura 103: Representacao do controlador H obtido por Riccati.

u = F,
com
F=
Bt2 X,
L=
YCt2 ,
!1
1
Z = I 2 YX
Este controlador esta representado na Figura 103.

A malha fechada pode ser obtida da seguinte forma:
!
1
= A + 2 B1 Bt1 X + ZLC2 + B2 F +
(ZLC2 x + ZLD21 w) ,
Logo escreve-se que
x = Ax + B1 w + B2 F,
z = C1 x + D12 F.
Matricialmente tem-se a equacao de estados
(
"
A

ZLC2 A +
+
"
B2 F

t
1
B
B
X
+
ZLC
+
B
F
2
2
2 1 1
B1
ZLD21
#(
w.
157
A equacao da sada e dada por

(
z
y
"
C1 D12 F
C2
0
#(
"
0
D21
Para o calculo de Tzw deve-se considerar entao que

z = [C1
D12 F]
+ 0w
Algoritmo para solu

c
ao
O seguinte algoritmo pode ser usado para determinar o controlador H
atraves da formulacao das equacoes de Riccati.
1. k = 0, o dado (valor de partida grande).
2. Resolver as equacoes de Riccati.
3. Determinar o controlador.
4. Fechar a malha.
5. Verificar a estabilidade em malha fechada.
6. Diminuir : k+1 = k , > 0.
7. Voltar para 2).
As iteracoes sao terminadas terminadas quando
nao for possvel obter a solucao para as equacoes de Riccati, ou
a malha fechada for instavel.
Exemplo: Determinar um controlador H considerando o modelo de estados
x 1 = d + u,
x 2 = x1 ,
y = x2 + n,
onde d e uma entrada de dist
urbio, n e o rudo de medicao e u e o sinal de
controle. As sadas de desempenho sao x2 e u. Logo,
w=
d
n
z=
x2
u
.
158
Este sistema pode ser colocado na forma padrao, ou seja,

(
x 1
x 2
"
0 0
1 0
z=
{z
x2
u
y = [0
#(
x1
x2
1]
| {z }
"
0 1
0 0
C1
{z
x1
x2
"
1 0
0 0
B1
#(
{z
x1
x2
#(
d
n
"
1
0
u,
| {z }
B2
"
0
1
u,
| {z }
D12
+ [0
1]
| {z }
d
n
C2
D21
O sistema na notacao compacta e representado por
A B1 B2
0 D12
P=
C1
=
C2 D21 D22
0
1
0
0
0
0
0
1
0
1
1
0
0
0
0
0
0
0
0
1
1
0
0
1
0
Um codigo MATLAB para resolver este problema usando o algoritmo

apresentado anteriormente e tambem as funcoes do Robust Control Toolbox
e apresentado a seguir.
clc; clear all; close all;

%modelo do sistema
A=[0 0; 1 0]
B1=[1 0; 0 0]
B2=[1; 0]
C1=[0 1; 0 0]
C2=[0 1]
D11=[0 0; 0 0]
D12=[0 ; 1]
D21=[0 1]
D22=0;
%matriz na forma compacta
P=[A B1 B2; C1 D11 D12; C2 D21 D22]
159
%malha aberta
a=A;
b=[1 0];
c=[0 1];
d=0;
pma=ss(a,b,c,d);
%valor de gamma
gamma=2.62
%solucao das equacoes de Riccati
B=(B1*B1)/(gamma^2)-B2*B2
C=(C1*C1)/(gamma^2)-C2*C2
Q1=C1*C1
Q2=B1*B1
X=are(A,-B,Q1)
Y=are(A,-C,Q2)
Z=inv(eye(length(A))-Y*X/gamma^2)
F=-B2*X
L=-Y*C2
%Controlador
disp(Modelo de Estado do Controlador Hinfinito)
Ak=A+B1*B1*X/gamma^2+Z*L*C2+B2*F
Bk=-Z*L
Ck=F
Dk=0
%Malha Fechada Final (Tzw)
disp(Malha fechada final)
Af=[A B2*F; -Z*L*C2 A+B2*F+B1*B1*X/gamma^2+Z*L*C2]
Bf=[B1; -Z*L*D21]
lC2=size(C2)
cC2=size(D12*F)
Cf=[C1 D12*F]
cD21=size(D21)
Df=[zeros(cC2(1),cD21(2))]
pmf=ss(Af,Bf,Cf,Df)
%verificacao da estabilidade
160
polosmf=eig(Af)
%calculo da norma Hinfinito
nhinf=normhinf(pmf)
sigma(pmf)
%funcoes de transferencia de malha fechada
ts=tf(pmf)
tswx2=ts(1,1)
tswu=ts(1,2)
tsnx2=ts(2,1)
tsnu=ts(2,2)
%verificacao do desempenho
t=0:0.01:20;
nt=length(t);
disturbio=rand(nt,1)-0.5; %disturbio entre -1 e +1
ruido=0.01*disturbio;
%respostas ao disturbio e ruido
rx2w=lsim(tswx2,disturbio,t);
figure
plot(t,rx2w)
ruw=lsim(tswu,disturbio,t);
figure
plot(t,ruw)
rx2n=lsim(tsnx2,ruido,t);
figure
plot(t,rx2n)
run=lsim(tsnu,ruido,t);
figure
plot(t,run)
%SOLUCAO USANDO FUNCOES ESPECIFICAS DO ROBUST CONTROL TOOLBOX
%RESOLVENDO ATRAVES DE RICCATI - HINFRIC
P1=ltisys(A, [B1 B2], [C1; C2], [D11 D12; D21 D22]);
disp(Solucao obtida com o hinfric do matlab)
161
[goptRIC,KRIC,X1,X2,Y1,Y2,Preg] = hinfric(P1,[1 1]);

disp(gamma otimo encontrado - hinfric)
disp(goptRIC)
disp(Solucao das equacoes de Riccati)
X=X2*inv(X1)
Y=Y2*inv(Y1)
disp(Malha fechada com controlador hinf)
clsys=slft(P1,KRIC,1,1)
disp(Norma Hinf de malha fechada com controlador)
normhinf(clsys)
%RESOLVENDO ATRAVES DE LMI - HINFLMI
[goptLMI,KLMI,X1,X2,Y1,Y2] = hinflmi(P1,[1 1])
disp(gamma otimo encontrado - hinflmi)
disp(goptLMI)
disp(Solucao das equacoes de Riccati)
X=X2*inv(X1)
Y=Y2*inv(Y1)
disp(Malha fechada com controlador hinf)
clsys=slft(P1,KLMI,1,1)
disp(Norma Hinf de malha fecada com controlador)
normhinf(clsys)
18
Bibliografia
1. Shahian B., Hassul M., Control System Design Using Matlab, PrenticeHall, 1993.
2. Philips C. L., Nagle H. T., Digital Control System Analysis and Design,
Prentice-Hall, 1995.
3. Cruz J. J., Controle Robusto Multivariavel, Edusp, 1996.
4. Skogestad S., Postlethwaite I., Multivariable Feedback Control - Analysis and Design, John Wiley & Sons, 1997.
5. Rowland J. R., Linear Control System - Modeling Analysis and Design,
John Wiley & Sons, 1986.
162
19
19.1
Exerccios
Lista 1
1. A resposta ao impulso unitario discreto de um sistema e h(n) = an u(n)

para 0 < a < 1. Determine a resposta y(n) se a entrada for x(n) = u(n)
(degrau unitario).
n+1
Resposta: y(n) = 1a
1a u(n).
2. Resolva a equacao a diferencas y(n) ay(n 1) = x(n) com y(n) = 0
para n < 0 e x(n) = (n).
Resposta: y(n) = an u(n).
3. Determine a transformada Z e a regiao de convergencia para x(n) =

bn u(n 1).
Resposta: X(z) =
z
zb ,
|z| < |b|.
4. Determine a transformada Z e a regiao de convergencia para x(n) =

(n 2)an2 cos[0 (n 2)]u(n 2).
2
zcos0
d
Resposta: Z[x(n)] = z 1 dz
( z 2z2zcos
|
), |z| > |a|.
0 +1 zz/a
5. Encontre a anti-transformada Z de
z4 + z2
(z 12 )(z 14 )
X(z) =
para a regiao de convergencia
1
2
< |z| < .
Resposta: x(n) = (n + 2) + 43 (n + 1) + [ 52 ( 12 )n
17 1 n
16 ( 4 ) ]u(n).
6. Encontre a anti-transformada Z de
X(z) =
z2 + z
(z 12 )3 (z 41 )
para a regiao de convergencia |z| > 21 .
Resposta: x(n) = {80( 21 )n 20n( 12 )n1 + 6[ n(n1)

]( 21 )n2 80( 14 )n }u(n).
2
7. Para y(n) = ay(n1)+x(n) encontre a resposta ao impulso calculando

H(z) e a respectiva transformada inversa.
Resposta: y(n) = an u(n).
163
19.2
Lista 2
1. Seja o sistema descrito por y(k + 1) = 0.5y(k) + u(k), com y(0) = 0.

(a) Determine a resposta ao impulso;
(b) Determine a resposta do sistema para a entrada u(k) = {1, 4, 0, 2}
usando o conceito de convolucao.
2. Seja o sistema y(k + 1) + a0 y(k) = b0 u(k).
(a) Determine a resposta ao impulso resolvendo a equacao a diferencas;
(b) Analise os casos possveis no que se refere à estabilidade;
(c) Determine a funcao de tranferencia;
(d) Discuta a estabilidade atraves da funcao de transferencia;
(e) Determine a resposta ao impulso atraves da transformada Z;
(f) Arbitre valores para a0 e b0 e verifique as situacoes em termos de

estabilidade. Use o Matlab se necessario.
3. Determine as funcoes de transferencia de controladores PID usando as

transformacoes:
(a) Euler para frente;
(b) Euler para tras.
4. Determinar a tabela de erros estacionarios para sistemas discretizados,
usando seguradores de ordem zero, dos tipos 0, 1 e 2 para entradas
degrau, rampa e parabola unitarias. Comparar com a tabela de erros
do caso de sistemas contnuos.
5. Sejam as plantas e um intervalo de amostragem de 0.01s,
G1 (s) =
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
(a) Converta as plantas para o tempo discreto usando a transformacao

do degrau invariante (analiticamente);
(b) Confira sua resposta com o uso da funcao c2d do Matlab;
(c) Determine as constantes de erro de posicao, de velocidade e de
aceleracao dos sistemas contnuos;
164
(d) Determine as constantes de erro de posicao, de velocidade e de

aceleracao do sistemas discretos, e compare com as do sistema
contnuo.
6. Para as plantas do exerccio 5 considerando realimentacao unitaria:
(a) Determine os erros estacionarios ao degrau e à rampa dos sistemas
contnuos;
(b) Determine graficamente, com auxlio do Matlab, a resposta ao
degrau e à rampa e verifique os erros estacionarios;
(c) Repita os itens 6a e 6b para os respectivos sistemas discretizados
e compare as respostas.
19.3
Lista 3

G1 (s) =
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
(a) Converta as plantas para o tempo discreto usando a transformacao

do degrau invariante (analiticamente);
(b) Confira sua resposta com o uso da funcao c2d do Matlab;
(c) Determine as constantes de erro de posicao, de velocidade e de
aceleracao dos sistemas contnuos;
(d) Determine as constantes de erro de posicao, de velocidade e de
aceleracao do sistemas discretos, e compare com as do sistema
contnuo.
2. Para as plantas do exerccio 1 considerando realimentacao unitaria:
(a) Determine os erros estacionarios ao degrau e à rampa dos sistemas
contnuos;
(b) Determine graficamente, com auxlio do Matlab, a resposta ao
degrau e à rampa e verifique os erros estacionarios;
(c) Repita os itens 2a e 2b para os respectivos sistemas discretizados
e compare as respostas.
3. Sejam as plantas em uma condicao de realimentacao unitaria, e intervalo de amostragem T=0.01s.
G1 (s) =
1
100
100
4
; G2 (s) =
; G3 (s) =
; G4 (s) =
.
s(s + 0.2)
s(s + 40)
s(s + 10)
s(s + 4)
165
(a) Determine o fator de amortecimento e a freq

uencia natural amortecida;
(b) Verifique se resposta ao degrau e sub-amortecida, criticamente
amortecida ou super-amortecida;
(c) Discretize as plantas e encontre a resposta ao degrau;
(d) Verifique a compatibilidade entre a situacao contnua e discreta.
4. Para as plantas do exerccio 3 com realimentacao unitaria:
(a) Determine (quando possvel) o PSS, tempo de subida, tempo de
estabilizacao a 2%, tempo de pico e erro estacionario para a situacao em tempo contnuo;
(b) Para a situacao discretizada, repita o item anterior. Compare as
respostas.
5. Selam as plantas:
G1 (s) =
K
s(s + 2)
G2 (s) =
2K
.
s(s + 5)
(a) Determine o valor de K para que o PSS seja menor que 10% para
a situacao de realimentacao unitaria (caso connuo);
(b) Repita o item anterior para o caso discretizado com T=0.1s.
19.4
Lista 4

G1 (s) =
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
(a) Determine os respectivos modelos de estado em tempo contnuo;

(b) Atraves dos modelos de estado, obtenha os respectivos modelos
de estado em tempo discreto;
(c) Converta os modelos de estado discretos para funcao de tranferencia e compare com a respectiva discretizacao pelo degrau
invariante das funcoes de transferencia;
(d) Verifique suas respostas usando o Matlab.
166
2. Seja a planta G(s) = 1/(s(s + 2)). Projete um controlador do tipo

K(z) = Kc (z + )/(z + ) que atenda aos seguintes requisitos: = 0.5
e tempo de estabilizacao de 2s. O intervalo de amostragem e de 0.2s.
Obtenha a resposta à rampa e a constante de erro de velocidade.
3. Seja o sistema definido por x(kT ) = u(kT ) + ax((k 1)T ), com 0 <
a < 1, onde u e a entrada e x e a sada. Obtenha a resposta de regime
quando a entrada for a senoide amostrada u(kT ) = Asen(kwT ).
4. Para G(s) = 10/(s + 10) obtenha G(w). Analise os polos, zeros e o
ganho estatico de G(s) e de G(w) para o intervalo de amostragem de
T = 0.1s. Varie o o intervalo de amostragem e discuta os efeitos.
5. Obtenha um controlador do tipo K(s) = Kc (z + )/(z + ) tal que
o fator de amortecimento seja = 0.5 e a freq
uencia de oscilacao da
malha fechada seja de 8rad/s. Considere um intervalo de amostragem
de 0.2s.
6. Seja a planta G(s) = 2 /(s2 + 2 ). Obtenha a representacao de estado
deste sistema. Obtenha o respectivo modelo de estado discretizado. A
partir do modelo de estado discretizado, obtenha a respectiva funcao
de tranferencia.
7. Um modelo de um satelite e dado pela equacao diferencial J = u + v,
onde J e momento de inercia, e o angulo, u e torque de controle
aplicado e v e uma entrada de dist
urbio. Desconsidere o dist
urbio v.
Obtenha o modelo de estado contnuo do sistema e o modelo discreto
correspondente. Obtenha a funcao de tranferencia do sistema discretizado.
19.5
Lista 5
1. Seja o sistema dado por
0.3
0.4 0 0.01
1
0
0
x
+
x =
0 u,
9.8
1.4 9.8 0.02
y = [0 0 1]x,
e um problema padrao LQR.
(a) Considerando R = rI e Q = qI com r = 1 e q = [1 10 102 103 106 ],
estude o comportamento do sistema em termos da resposta ao
167
degrau, margens de estabilidade e estabilidade. Esta situacao, em

que a razao r/q se aproxima de zero e chamada de cheap control.
(b) Considerando R = rI e Q = qI com r = [1 10 102 103 106 ] e
q = 1, estude o comportamento do sistema em termos da resposta
ao degrau, margens de estabilidade e estabilidade. Esta situacao,
em que a razao q/r se aproxima de zero e chamada de controle de
mnima energia.
19.6
Lista 6
1. Seja a planta nominal dada por P (s) = s12 compensada por K(s) =
20(s+1)
. Considere que o modelo da planta possui uma incerteza adidis+10
1
tiva dada por s2 +s+1
.
(a) Verifique se o controlador K(s) estabiliza a planta nominal.
(b) Verifique se o controlador K(s) estabiliza a planta real.
(c) Encontre a funcao de transferencia M (s) vista pela incerteza.
(d) Verifique a estabilidade robusta do sistema
2. Seja a planta nominal dada por P (s) =
2(s+1)
dada por P (s)K(s) = s2 (s
2 +s+1) .
1
s2
e a planta real ja compensada
(a) Determine a incerteza multiplicativa para o sistema.

(b) Determine a funcao M (s) vista pela incerteza.
(c) Verifique se a malha fechada e robustamente estavel.
3. Um sistema e descrito pelas equacoes:
x = x + d + 2u;
y = x n.
Considere como parametros de desempenho a variavel de estado x e

o sinal de controle u respectivamente, na presenca de dist
urbios d e
rudos de medicao n. Represente este sistema na notacao compacta
adequada ao uso da metodologia H e obtenha um controlador H .
Analise o desempenho do controlador.
4. Estude com atencao os exemplos feitos durante a disciplina.
168
19.7
Lista 7
1. Seja um sistema de primeira ordem dado por y + 5y = 10f (t), com f (t)
um degrau unitario e intervalo de amostragem de 0.1s.
(a) Determine a funcao de transferencia discreta usando um ZOH.
(b) Calcule a resposta do sistema discreto y(n) e compare com o resultado de y(t) (apenas para os pontos n = {1, 10}).
(c) Determine o erro estacionario usando o teorema do valor final
tanto para o sistema contnuo como para o discretizado.
(d) Determine/estime a constante de tempo e ganho estatico dos sistemas contnuo e discreto. Os resultados sao consistentes?
(e) Determine os polos do sistema contnuo e discreto. Eles sao consistentes? Comente sobre a estabilade do sistema contnuo e discreto.
2. Um sistema contnuo com entrada f (t) e sada y(t) e descrito por
y1 + 10y1 = 20f (t),
y 2 + 5y2 = 10f (t),
y(t) = y1 (t) + y2 (t).
Determine a relacao entre entrada F (z) e sada Y (z) usando a discretizacao pelo metodo impulso invariante. (Nota: T = 0.1s.)
3. Considere um sistema contnuo de primeira ordem. Sabendo que a
transformacao de Tustin e baseada na regra de integracao dos trapesios,
mostre que
2 z1
s=
.
T z+1
4. Um sistema de primeira ordem dado por y1 + 10y1 = 20f (t) deve ter
sua largura de banda preservada. Determine a funcao de tranferencia
discretizada que possua esta caracterstica. (Nota: T = 0.1s.)
5. Um sistema de segunda ordem e dado por
G(s) =
wn2
.
s2 + 2wn s
com wn = 10 e = 0.2. Considere uma entrada degrau unitario,

realimentacao unitaria e intervalo de amostragem de 0.01s.
(a) Escreva um codigo em Matlab para comparar a resposta ao degrau do sistema contnuo com o sistema discreto usando a transformacao de Tustin.
169
(b) Complemente o codigo para calcular a resposta em freq

uencia do
sistema em malha fechada.
6. Seja o sistema descrito por G(s) = 300/(s3 + 30s2 + 200s) e intervalo
de amostragem de 0.05s. Deseja-se que o erro estacionario à rampa
unitaria seja de 0.25, que o fator de amortecimento seja de 0.55 e que o
sistema oscile a 15rad/s. Determine o controlador do tipo K(z) = k z+a
z+b
que atenda a estes requisitos:
(a) Usando a metodologia de compensacao avanco-atraso analtica diretamente no plano z.
(b) Usando a metodologia de Bode analtico e transformada w.
7. Seja um sistema sistema massa-mola, massa m = 2.8kg e rigidez k =
400N/m. A posicao y da massa e a sada e a forca u na massa e a
entrada do sistema. Seja o intervalo de amostragem T = 0.01.
(a) Determine o modelo de estado do sistema e o discretize analiticamente usando um segurador de ordem zero.
(b) A partir de do modelo obtido no item 7a determine analiticamente a funcao de transferencia G(z).
(c) Verifique os resultados usando o MATLAB.
8. Um sistema e descrito por:
x 1 = 2x1 + x2 + u1 ;
x 2 = x1 x2 + 3u2 ;
y = x2 .
Seja o ndice de desempenho dado por:

J=
(2x21 2x1 x2 + 20x22 + u21 + 2u22 )dt.
(a) Determine o controlador otimo usando a metodologia LQR;

(b) Verifique a estabilidade da malha fechada.
(c) Determine a matriz/funcao de transferencia de malha fechada.
(d) Entenda claramente os efeitos dos pesos dados pelas matrizes Q
e R, ou seja, o que e esperado ao se variar estas matrizes.
9. Sabe-se que a transformacao de Tustin distorce a resposta em freq
uencia.
Uma alternativa para minimizar este efeito e usar o chamado prewarping. Mostre que a transformacao considerando esta compensacao
e dada por
#
"
z1
wc
,
s=
tan(wc T /2) z + 1
170
onde wc e a freq
uencia para a qual se deseja preservar a resposta em
freq
uencia.
10. Uma bancada para testes de vibracao possui massa de 1000kg e esta
apoiada sobre 4 molas de rigidez 25000N/m. Esta bancada contara com
um sistema de controle de vibracao atraves de um atuador hidraulico
que aplica uma forca vertical u(t). Considere um intervalo de amostragem de 0.01s e um segurador de ordem zero.
(a) Determine a funcao de transferencia de um controlador LQR discreto para assegurar que a velocidade da bancada permaneca nula.
Considere como ndice de desempenho a integral de y 2 + 4y 2 + u2 ,
onde y e y sao a posicao e a velocidade verticais da mesa.
(b) Determine a funcao de transferencia do controlador discreto por
realimentacao de estados que assegure um amortecimento de 0.7
e uma freq
uencia natural de 2rad/s.
(c) Determine o maximo esforco de controle (valor absoluto) para os
dois casos anteriores se um deslocamento de 0.1m e imposto à
mesa e esta e solta. Sugestao: obter a resposta graficamente e
extrair o valor do grafico.
1
11. Seja a planta G(s) = 2s
e um intervalo de amostragem de 0.01s. Usando
a metodologia da transformada w determine analiticamente o controlador PD para que a freq
uencia de oscilacao seja de 10rad/s, o fator
de amortecimento seja de 0.7 e o erro estacionario ao degrau seja nulo.
12. Um sistema G(s) = s22 devera ser controlado pelo controlador K(s) =
15(s+1)
. Considere uma incerteza aditiva dada por s2 +s+1

. Determine
s+10
o maior valor de usando o teorema do ganho pequeno que assegure
a estabilidade robusta com precisao de uma casa decimal (apenas uma
casa).
13. Um sistema e descrito pelas equacoes:
x = x + d + 2u;
y = x n.
Considere como parametros de desempenho a variavel de estado x e

o sinal de controle u respectivamente, na presenca de dist
urbios d e
rudos de medicao n. Determine a representacao matricial compacta
para este sistema.
14. Seja G(s) uma planta, K(s) o controlador e o valor singular. Assinale
verdadeiro ou falso e justifique sua resposta:
171
(a) Para bom acompanhamento do sinal de referencia: max (G(s)K(s)) >>

1.
(b) Para esforco de controle limitado: max (G(s)K(s)) << 1.
(c) Para insensibilidade à variacoes na planta: min (G(s)K(s)) >> 1.
(d) Para rejeicao do erro de medida: min (G(s)K(s)) << 1.
(e) Para rejeicao de dist
urbios: min (G(s)K(s)) >> 1.
15. Em que consistem as metodologias H , H2 e H2 /H . Como elas podem ser adequadas ou nao no problema de controle de vibracoes.
16. Considere um problema de regulador com realimentacao de estados.
Deduza a equacao da funcao de transferencia equivalente do controlador. Construa os diagramas de blocos detalhados com a realimentacao
de estados e com a funcao de transferencia equivalente. Como serao
calculadas no MATLAB as margens de estabilidade relativa usando a
formulacao de estados?
17. Deduza o modelo de estado da malha fechada em termos dos estados
e do erro para um problema de regulador com observador. Nota: u =
k
x.
18. Repita a questao anterior para o caso de rastreador com compensacao
via ganho proposrcional. Nota: u = kp (r k
x).
19. Uma engrenagem de raio r1 e inercia J1 esta acoplada a outra engrenagem de raio r2 e inercia J2 . Voce deseja controlar, atraves de um torque
T1 aplicado à engrenagem 1, o angulo 2 da engrenagem 2. Determine
a funcao de transferencia da planta a ser controlada, e o respectivo
modelo de estados onde os estados sao angulo e velocidade angular.
20. Um bloco de massa m1 esta acoplado atraves de uma de rigidez k1 e de
um amortecedor c1 a um outro bloco m2 . Uma forca u1 (t) e aplicada
ao bloco m1 . Determine a funcao de transferencia entre a forca u1
e o deslocamento da massa m2 . Determine a funcao de transferencia
entra a forca u1 e a velocidade da massa m2 . Para os casos anteriores
determine os modelos de estado fsicos (posicao e velocidade).
19.8
Lista 8 - Roteiro para MATLAB
1. Entenda o uso do comando c2d com seus varios argumentos.

2. Seja o sistema contnuo descrito por G(s) =
10
.
s+5
172
(a) Determine, com o auxlio do Matlab, o grafico da resposta ao

impulso do sistema contnuo.
(b) Determine a funcao de transferencia discretizada atraves da transformacao do impulso invariante usando o comando c2d.
(c) Determine o grafico da resposta impulsiva e compare com a resposta do sistema contnuo. Os resultados sao consistentes?
(d) Determine a resposta ao degrau dos sistemas contnuo e discreto.
Estes resultados sao satisfatorios? Eles eram esperados?
(e) Verifique o efeito de se variar o intervalo de amostragem.
3. Seja o sistema contnuo descrito por G(s) =
10
.
(s+2)(s+1)
(a) Determine, com o auxlio do Matlab, o grafico da resposta ao

degrau do sistema contnuo.
(b) Determine a funcao de transferencia discretizada atraves da transformacao ZOH usando o comando c2d.
(c) Determine o grafico da resposta ao degrau e compare com a resposta do sistema contnuo. Os resultados sao consistentes?
(d) Determine a resposta ao impulso dos sistemas contnuo e discreto.
Estes resultados sao satisfatorios? Eles eram esperados?
(e) Verifique o efeito de se variar o intervalo de amostragem.
(f) Pode-se dizer que a discretizacao com ZOH e a transformacao do
degrau invariante?
4. Seja o sistema G(s) =
10
.
s+1
Usar a transformacao ZOH.
(a) Determine as plantas discretizadas para os seguintes tempos de

amostragem: 1s, 0.5s e 0.1s.
(b) Determine os respectivos diagramas de Bode (para 0 a 10rad/s)
para a planta contnua e cada uma das plantas discretizadas.
(c) Verifique o efeito da freq
uencia de amostragem.
5. Seja a planta G(s) =
10
.
s+2
Usar a transformacao de Tustin.
(a) Determine a resposta em freq

uencia do sistema contnuo. Qual
sua largura de banda?
(b) Discretize a planta e determine seus diagramas de amplitude para
os intervalos de amostragem de 1s e 0.5s.
173
(c) Atraves dos graficos de amplitude, determine as larguras de banda

possvel notar o warping?
dos sistemas discretizados. E
(d) Calcule as larguras de banda dos sistemas discretos e verifique
se

2
1 ws T
os resultados estao consistentes. Nota: wz = T tan
.
2
6. Seja a planta G(s) =

warping.
10
.
s+2
Usar a transformacao de Tustin com pre-
(a) Determine a resposta em freq

uencia do sistema contnuo e sua
largura de banda.
(b) Discretize a planta e determine seus diagramas de amplitude para
os intervalos de amostragem de 1s e 0.5s com pre-warping para
preservar a largura de banda.
(c) Atraves dos graficos de amplitude, determine as larguras de banda
possvel notar o efeito do pre-warping?
dos sistemas discretizados. E
19.9
1. Projetar um controlador PID (diretamente no plano z) pelo metodo de

Ziegler-Nichols com T = 0.25s para controlar a planta
P (s) =
10
.
s(s + 2)
Verificar as caractersticas dos polos da malha fechada (comando damp)

e a resposta ao degrau.
2. Projetar um controlador PID (projeto analtico com base no lugar das
razes e diretamente no plano z) que satisfaca o seguintes requisitos
para a malha fechada: fator de amortecimento = 0.707 e freq
uencia
10
natural wn = 1.414rad/s. A planta e P (s) = s(s+2) e deve acompanhar
uma rampa unitaria com erro estacionario nulo. Considerar o intervalo
de amostragem T = 0.25s. Analisar a resposta ao degrau, à rampa e
as carctersticas dos polos em malha fechada.
3. Projetar um controlador avanco-atraso (projeto analtico e diretamente
400
no plano z) para controlar a planta P (s) = s(s2 +30s+200)
e obter um erro
estacionario à rampa unitaria de 0.2, um fator de amortecimento =
0.5 e uma freq
uencia natural wn = 14rad/s. O intervalo de amostragem
e T = 0.05s. Analisar a resposta ao degrau, à rampa e as caracterticas
dos polos em malha fechada.
174
10
4. Determinar os diagramas de Bode para P (s) = s+5
e para os sistemas
correspondentes em w com T1 = 0.05s, T2 = 0.1s e T3 = 0.5s. Analisar
o efeito do intervalo de amostragem nos polos e zeros.
5. Para a planta
400
,
+ 30s + 200)
com intervalo de amostragem T = 0.05s, projetar um controlador discreto do tipo
z+a
K(z) = kc
,
z+b
que satisfaca os seguintes requisitos: = 0.5, wn = 14rad/s e erro
estacionario à rampa de 0.2. Usar o metodo analtico de Bode e a
transformada w.
P (s) =
19.10
s(s2
1. Obter o modelo de estados discreto considerando um ZOH para

P (s) =
2. Calcular eAt para
A=
"
1
.
s(s + 2)
0 1
0 2
3. O modelo de estado de um pendulo invertido e dado por
x =
0
0
0
0
1
0
0
mg/M
0
0
0 (M + m)g/M l
0
0
1
0
x +
0
1/M
0
1/M l
u,
t . Considere como sada o

onde o vetor de estados e x = [y y ]
valor de y. Nota: y e a posicao da base movel e e o angulo da haste.
(a) Sejam os valores l = 1m, M = 1kg, m = 0.1kg, g = 9.8m/s2 .
Determine a funcao de transferencia de u para y.
(b) Verifique a estabilidade do sistema.
(c) Projete um controlador por realimentacao de estados para assegurar a estabilidade do sistema (adote os polos que julgar conveniente). Verifique a estabilidade do sistema controlado, as respectivas margens de estabilidade, e a resposta ao impulso.
175
(d) Considere que sera usado um observador. Projete um observador

e verifique o desempenho do sistema controlado usando o observador.
4. Seja o mesmo problema do exerccio 3. Escolha um intervalo de amostragem adequado e refaca todas as etapas considerando o sistema discretizado. Compare os resultados so sistema discreto com os obtidos
anteriormente para o sistema contnuo.
5. Considere o ndice de desempenho e o mesmo problema do exerccio 3:
J(u) =
(xt x + ut u)dt
(a) Defina valores de e projete um controlador LQR adequado.

(b) Verifque a estabilidade, as respectivas margens de estabilidade e
a resposta ao impulso.
(c) Refine o projeto se necessario.
19.11
1. Seja a planta nominal compensada dada por

G(s) =
10(s + 1)
,
s2 (s + 5)
e a planta real compensada dada por

10(s + 1)
s2 + 2(0.1)(12)s + 122
102
G(s)
= 2
2
.
s (s + 5) s + 2(0.05)(10)s + 102 122
Considere realimentacao unitaria.
(a) Determine as incertezas aditiva e multiplicativa.
(b) Determine o grafico do lugar das razes da planta nominal e da
planta real. Discuta estes graficos.
(c) Determine os diagramas de Bode para sistema nominal e real.
Analise este resultado.
(d) Determine as margens de ganho e de fase para o sistema nominal
e real. Discuta estes resultados.
(e) Determine a resposta ao degrau para o sistema nominal e real.
176
(f) Determime as funcoes de sensibilidade e sensibilidade complementar.

(g) Determine as margens MSM e ASM.
(h) Verifique a estabilidade robusta em termos da incerteza multiplicativa (usar daigrama de Bode).
(i) Verifique a estabilidade robusta em termos da incerteza aditiva
(usar diagrama de Bode).
2. Repita o analise anterior a planta nominal
G(s) =
32(s + 1)
,
s2 (s + 2)
e discuta o resultado do teorema do ganho pequeno para este caso.
19.12
Determinar um controlador H considerando o modelo de estados

x 1 = d + u,
x 2 = x1 ,
y = x2 + n,
onde d e uma entrada de dist
urbio, n e o rudo de medicao e u e o sinal de
controle. As sadas de desempenho sao x2 e u.
Os principais passos sao:
1. Determinar as matrizes de interesse (A, B1 , B2 , C1 , C2 , D11 , D12 , D21
e D22 );
2. Determinar os termos para as equacoes de Riccati;
3. Adotar um valor de ;
4. Resolver as equacoes de Riccati para ;
5. Obter a malha fechada e verificar a estabilidade;
6. Diminuir e repetir o procedimento ate encontrar um valor sub-otimo
que as equacoes de Riccati tenham solucao e que a malha fechada seja
estavel.
7. Verificar o desempenho do sistema controlado.
177

Controle de Sistemas

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

Controle de Sistemas

Uploaded by

Copyright:

Available Formats

Controle discreto e introducao ao controle otimo e robusto

Controle discreto e introducao ao controle

Alberto Luiz Serpa

Este material caracteriza as notas de aulas preparadas nos u

Prof. Dr. Alberto Luiz Serpa - 2007

Controle discreto e introducao ao controle otimo e robusto

Prof. Dr. Alberto Luiz Serpa - 2007

Controle discreto e introducao ao controle otimo e robusto

Controle discreto e introducao ao controle otimo e robusto

Prof. Dr. Alberto Luiz Serpa - 2007

Controle discreto e introducao ao controle otimo e robusto

Fundamentos dos sistemas discretos

Figura 1: Alguns sinais contnuos.

Figura 2: Sistema contnuo.

Controle discreto e introducao ao controle otimo e robusto

Figura 3: Sistema discreto.

Figura 4: Sinal digital.

Sinais discretos importantes

Controle discreto e introducao ao controle otimo e robusto

Alguns sinais discretos importantes sao listados a seguir.

Figura 5: Impulso unitario.

e esta ilustrado na Figura 6.

Controle discreto e introducao ao controle otimo e robusto

Figura 6: Degrau unitario discreto.

Figura 7: Senoide discreta, x(n) = sen(100n).

Prof. Dr. Alberto Luiz Serpa - 2007

Controle discreto e introducao ao controle otimo e robusto

1. Energia. A energia de uma seq

onde x (n) e o complexo conjugado de x(n).

2. Sinal em funcao de impulsos. Um sinal discreto pode ser escrito como

Exemplo: O sinal da Figura 8 pode ser escrito como

Figura 8: y(n) = y(2)(n + 2) + y(0)(n) + y(1)(n 1) + y(4)(n 4).

Prof. Dr. Alberto Luiz Serpa - 2007

Controle discreto e introducao ao controle otimo e robusto

3. Linearidade. Um sistema discreto pode ser caracterizado por uma

Portanto, a resposta de um sistema discreto linear pode ser escrita

onde h(n) = T [(n)] e a resposta ao impulso.

Controle discreto e introducao ao controle otimo e robusto

(b) x(n) (y(n) z(n)) = (x(n) y(n)) z(n)

(c) x(n) (y(n) + z(n)) = x(n) y(n) + x(n) z(n)

(d) x(n) (n) = (n) x(n) = x(n)

7. Estabilidade BIBO (bounded-input, bounded-output). A seq

Um sistema discreto e BIBO estavel se toda seq

e finito (soma absoluta finita).

|h(k)||x(n k)| <

Em resumo, sistema BIBO estavel

Controle discreto e introducao ao controle otimo e robusto

8. Causalidade. Um sistema discreto e causal se a sada para n = n0

Se h(n) = 0 para n < 0 entao h(n k) = 0 para n k < 0 ou k > n.

de onde se verifica que a resposta y(n) so depende de valores passados

Filtros FIR e IIR

Um filtro FIR (finite impulse response) e um sistema linear e invariante que

onde h(n) e a resposta ao impulso.

sera FIR se a0 6= 0 e ak = 0 para k = 1, 2, . . . , N . Caso contrario podera ser

Controle discreto e introducao ao controle otimo e robusto

que representa uma convolucao.

que e de duracao finita.

O comportamento dinamico de sistemas contnuos e descrito por equacoes

Exemplo: Resolver e equacao y(n) ay(n 1) = x(n), com y(n) = 0 para

y(0) = ay(1) + x(0) = 0 + 1 = 1

Como nao existe resposta para n < 0, escreve-se a solucao como

Controle discreto e introducao ao controle otimo e robusto

que representa a resposta ao impulso procurada. Usa-se o degrau unitario,