Professional Documents
Culture Documents
CENTRO DE TECNOLOGIA
DEPT°. DE ENGENHARIA DE COMPUTAÇÃO E AUTOMAÇÃO
SISTEMAS
DE
CONTROLE
iv Sistemas de Controle
1 PROBLEMA DE CONTROLE
1.1 Definições
• Planta
• Processo
Pode ser definido como uma operação ou desenvolvimento natural que evolui
progressivamente, caracterizado por uma série de mudanças graduais que se sucedem de
modo relativamente fixo, conduzindo a um resultado ou finalidade particular.
• Sistema
• Sistema Físico
• Especificações de Desempenho
• Modelo
• Controle
• Controlador
• Sistema de Controle
Sistemas de Controle 1
• Sistema de Controle em Malha Aberta
É aquele em que a saída ou resposta não possui nenhuma influência sobre a entrada.
Sinal de Controle
Resposta Desejada (Variável Manipulada) Saída
(Referência ou Set-Point) MV (Variável de Processo)
SP Controlador Planta PV
Sinal de Controle
Resposta Desejada Comparação (Variável Manipulada) Saída
(Referência ou Set-Point) + MV (Variável de Processo)
SP Controlador Planta PV
-
Sensor +
Transmissor
1.2 Exemplos
Posição do Posição
Objeto +Olhos da Mão
Cérebro Braço
- e Mão
Controlador Sistema
Temperatura Temperatura
Desejada Termostato
+ Ar
Ambiente
Sala
- Condicionado
Controlador Sistema
Nivel Nível de
Desejado + Água
Bomba Reservatório
-
Controlador Sistema
Bóia
Sensor
2 Sistemas de Controle
1.3 Formulação Geral do Problema de Controle
U = Universo
Entradas Manipuladas
Sistema u( t )
Físico
Entradas
Exógenas
w(t)
Meio
Ambiente
Saídas Observadas
y(t)
Saídas de Interesse
z(t)
Especificações de
Desempenho
||
Modelos Velocidade
|| Segurança
Quantitativos (Ex.: Modelos Matemáticos) Conforto
ou Custo
Qualitativos (Ex.: Modelos em Escala) Durabilidade
.
.
.
Sistemas de Controle 3
2 MÉTODO DO LUGAR GEOMÉTRICO DAS RAÍZES (LGR)
2.1 Introdução
R(s) + C(s)
G(s) C(s) G(s)
G MF (s) = =
- R(s) 1 + G(s)H(s)
1 + G(s)H(s) = 0
G(s)H(s) = −1
Como G(s)H(s) representa uma quantidade complexa, a igualdade acima precisa ser
desmembrada em duas equações, as quais nos fornecem as seguintes condição para a
localização dos pólos no plano s:
Condição de Módulo:
G(s)H(s) = 1 ( 2.1 )
Condição de ângulo:
Ponto de
Teste p1 Im
si
z1 Re
p2
4 Sistemas de Controle
Ex:
R(s) + K C(s)
C(s) K
s(s+4) = 2
- R(s) s + 4s + K
p1 = −2 + 4 − K
− 4 ± 16 − 4K
s= = −2 ± 4 − K
2
p 2 = −2 − 4 − K
K p1 p2
0 0 -4
1 -0,27 -3,73
2 -0,59 -3,41
4 -2,00 -2,00
Ponto de
K→∞ Im G(s)H(s) = 1 ⇒
Teste Im
si
K
=1
A1A 2
K=0 K=0
- τ1 1
- 2τ Re
1 1 - τ1 1
- 2τ Re
1 1
∠G(s)H(s) = ± 180 o (2k + 1) ⇒
K→∞ θ1 + θ 2 = 180 o
Sistemas de Controle 5
2.2 Passos para a Construção do LGR
∏ (s + p )
pólos e nZ zeros.
j
j =1
4. Assinalar os segmentos do eixo real que são O LGR se situa à esquerda de um número
LGR. ímpar de pólos e zeros
6. O LGR é simétrico com relação ao eixo real Basta desenhar a parte acima do eixo real e
(eixo horizontal) depois espelhar o esboço.
1º Fazer K = p(s);
8. Determinar o ponto de saída (se existir)
sobre o eixo real. dp(s)
2º Determinar as raízes de = 0.
ds
6 Sistemas de Controle
• Exemplo 1: Sistema com 2 pólos e 1 zero reais
K (s + 2)
1 + G(s)H(s) = ⇒
2. Fatorar o polinômio P(s) em termos dos nP s 2 + 4s
pólos e nZ zeros. (s + 2)
⇒ P(s) = (forma fatorada )
s(s + 4)
Re
-5 -4 -3 -2 -1 0
X = Pólos e O = Zeros.
O LGR começa nos pólos e termina nos -0.1
zeros.
-0.2
Re
-5 -4 -3 -2 -1 0
O LGR se situa à esquerda de um número
ímpar de pólos e zeros. Total de -0.1
Total de
3 pólos e zeros
1 pólos e zeros
(nº Impar)
(nº Impar) -0.2
Sistemas de Controle 7
• Exemplo 2: Sistema com 4 pólos e 1 zero reais
R(s) + K C(s)
(s+2)(s+4)
- K (s + 1)
1 + G(s)H(s) = 1 +
(s+1) s + 10 s 3 + 32 s 2 + 32 s
4
s(s+4)
Im
5
3. Assinalar os pólos e zeros de malha Pólo com
aberta no plano s com os símbolos multiplicidade 2
correspondentes:
Re
-5 -4 -3 -2 -1 0
X = Pólos e O = Zeros.
O LGR começa nos pólos e termina nos
zeros.
-5
Im
Trecho entre 5
2 pólos Total de
Pólo com 2 pólos e zeros
4. Assinalar os segmentos do eixo real que (nº Par)
são LGR. multiplicidade 2
Re
-5 -4 -3 -2 -1 0
O LGR se situa à esquerda de um número Total de
ímpar de pólos e zeros. 3 pólos e zeros
(nº Impar) Total de
1 pólos e zeros
(nº Impar) -5
8 Sistemas de Controle
7. (nP - nZ) seguimentos de um LGR
prosseguem em direção aos zeros
infinitos ao longo de assíntotas
Im
centralizadas em σA e com ângulos φA. 5
σA =
∑ (− p j ) − ∑ (− z i ) 180º
nP − nz
φA =
(2q + 1) 180 o , q = 0,1,2,..., (n − n z − 1)
60º
Re
P
nP − nz -5 -4 σA= -3 -2 -1 0
1º Fazer K = p(s);
Im
dp(s) 5
2º Determinar as raízes de = 0.
ds dp(s) = 0 ⇒ s = -2,5994
ds
s +1 (Pto. de saída sobre Re)
1 + KP(s) = 1 + K ⇒
s + 10 s + 32 s 2 + 32 s
4 3
Re
s 4 + 10 s 3 + 32 s 2 + 32 s
⇒ p(s) = K = − ⇒ -5 -4 -3 -2 -1 0
s +1
dp(s) 3s 4 + 24 s 3 + 62 s 2 + 64 s + 32
⇒ =−
ds (s + 1)2
logo:
-5
dp(s)
= 0 ⇒ s = −2,5994
ds
Sistemas de Controle 9
• Exemplo 3: Sistema com 2 pólos reais e 2 pólos complexos
R(s) + K C(s)
2
- s ( s + 8s + 32 ) K
1 + G(s)H(s) = 1 +
1 s + 12 s + 64 s 2 + 128 s
4 3
(s+4)
10
-10 -8 -6 -4 -2 0 2
X = Pólos e O = Zeros.
O LGR começa nos pólos e termina nos -5
zeros.
-10
Im 10
Total de
2 pólos e zeros
4. Assinalar os segmentos do eixo real que (nº Par) 5
são LGR.
Re
-10 -8 -6 -4 -2 0 2
10 Sistemas de Controle
7. (nP - nZ) seguimentos de um LGR
prosseguem em direção aos zeros
infinitos ao longo de assíntotas 10
centralizadas em σA e com ângulos φA. 135º
(n P − n z − 1) = 3 φ = 315 o ; q = 3
A -10
Sistemas de Controle 11
10. Usando a condição de ângulo, determinar Im 10
o ângulo de partida para os pólos
θ1 = 225º
complexos e o ângulo de chegada para os
5
zeros complexos.
θ3 = 135º
90º
∠ P(s) = 180 ± q360 em s = pj ou zi.
o o Re
-10 -8 -6 -4 -2 0 2
Logo: 90º
-5
Por simetria
θ1 = 180 − (90 + 90 + 135 ) = 225
o o o o o
-10
dp(s) = 0 ⇒ s = -1,5767 10 10
ds
(Pto. de saída sobre Re)
5 5
±3,2660 i
0 -10 -8 -6 -4 -2 0 2
-10 -8 -6 -4 -2 2
-5 -5
-10
-10
G(s) LGR
Im
K
1.
s τ1 + 1 Re
- τ1
1
12 Sistemas de Controle
Im
K
2.
(s τ1 + 1)(s τ 2 + 1) Re
- τ1 - τ1
1 2
Im
K
3.
(s τ1 + 1)(s τ 2 + 1)(s τ 3 + 1) - τ1 - τ1 - τ1 Re
3 2 1
Im
K
4.
s Re
Im
K
5.
s(s τ1 + 1) Re
- τ1
1
Sistemas de Controle 13
Im
K
6.
s(s τ1 + 1)(s τ 2 + 1) - τ1 - τ1 Re
2 1
Im
K(s τ a + 1)
7.
s(s τ 1 + 1)(s τ 2 + 1) - τ1 - τ1 - τ1 Re
2 a 1
Im
Pólo com
multiplicidade 2
K
8.
s2 Re
Im
Pólo com
multiplicidade 2
K
9.
s (s τ1 + 1)
2
Re
- τ1
1
14 Sistemas de Controle
Im
K(s τ a + 1)
10. ; τ a > τ1
s 2 (s τ1 + 1) - τ1 Re
- τ1 a
1
Im
Pólo com
multiplicidade 3
K
11.
s3 Re
Im
Pólo com
multiplicidade 3
K(s τ a + 1)
12.
s3 - τ1 Re
a
Im
Pólo com
multiplicidade 3
K(s τ a + 1)(s τ b + 1)
13.
s3 - τ1 - 1 Re
b τa
Sistemas de Controle 15
Im
Pólo com
multiplicidade 2
K(s τ a + 1)
14.
s (s τ 1 + 1)(s τ 2 + 1)
2
- τ1 - τ1 - τ1 Re
2 1 a
Im
K(s τ a + 1)(s τ b + 1)
15.
s(s τ 1 + 1)(s τ 2 + 1)(s τ 3 + 1)(s τ 4 + 1) Re
nP
∏ (s + p )
j =1
j
∏ (s + z )
i
k
k =1 s =s i
16 Sistemas de Controle
• Exemplo: Teste de localização de raízes para um sistema de segunda ordem
R(s) + K C(s)
K
s(s+4) 1 + GH(s) = 1 + = s 2 + 4s + K
- s(s + 4 )
nP
⇒ K i = s i (s i + 4)
j =1
Ki = nZ
nP
∏ (s + z )
∏ (s + p )
k
j k =1 s =s i
j =1
Ki = nZ
∏ (s + z )
k =1
k
onde: |si| é a magnitude do vetor que vai
da origem até si.
s =s i
|(si + 4)| é a magnitude do vetor
que vai de -4 até si.
Im
Re
Sistemas de Controle 17
2.5 Exercícios
1. Traçar o LGR para os seguintes sistemas (com K>0), e, testar se o ponto dado
pertence ao LGR do sistema:
K
a) G(s)H(s) = ; s i = -1,0066 + 3,9950i .
s(s + 6s + 25)
2
K
b) G(s) = ; H(s) = 1 ; s i = -0,3337 − 0,5780i .
s(s + 1)(s + 2)
K(s + 2)
c) G(s)H(s) = ; s i = -0,7660 + 0,2995i .
s 2 + 2s + 3
1 1
d) G(s) = ; H(s) = ; s i = -0,4968 + 1,3290i .
s + 4s + 5
2
s
1 1
e) G(s) = ; H(s) = ; s i = 2,5509 - 4,1649i .
(
s s + 4s + 13
2
) s +1
1 s +1
f) G(s) = ; H(s) = 2 ; s i = -0,2968 + 4,3290i .
s + 3,6 s
C(s) s2 +1
a) = 2 ; s i = -0,5000 + 0,5000i .
R(s) 2s + 2s + 1)
C(s) 1
b) = 4 ; s i = -1,0000 - 1,5811i .
R(s) s + 4s + 11s 2 + 14s + 11
3
18 Sistemas de Controle
3 AÇÕES DE CONTROLE BÁSICAS
3.1 Introdução
• Controladores Série
Sistemas de Controle 19
3.2 Ações Proporcional, Integral e Derivativa (P-I-D)
Resumo
Ex:
R(s) + 1 C(s)
K
(τ s + 1 )
-
1
Para entrada degrau unitário ⇒ e ss =
1+ K
20 Sistemas de Controle
• Controlador Proporcional + Integral (PI)
A ação integral corresponde a ter-se uma taxa de variação do sinal de saída com relação a
t
entrada ( u& = k i e ⇒ u = k i ∫ e dt ). Desta forma, com uma ação integral, atua-se beneficamente
0
na resposta em regime permanente, tendendo a eliminar o erro de estado estacionário,
contudo, prejudica-se o regime transitório, pois acrescenta-se pólos ao sistema tendendo a
desestabilizá-lo, e com isso aumentar o tempo de acomodação.
1 t (K s + Ki )
u (t ) = K p e(t ) + ∫ e(τ )dτ
p
; U (s) = E ( s)
τi 0 s
Kp
onde: K i = , sendo τi o tempo integrativo ou reset time.
τi
Resumo
Ex:
R(s) + Κi 1 C(s)
Kp + s (τ s + 1 )
-
1
Para entrada degrau unitário ⇒ e ss = =0
1+ ∞
Sistemas de Controle 21
• Controlador Proporcional + Derivativo (PD)
U(s) = (K p + K d s )E(s)
d
u (t ) = K p e(t ) + τ d e(t ) ;
dt
Resumo
• Introduz um efeito de antecipação no sistema, fazendo com que o mesmo reaja não
somente à magnitude do sinal de erro, como também à sua tendência para o instante
futuro, iniciando, assim, uma ação corretiva mais cedo.
Ex:
R(s) + 1 C(s)
Kp + Kd s
2
- Js
C(s) (K p + K d s)
= 2
R (s) Js + K d s + K p
22 Sistemas de Controle
• Controlador Proporcional + Integral + Derivativo (PID)
O PID une as ações proporcional, integral e derivativa num só controlador, atuando tanto
no regime transitório quanto no regime permanente.
U(s) K d s + K p s + K i
2
K
U(s) = K p + i + K d s E(s) ⇒ =
s E(s) s
Resumo
U(s) K(s + z) Kz (s / z + 1)
G c (s) = = = p>z
E(s) (s + p) p (s / p + 1)
τs +1 1 1
G c (s) = K c , em que: z = ; p= ; K c = Kα ; 0 < α < 1
ατ s + 1 τ ατ
Resumo
Sistemas de Controle 23
• Controlador Atraso de Fase(Lag)
U(s) K(s + z) Kz (s / z + 1)
G c (s) = = = z>p
E(s) (s + p) p (s / p + 1)
τs +1 1 1
G c (s) = K c , em que: z = ; p= ; K c = Kβ ; β >1
βτ s + 1 τ βτ
Resumo
U(s) K (s + z 1 )(s + z 2 )
G c (s) = =
E(s) (s + p1 )(s + p 2 )
τ 1s + 1 τ 2s + 1 1 1
G c (s) = K c ; em que: < ; K c >0 ; β >1 ; 0 < α < 1
ατ1s + 1 βτ 2s + 1 τ 2 τ1
Características
24 Sistemas de Controle
3.4 Modificações das Ações de Controle PID
• PID Original
Td s
, com: γ ≈ 0.1
1 + γTd s
• PI-D
• I-PD
Sistemas de Controle 25
3.5 Exercícios
1 1
a) G(s) = ; H(s) = 2 ; s i = -0,2968 + 4,3290i ,
s + 3,6 s
26 Sistemas de Controle
4 PROJETO DE CONTROLADORES PELO MÉTODO DO LGR
C(s) ω2n
= 2 2 ; Pólos ⇒
s = −ξωn ± ωn ξ 2 − 1 ( 4.1 )
R (s) s + 2ξωn s + ωn
Im
-1
θ = cos ξ
min
θ
Re
( ξω )
n min
Sistemas de Controle 27
4.2 Projeto de Controladores PD
A função de transferência de um PD é:
Kp
G c (s) = K p + K d s = K d s + = K c (s + z) ( 4.2 )
K d
K ds
OBS: PD prático ⇒ G c (s) = K p + 3 ≤ a ≤ 10
s
1 +
a
EXEMPLO:
R(s) + 2 C(s)
Gc(s)
s2
-
ζπ
−
1−ζ 2
Da equação do máximo pico: M P = e = 20% , obtemos: ζ min = 0,46 ; e da equação
4
do tempo de acomodação (para 2%): t s = = 4 ; obtemos: (ζω n )min = 1 .
ζω n
28 Sistemas de Controle
Sendo ainda: ω d = ω n 1 − ζ 2 , para os valores de ζ e ωn encontrados, temos: ω d = 1,95 .
ωd
θ = θ1 = θ 2 = 180 − ATAN = 117,13°
(ζω n )min
z = − ωd
+ (ζω n )min
tan (180 − φ )
ωd
φ = 180 − ATAN
⇒ ⇓ ;
(ζω n )min − z z = 2,41
− θ 1 − θ 2 + φ = −180 ⇒ φ = 2θ − 180 = 54,25°
Kt =
(ω 2
d + 12 )
2
=2
ω + ( z − 1)
2
d
2
Resposta no Tempo
2
1.8
Sem Controlador
1.6
1.4 M P = 31.87%
1.2
Resposta
Com Controlador
1
0.8 t s = 3.64seg.
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
Sistemas de Controle 29
4.3 Projeto de Controladores PI
A função de transferência de um PI é:
K i sK p + K i s + K i / K p K c (s + z)
Gc ( s ) = K p + = = Kp = ( 4.3 )
s s s s
É usado quando o sistema é Tipo N e se deseja que o mesmo apresente erro zero para
uma entrada de complexidade N, ou seja, quando desejamos melhorar o regime.
5) Caso o desempenho não seja satisfatório, tentar fazer um ajuste fino dos parâmetros do
controlador (Kc e z)
2
EXEMPLO: Dado G ( s) = ; H(s) =1 . Projetar um controlador para que o sistema
s ( s + 2)
tenha erro zero para entrada rampa, alterando o mínimo possível o transitório.
Resposta `a Rampa
10
9
Com Controlador
8
6
Sem Controlador
Resposta
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
30 Sistemas de Controle
Resposta no Tempo
1.4
1.2
M P = 4.32%
0.8 t s = 4.36seg.
Resposta
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
Testa-se valores para o módulo do zero do controlador tão pequenos quanto possível. As
respostas apresentadas, foram obtidas com K c = 1 e z = 0,25 . Quanto menor for o valor de z,
menos o transitório será alterado, porém, o seguimento da referência se dará mais lentamente.
Resposta `a Rampa
10
Referencia
9 Sem Controlador
z = 0.10
8 z = 0.25
z = 0.50
7
6
Resposta
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
Sistemas de Controle 31
4.4 Projeto de Controladores PID
Ki s 2 K d + sK p + K i ( s + z1 )( s + z 2 )
Gc ( s ) = K p + + Kd s = = Kc ( 4.4 )
s s s
2) Verificar se o objetivo não pode ser atingido com um controlador mais simples;
1
EXEMPLO: Dado o sistema G ( s ) = ; H(s). Projetar um controlador PID para que
s +1 2
Uma rápida análise do problema nos mostra que o número de parâmetros (Kc , z1 e z2)
que precisam ser calculados é maior do que o número de equações que descrevem o problema
(critério de ângulo e critério de módulo). Uma alternativa para contornar este problema é
considerar que os zeros do controlador são idênticos.
3
φ = φ1 = φ 2 = 180 − ATAN
1− z
θ1 = 180 − ATAN ( )
3 − 1 = 143,79° φ = 96,95° ⇒
= 180 − ATAN( ) 3
θ2 3 + 1 = 110,10° ⇒ z1 = z 2 = − +1 ⇒
tan (180 − φ )
= 180 − ATAN( )
θ3 3 = 120,00°
− θ1 − θ 2 − θ 3 + 2φ = −180 ⇒ z1 = z 2 = 0,79
( )
2
3 − 1 + 12 ( )
2
3 + 1 + 12 ( 3)
2
+ 12
Kc = = 2,37
( 3)
2
+ (1 − z )
2 2
32 Sistemas de Controle
Resposta no Tempo
1.4
1.2 M P = 13.96%
Com Controlador
1
0.8 t s = 7.65seg.
Resposta
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
Também sabemos que, apesar de todo o avanço tecnológico dos últimos anos, com o
surgimento de soluções avançadas, tanto em termos de algoritmos de controle quanto de
hardware, os controladores PID, e suas variações, ainda são, com larga vantagem, os mais
usados na indústria. Os argumentos, para essa massiva predominância do PID, vão desde a
simplicidade, à facilidade de implementação e manutenção. A maioria desses argumentos se
justifica pelo número reduzido de parâmetros sintonizáveis existentes nos PIDs. Embora,
algumas versões de PIDs, trazidas em CLPs e instrumentos de redes industriais, apresentem
um número elevado de parâmetros a serem ajustados, a estrutura básica de um PID contém
apenas três parâmetros: O ganho proporcional – kP, a constante de tempo integrativo τi (ou o
ganho integrativo ki), e, a constante de tempo derivativo τd (ou o ganho derivativo kd).
Sistemas de Controle 33
• Primeiro Método de Ziegler-Nichols
Plantas que não envolvam integrador(es), ou, pólos complexos conjugados dominantes,
tendem a apresentar uma curva de resposta ao degrau em forma de S.
y
Reta tangente no
ponto de inflexão
K
Tempo
L T
Este tipo de curva pode ser caracterizado por duas constantes: tempo de retardo (L) e
constante de tempo (T). Essas constantes são determinadas traçando-se uma reta, tangente ao
ponto de inflexão da curva de resposta, e encontrando-se os pontos de interseção dessa reta
com o eixo dos tempos e com uma reta dada por y(t) = K. Uma vez determinadas estas
constantes, elas são usadas para determinação dos parâmetros do controlador, de acordo com
a seguinte tabela:
Tipo de
KP τi τd
Controlador
T
P ∞ 0
L
T L
PI 0,9 0
L 0,3
T L
PID 1,2 2L
L 2
EXEMPLO: Considere uma planta com modelo matemático desconhecido. Uma entrada,
tipo degrau unitário foi imposta a essa planta e amostras, de sua saída, foram colhidas,
experimentalmente, a cada 0,1 segundos. O resultado desse ensaio pode ser visto na curva de
resposta apresentada na figura a seguir.
34 Sistemas de Controle
Resposta ao Degrau
1 Referencia
Resposta
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
0.45
0.4
0.35
0.3
Amplitude
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
Sistemas de Controle 35
De posse desses valores, fazendo-se uma breve consulta à tabela proposta por Ziegler e
Nichols, tem-se os seguintes parâmetros para um controlador PID: kP = 12,5886, τi = 0,3821 e
τd = 0,0955. Com esta sintonia, a planta com o controlador apresentaram a seguinte resposta:
Resposta ao Degrau: Kp = 12,5886, Ti = 0,3821 e Td = 0,0955
1.8
M P = 66.19%
1.6
1.4
1.2
1
Resposta
0.8 t s = 5seg.
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
M P = 17.81%
1.2
0.8 t s = 3.9seg.
Resposta
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
36 Sistemas de Controle
• Segundo Método de Ziegler-Nichols
Este método consiste em determinar o valor de ganho proporcional, que torna o sistema
marginalmete estável, com sua saída apresentando oscilações mantidas. Esse valor de ganho é
chamado de ganho crítico, Kcr.
Pcr
Tempo
Tipo de
KP τi τd
Controlador
P 0,5 K cr ∞ 0
0,5Pcr
PI 0,45 K cr 0
1,2
Sistemas de Controle 37
EXEMPLO: Considere uma planta com modelo matemático desconhecido. Uma entrada,
tipo degrau unitário foi imposta a essa planta e amostras, de sua saída, foram colhidas,
experimentalmente, a cada 0,1 segundos. O resultado desse ensaio pode ser visto na curva de
resposta apresentada na figura a seguir.
Resposta ao Degrau
1
Referencia
0.9 Resposta
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40 45 50
Tempo
Como a curva de resposta não tem forma de S, o primeiro método de Ziegler-Nichols não
se aplica. É introduzido um ganho ajustável na malha do sistema e, após algumas tentativas,
determina-se o ganho que faz com que o sistema tenha oscilações mantidas, Kcr = 4,00. e o
período dessas oscilações, Pcr = 6,3s.
Resposta ao Degrau com Ganho Crítico, K cr = 4
1.6 P cr = 6.3s
1.4
1.2
1
Amplitude
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
Tempo
38 Sistemas de Controle
De posse desses valores, fazendo-se uma breve consulta à tabela proposta por Ziegler e
Nichols, tem-se os seguintes parâmetros para um controlador PID: kP = 2,4000, τi = 3,1500 e
τd = 0,7875. Com esta sintonia, a planta, com o controlador, apresentaram a seguinte resposta:
Resposta ao Degrau: Kp = 2,40, Ti = 3,15 e Td = 0,79
M P = 26.64%
1.2
0.8 t s = 8.6seg.
Amplitude
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
Tempo
M P = 16.3%
1.2
0.8 t s = 6.8seg.
Amplitude
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
Tempo
Sistemas de Controle 39
4.5 Projeto de Controladores Avanço de Fase
1
s+
Gc ( s ) = K c T = K s + z , com: 0 < α < 1
c ( 4.5 )
1 s+ p
s+
αT
4
EXEMPLO: Dado o sistema G (s) = . Projetar um controlador Gc(s) para que
s(s + 2)
ω n = 4 rad/s sem modificar o fator de amortecimento.
Fazendo-se uma breve análise do LGR do sistema original com relação aos pólos
desejados, verifica-se que o zero do controlador deve está à esquerda dos pólos de MA do
sistema original. Foi escolhido, empiricamente, z = 3,0 . A partir daí, aplicando o critério do
ângulo calculamos p = 5,6 e aplicando o critério do módulo obtemos que o ganho total do
sistema será: K t = 19,2 . Como o sistema originalmente já tem um ganho K = 4,0 o ganho do
controlador será: K c = K t K = 4,8 .
40 Sistemas de Controle
Resposta no Tempo
1.4
MP = 21.13%
1.2 Com Controlador
Sem Controlador
0.8 ts = 2.24seg.
Resposta
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
3
Sinal de Controle
-1
0 1 2 3 4 5 6 7 8 9 10
Tempo
Sistemas de Controle 41
4.6 Projeto de Controladores Atraso de Fase
1
s+
Gc ( s ) =
KcT = K s + z , com β > 1
( 4.6 )
β s+ 1
c
s+ p
βT
Sabemos que: K v = lim sG ( s ) . Logo, com o controlador em série com a planta, temos
s →0
1
Kc T K = K K
onde: Kvcomp =
β 1 v c v
βT
1
s+
Kc T G ( s ) s = 1 ⇒ K c ≅ β ⇒ Kvcomp ≅ βK v
β s+ 1 1
βT s1
Logo: 1
s+
Gc ( s ) ≅ T
( 4.7 )
1
s+
βT
42 Sistemas de Controle
5
EXEMPLO: Dado G ( s ) = ; H(s) =1 . Projetar um controlador para que o sistema
s ( s + 2)
tenha um erro de regime para entrada rampa unitária igual a 1/20, sem alterar
significativamente o transitório.
Calculando, com relação ao sistema original, a constante de erro estacionário para uma
entrada tipo rampa, temos K V = 2,5 . Dos requisitos de projeto, temos que Kv comp = 20 . Logo,
Kvcomp ≅ βK v ⇒ β ≅ 8 . Uma boa escolha para o zero do controlador costuma ser z = 0,1 , que
corresponde a T = 10 . Com esses valores de z e β, temos que a FT do controlador é dada por:
( s + 0,1)
GC ( s ) =
( s + 0,0125)
Resposta `a Rampa
10
Referencia
Sem Controlador
Com Controlador
Resposta
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
1 1
0.5 0.5
0 0
-0.5 -0.5
-1 -1
-2 -1.5 -1 -0.5 0 -2 -1.5 -1 -0.5 0
Sistemas de Controle 43
Quanto maior for o valor de T, menor serão as alterações causados pelo controlador com
relação ao comportamento transitório do sistema original. Contudo, valores muito grandes de
T tendem a não ser implementáveis na prática.
Resposta no Tempo
1.4
1.2 M P = 20.58%
Com Controlador
1
Sem Controlador
0.8 t s = 3.84seg.
Resposta
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
1 1
s+ s +
T1 T2
Gc ( s ) = K c ( 4.8 )
γ 1
s+ s +
T1 βT2
44 Sistemas de Controle
1
s+
T1
=φ
γ
s+
T1
1 1 1
s+ s+ s+
T1 T2 T2
Gc ( s )G ( s ) s = 1 = K c G ( s ) s ; considerando: ≅1
1 γ 1 1 1
s+ s+ s+
T1 s1
β T2 s1
βT2 s1
β β
= lim sK c G ( s ) = K c K V , e, escolha T2 de modo que a contribuição angular da parte em
s →0 γ γ
atraso esteja entre -5o e 0 o, e o módulo desta parte em s1 seja aproximadamente a unidade.
4
EXEMPLO: Dado o sistema G ( s) = ; H(s). Projetar um controlador atraso-
s( s + 0.5)
avanço para que os pólos de malha fechada tenham ξ = 0.5 , ω n = 5 rad / s e para que o
sistema tenha um Kvcomp = 80 .
4
Determinando a FT de MF da planta não controlada Gmf ( s) = , é fácil notar
s + 0,5s + 4 2
que: ξ = 0,125 , ω n = 2 rad / s . Além disso podemos observar que os pólos de MF do sistema
se localizam em: s1, 2 = -0,25 ± 1,98i . De G(s) temos ainda que K v = lim sG ( s) = 8 .
s →0
Das especificações de projeto, temos que os pólos dominantes de malha fechada devem
estar em s1, 2 = -2,50 ± 4,33i .
1
s+
T1
A partir dos pólos de MF da planta não controlada, temos: = 180° .
γ
s+
T1
s = −0 , 25 +1, 98i
Sistemas de Controle 45
1
s+
T1
A partir dos pólos desejados, temos: ≅ 235° .
γ
s+
T1
s = - 2 , 50 + 4 , 33i
4,33
θ1 = 180° − ATAN ≅ 120°
2,50
onde:
θ = 180° − ATAN 4,33
≅ 115°
1
2,50 − 0,50
3
s = -2,50+ 4,33i
2
-1
-2
-3
-4 -3 -2 -1 0
s + 0,5 4 s ( s + 5) 25
Kc = 1 ⇒ Kc = = = 6,25
s + 5 s ( s + 0,5) s = −2 , 50 + 4 , 33i
4 s = −2 , 50 + 4 , 33i 4
46 Sistemas de Controle
Resposta no Tempo
1.8
1.4
MP = 19.88%
1.2
Com Controlador
1
Resposta
0.8 ts = 1.26seg.
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
4
Sinal de Controle
-1
-2
0 1 2 3 4 5 6 7 8 9 10
Tempo
Sistemas de Controle 47
Resposta no Tempo
10
Com Controlador
Sem Controlador
Resposta
0
0 1 2 3 4 5 6 7 8 9 10
Tempo
48 Sistemas de Controle
4.8 Exercícios
2. Para cada um dos sistemas dados a seguir, projetar o controlador indicado para
satisfazer as especificações dadas:
1
a. G ( s ) = . Projetar um PD para que em MF ξ = 0,7 ,
10000( s − 1,1772)
2
ω n = 0,5 rad / s .
820
b. G ( s) = . Projetar um controlador em atraso para que o fator
s ( s + 10)( s + 20)
de amortecimento dos pólos dominantes permaneça em ξ = 0,6 , mas, a
constante de erro de velocidade estático aumente para Kv comp = 41s −1 .
1
c. G ( s) = . Projetar um controlador em atraso-avanço para que o
s( s + 1)( s + 5)
fator de amortecimento dos pólos dominantes seja ξ = 0,5 , e, a constante de
erro de velocidade estático seja Kv comp = 50s −1 (escolher o zero da porção em
avanço de forma a cancelar o pólo da planta em s = -1).
2
3. Seja G ( s) = , verifique através de simulação a resposta do sistema com um
s + 2s + 1
2
Sistemas de Controle 49
5 APROXIMAÇÃO DISCRETA DE FUNÇÕES DE TRANSF. CONTÍNUAS
5.1 Introdução
H(z) ≈ G(s)
Relógio
Uma função de transferência representa uma equação diferencial. Assim sendo, é natural
obter uma equação de diferenças cuja solução é a aproximação para a equação diferencial.
Existem três formas básicas de fazer esta aproximação: método Forward (ou método de
Euler), método Backward e método Tustin (ou método de trapezoidal).
Supondo que os valores dos sinais de entrada e saída de um sistema contínuo são
medidos a cada T segundos e que este período T é suficientemente pequeno, podemos obter
uma equação de diferenças que modela aproximadamente a relação entre um sinal de entrada
t
u(t) e sua integral y(t) = ∫ u(τ )dτ , ou seja:
o
Y(s) 1
G(s) = = ( 5.1 )
U(s) s
Y(z) T
H(z) = = ( 5.2 )
U(z) z − 1
50 Sistemas de Controle
z −1
s= ( 5.3 )
T
Neste caso, podemos mostrar que o semi-plano esquerdo do plano s é mapeado para a
região mostrada na figura abaixo, a qual inclui o círculo unitário. Assim sendo, neste tipo de
aproximação é possível que um sistema contínuo estável (pólos em s no semi-plano esquerdo)
seja transformado em um sistema discreto instável (pólos em z fora do círculo unitário).
Plano s Plano z
Método Forward
Im Im
Semi-plano Esquerdo
Re Re
Círculo Unitário
• Método Backward
Y(z) Tz
H(z) = = ( 5.4 )
U(z) z − 1
z −1
s= ( 5.5 )
Tz
Neste caso, podemos mostrar que o semi-plano esquerdo do plano s é mapeado para a
região mostrada na figura abaixo, a qual está contido no círculo unitário. Assim sendo, neste
tipo de aproximação, um sistema contínuo estável sempre será transformado em um sistema
discreto estável. Porém, podemos ter sistemas contínuos instáveis transformados em sistemas
discretos estáveis.
Plano s Plano z
Método Backward
Im Im
Semi-plano Esquerdo
Re Re
Círculo Unitário
Sistemas de Controle 51
• Método Trapezoidal, Tustim ou Aproximação Bilinear
Esta aproximação corresponde ao método dos trapézios para integração numérica, que
u + u k −1
corresponde à seguinte equação de diferenças; y k = y k −1 + T k ; ou seja:
2
Y(z) T (z + 1)
H(z) = = ( 5.6 )
U(z) 2 (z − 1)
2 z −1
s= ( 5.7 )
T z +1
Semi-plano Esquerdo
Re Re
Círculo Unitário
H(z) ≈ G(s)
SOZ G(s)
Desta forma, a função de transferência discreta H(z), pode ser obtida a partir de G(s),
através da seguinte equação,
z − 1 G(s)
H(z) = Z ( 5.8 )
z s
52 Sistemas de Controle
5.4 Exercícios
1
a) G ( s) =
s
1
b) G ( s) =
s2
1
c) G ( s ) =
s+a
s
d) G ( s ) =
s+a
s
e) G ( s) = K
s+a
s
f) G ( s) =
(s + a )2
ωs
g) G ( s ) =
(s + a )2 + ω 2
1
2. Um controlador PI continuo é descrito por K 1 + .
τis
Sistemas de Controle 53
6 IMPLEMENTAÇÃO DE CONTROLADORES DIGITAIS
6.1 Introdução
Relógio
Sensores
Código Computacional:
Ler dados (A/D);
Calcular variável de controle;
Escrever dados (D/A);
• Pré-Filtragem
Para evitar aliasing1 é necessário usar um pré-filtro analógico, antes de amostrar os sinais
dos sensores analógicos, visando eliminar distúrbios e ruídos com freqüências superiores a
freqüência de Nyquist. A pré-filtragem é fundamentalmente importante, quando existem
componentes de alta freqüência que podem contaminar o sinal amostrado.
1
Aliasing é um fenômeno que ocorre quando o sinal amostrado contém harmônicas maiores que a metade
da freqüência de amostragem.
54 Sistemas de Controle
Em alguns casos a solução mais simples é introduzir um filtro analógico na frente do
amostrador:
Relógio
r(t) + y(t)
Filtro C(z) SOZ G(s)
-
Sensores
,
ω2
G f (s) = 2
s + 2ζω s + ω 2 ( 6.1 )
ω ω
B B
Filtros de ordem superior podem ser obtidos pelo arranjo, em cascata, de vários filtros de
primeira e segunda ordem.
• Atraso Computacional
Variável de Processo
y(Tk+1) y(Tk+1)
y(Tk) y(Tk)
y(Tk-1) y(Tk-1)
Tempo Tempo
u u
u(Tk+1) u(Tk+1)
Variável de Controle
Variável de Controle
u(Tk) u(Tk)
Atraso u(Tk-1) Atraso
Computacional Computacional
Tempo Tempo
Tk-1 Tk Tk+1 Tk-1 Tk Tk+1
Sistemas de Controle 55
Existem basicamente duas possibilidades: A variável de processo medida no instante k
pode ser usada para calcular a ação de controle para o instante k+1, ou a variável de processo
medida no instante k é usada imediatamente no calculo da ação de controle, que, por sua vez,
deve ser enviada ao conversor D/A tão rápido quanto possível.
Grande parte dos métodos para o projeto de controladores baseia-se na teoria de sistemas
lineares, ou seja, partem do pressuposto de que o processo a ser controlado é linear. No
entanto, a maioria dos sistemas físicos reais apresentam algum tipo de não-linearidade. No
caso dos sistemas de controle, isso acontece, mas tipicamente, com os atuadores. Uma das
principais não-linearidades apresentadas por atuadores é a saturação.
Planta ou Processo
Atuador Dinâmica Linear
u(t) up(t) y(t)
Existem, fundamentalmente, dois caminhos para lidar com essa realidade: Um é utilizar
técnicas de projeto que levem em conta as não-linearidades. Estes métodos costumam
envolver cálculos complexos, gerando assim, leis de controle também complexas. Outro
caminho é utilizar métodos heurísticos simples.
Neste ponto será discutida a interface entre o sistema de controle e o operador. Isto inclui
a apresentação de dados e a alteração, por parte do operador, dos parâmetros do controlador.
Interface
Apresentação de Dados
Valores numéricos;
Gráficos;
Imágems;
Controlador
Animações ...
Operador
Ajuste de Parâmetros
Referência;
Ganhos;
Tempo integrativo;
Tempo derivativo;
Modo de operação ...
56 Sistemas de Controle
No caso do controle regulatório de processos, é comum exibir informações sobre os
valores de referência (SP – Set-point), sobre as saídas medidas (PV – Process Variable), e
sinais de controle. Além disso, a interface também deve possibilitar ao operador a alteração
dos ganhos, do tempo integrativo e do tempo derivativo. Também costuma ser desejado que
haja a possibilidade de alternar entre os modos de operação automático e manual. Uma forma
simples de realizar o controle manual é através de botões para aumentar e diminuir o valor do
sinal de controle. Porém, como o controlador é um sistema dinâmico, precauções devem ser
tomadas no chaveamento do modo de operação manual para o automático, para que a
transição seja suave evitando que surjam transitórios devido ao chaveamento.
Devido a grande facilidade para realizar cálculos é possível utilizar uma parametrização
no algoritmo de controle e mostrar outra ao operador através da interface. Por exemplo, o
algoritmo pode trabalhar sempre com os tempos derivativo e integrativo, mas, a interface
pode possibilitar que o operador entre ou com estes tempos ou com os respectivos ganhos. No
segundo caso, a partir dos ganhos fornecidos pelo operador, os tempos seriam calculados e
então usados no algoritmo de controle.
Algoritmo #1 Algoritmo #2
9,687 z + 9,645
G ( z ) = 10 −5 ( 6.2 )
z − 1,987 z + 0,987
2
Sistemas de Controle 57
Considerando-se os parâmetros do controlador como sendo: kP = 2 e τi = 100, temos que,
se esses parâmetros permanecerem inalterados, ambos os algoritmos geram sinais de controle
idênticos. Conseqüentemente, a resposta do sistema em ambos os casos é também idêntica.
Algoritmo #1
25 40
30
20
20
15
10
10
0
5
-10
0 -20
0 500 1000 1500 2000 0 500 1000 1500 2000
Algoritmo #2
25 40
30
20
20
15
10
10
0
5
-10
0 -20
0 500 1000 1500 2000 0 500 1000 1500 2000
58 Sistemas de Controle
Sistema de Segunda Ordem com Controlador PI – Variação de Parâmetros
Algoritmo #1
25 40
30
20
20
15
10
10
0
5
-10
0 -20
0 500 1000 1500 2000 0 500 1000 1500 2000
Algoritmo #2
25 40
30
20
20
15
10
10
0
5
-10
0 -20
0 500 1000 1500 2000 0 500 1000 1500 2000
Sistemas de Controle 59
6.7 Projeto de Controladores Digitais
Y ( z) 1 Y ( z ) / R( z )
Se for especificado , temos que: D( z ) =
R( z ) G ( z ) 1 − Y ( z ) / R( z )
Para um planta de ordem n o tempo mínimo é igual a nT, o problema a ser resolvido é
obter D(z), tal que, para uma entrada degrau, ou seja, R(z) = (1 - z -1)-1 a resposta seja: y(k) =
r(k) = 1 para k ≥ n, com: u(k) = u(n) para k ≥ n.
{
Y ( z ) = y1 z −1 + y 2 z −2 + ... + 1 z − n + z − ( n +1) + ... }
{
U ( z ) = u 0 + u1 z −1 + u 2 z −2 + ... + u N z − n + z − ( n+1) + ... }
Y ( z)
R( z )
[ { }]( )
= y1 z −1 + y 2 z −2 + ... + 1 z −n + z −( n +1) + ... 1 − z −1 = y1 z −1 − y1 z − 2 + y 2 z −2 + ... + z −n
Y ( z)
= y1 z −1 − ( y 2 − y1 ) z −2 + ... + (1 − y n −1 ) z −n
R( z )
Y ( z)
R( z )
= p1 z −1 + p 2 z − 2 + ... + p n z − n , com ∑p i =1 ( 6.3 )
Por analogía:
U ( z) q 0 = u 0 ; q1 = u1 − u 0 ; q n = u n − u n −1
= q0 + q1 z −1 + q 2 z −2 + ... + q n z −n , com: ( 6.4 )
R( z ) ∑ qi = u n
Então,
60 Sistemas de Controle
Y ( z) D( z )G ( z )
= = P( z ) ( 6.5 )
R( z ) 1 + D( z )G ( z )
ou:
Y ( z) Y ( z ) R( z ) P( z )
= G( z) = = ( 6.6 )
U ( z) R( z ) U ( z ) Q( z )
Q( z ) q + q1 z −1 + K + q n z − n
D( z ) = = 0
(
1 − P( z ) 1 − p1 z −1 + K + p n z − n )
Seja ainda:
b1 z −1 + b2 z −2 + ... + bn z − n q
G( z) = −1 −2 −n
× 0 ( 6.7 )
1 + a1 z + a 2 z + ... + a n z q0
p1 z −1 + p 2 z −2 + ... + p n z − n
G( z) = ( 6.8 )
q0 + q1 z −1 + q 2 z − 2 + ... + q n z − n
q 1 = a 1q 0 p1 = b1q 0
M eM
qn = anqo pn = bnqo
1
Como: ∑p = q 0 ∑ b i = 1 , então: q 0 = .
∑ i
i
b
EXEMPLO:
0.368 z + 0.265
Projetar um controlador deadbeat para o seguinte sistema: G ( z ) = .
z − 1.368 z + 0.368
2
SOLUÇÃO:
q1 = a1 q0 = −2.160 p 2 = q0 b2 = 0.418
q 2 = a 2 q0 = 0.581
Sinal de Controle
1
0.6
Saída
0.5
0.4
0
0.2 -0.5
0 -1
0 2 4 6 8 10 0 2 4 6 8 10
Instante Instante
62 Sistemas de Controle
7 PROJETO DE SISTEMAS DE CONTROLE USANDO O ESPAÇO DE ESTADOS
É aplicável a sistemas de múltiplas entradas e múltiplas saídas, que podem ser lineares ou
não-lineares, invariantes ou variantes no tempo e com condições iniciais não-nulas.
Considere os vetores:
x1 (t ) u1 (t ) y1 (t )
x (t ) u (t ) y (t )
x(t ) = 2 u(t ) = y (t ) =
2 2
: : :
x n (t ) u p (t ) y q (t )
x(t) → vetor de estados. u(t) → vetor de entrada. y(t) → vetor de saída.
xi(t) → variável de estado.
E as matrizes; A(t)nxn; B(t)nxp; C(t)qxn; D(t)qxp.
( sI − A) X( s ) = BU( s ) + X(0)
( 7.3 )
X( s ) = (sI − A ) BU ( s ) + (sI − A ) X(0)
−1 −1
[ ]
Y( s ) = C(sI − A ) B + D U( s ) = G ( s )U( s )
−1
( 7.4 )
De onde, conclui-se:
G ( s ) = C(sI − A ) B + D
−1
Matriz Função de Transferência ( 7.5 )
Sistemas de Controle 63
7.2 Solução da Equação de Estado
• Caso Escalar
→ X ( s ) = (s − a ) x(0) + (s − a ) bU ( s )
−1 −1
x& (t ) = ax(t ) + bu (t ) Laplace
{
x(t ) = L−1 {X ( s )} = e at x(0) + bL−1 (s − a )
−1
}* L −1
{U ( s)} ⇒
t
x(t ) = e x(0) + ∫ e a ( t −τ ) bu (τ )dτ
at
( 7.6 )
0
• Caso Vetorial
t
x(t ) = e x(0) + ∫ e A (t −τ ) BU (τ )dτ
At
( 7.7 )
0
{
onde: e At = L−1 (sI − A )
−1
}.
A exponencial matricial; e At , pode ser calculada através da série:
A 2t 2 Akt k
e At
= I + At + + ... + + . . . ; que converge para todo t finito e para todo A.
2! k!
7.3 Estabilidade
Teorema: Um sistema é estável, se, quando u(t) = 0, para todo x(0), temos que
lim x(t ) = 0
t →∞
64 Sistemas de Controle
EXEMPLO:
− 1 1 3 0 s + 1 − 1 −3
x& = 0 − 3 4 x + 0u ⇒ det( sI − A) = 0 s + 3 − 4 = ( s + 1)( s + 3)( s − 2)
0 0 2 1 0 0 S − 2
7.4 Controlabilidade
Definição: O sistema (A,B,C,d) é controlável se, quaisquer que sejam x(0) e x(T), existe
u(t) 0 ≤ t ≤ T que transfere o estado x(0) para o estado x(T) em um tempo finito.
[
U = B AB A 2B ... A n −1B ] ( 7.9 )
OBS: Uma matriz R é dita possuir posto (rank), ρ(R), igual a m, se existir uma submatriz
Mmxm de modo que o determinante de M é não nulo, e o determinante de todas as submatrizes
rxr (onde r > m) de R é zero.
EXEMPLO1:
1 2 2
1 2
1 − 1 3
R1 = ρ (R 1 ) = 1 R2 = ρ (R 2 ) = 2
1 − 1 0 0 0
0 0 0
EXEMPLO2:
u = x&1 + x1
+ 1F x1 1F x2
u = x& 2 + x 2
u ~
- 1Ω 1Ω − 1 0 1
x& = x + u
0 − 1 1
1 − 1
U = [B AB] = ρ (U) = 1 < 2 (Não-Controlável)
1 − 1
Sistemas de Controle 65
7.5 Observabilidade
C
CA
V = CA 2 ( 7.10 )
:
CA n −1
EXEMPLO:
1F
− 1 0 0 1
+
x& = 0 0 − 1 x + 1u
1Ω 1Ω 0 1 − 1 0
u 1F y
1H y = [0 1 0]x
-
C 0 1 0
V = CA = 0 0 − 1 ⇒ ρ(V) = 2; Logo, o sistema é Não-observável.
CA 2 0 − 1 1
x& (t ) = Ax(t ) + Bu (t )
y (t ) = Cx(t ) + du (t )
C(sI − A ) B + d = G ( s )
−1
com:
Y ( s) β1 s n −1 + β 2 s n − 2 + ... + β n N (s)
= G ( s) = n +d = +d
U ( s) s + α 1 s + α 2 s + ... + α n
n −1 n−2
D( s)
66 Sistemas de Controle
7.6.1 Realização na Forma Canônica Observável
0 0 ... 0 −αn βn
1
0 ... 0 - α n -1 β
A= ; B = n −1 ; C = [0 0 ... 0 1] ( 7.11 )
0 0 ... 0 - α 2 β2
0 0 ... 1 - α 1 β1
0 1 ... 0 0 0
0 0 ... 0 0 0
A= ; B = ; C = [β n β n −1 ... β 2 β1 ] ( 7.12 )
0 0 ... 0 1 0
− α n − α n −1 ... −α2 − α1 1
Sistemas de Controle 67
7.7 Realimentação de Estado
x& (t ) = Ax(t ) + Bu (t )
Dada uma representação em variáveis de estado de um sistema; :
y (t ) = Cx(t ) + du (t )
D
.
x(t)
+
y(t)
u(t) + +
B
+
∫ C
x(t)
A
u (t ) = Kx(t ) + r (t ) ( 7.13 )
Assim, temos:
x& (t ) = Ax(t ) + Bu (t )
⇒ x& (t ) = Ax(t ) + B(Kx(t ) + r (t ) ) ⇒
u (t ) = Kx(t ) + r (t )
D
.
x(t)
+
y(t)
u(t) + +
B
+
∫ C
x(t)
A
68 Sistemas de Controle
• Fórmula de Ackermann para Determinação da Matriz de Ganhos K
[
U = B AB A 2 B ... A n −1B
onde:
] .
q c ( A) = A n + a1 A n −1 + ... + a n I
EXEMPLO:
1 0 1
x& = x + u
Dado; 0 − 2 1 , usando; u (t ) = Kx(t ) + r (t ) . Determine K para que os
y = [1 1]x
autovalores do sistema sejam -1 e -2.
SOLUÇÃO:
∆(s) = (s + 1)(s + 2) = s 2 + 3s + 2
1 1 1 − 2 − 1
U = [B AB] = U −1 = −
1 − 2 3 − 1 1
6 0
q c ( A) = A 2 + 3A + 2I =
0 0
− 2 − 1 6 0
K=
1
[0 1] = [− 2 0]
3 − 1 1 0 0
Sistemas de Controle 69
SIMULAÇÃO:
x& (t ) = (A + BK )x(t ) + Br (t )
y (t ) = Cx(t )
Rotina Matlab:
% Programa para Realimentação de Estado
clear all;
A=[1 0;0 -2];B=[1 1]';C=[1 1];d=0; % Sistema Original
K=[-2 0]; % Matriz de Ganhos
Aa=[A+B*K]; % Matriz Dinamica realimentada
t=0:0.01:5; % Tempo da simulaçao
u=0*t; % Sinal de entrada (nulo)
x0=[1 1]'; % Condiçoes iniciais
figure;plot(t,Y1,'r','linewidth',2)
title('Saída sem realimentação de estado')
figure;plot(t,Y,'b','linewidth',2)
title('Saída com realimentação de estado')
1.5
100
1
0.5
50
0 -0.5
0 1 2 3 4 5 0 1 2 3 4 5
70 Sistemas de Controle
7.8 Observadores de Estado
x& (t ) = Ax(t ) + Bu (t )
Seja: , conhecendo-se A, B e C, e a medição de y(t) e u(t),
y (t ) = Cx(t )
constrói-se o estimador:
x&ˆ (t ) = Axˆ (t ) + L( y (t ) − yˆ (t ) ) + Bu (t )
; (Estimador Assintótico) ( 7.16 )
ˆ
y (t ) = Cxˆ (t )
x(t)
A
+
L
.
^ -
+ x(t)
B
+
∫ C
^y(t)
^
x(t)
A
• Erro de Estimação
O erro entre x e x̂ , conhecido como erro de estimação (ou erro de observação), é dado
por; ~
x (t ) = x(t ) − xˆ (t ) , derivando-se, temos:
ou, simplesmente:
x& (t ) = (A − LC )~
~ x (t ) ( 7.17 )
Sistemas de Controle 71
• Fórmula de Ackermann para Determinação da Matriz de Ganhos do Observador L
onde:
[
V = C CA CA 2 K CA n −1 ]
T
.
q L ( A) = A n + a1 A n −1 + ... + a n I
EXEMPLO:
1 0 1
x& = x + u
Dado; 0 − 2 1 . Projetar um observador de estados com autovalores -3, -3.
y = [1 1]x
SOLUÇÃO:
∆( s ) = ( s + 3)( s + 3) = s 2 + 6s + 9
C 1 1 1 − 2 − 1
V= = V −1 = −
CA 1 − 2 3 − 1 1
16 0
q L ( A) = A 2 + 6 A + 9I =
0 1
72 Sistemas de Controle
SIMULAÇÃO:
x& (t ) A 0 x(t ) B
x&ˆ (t ) LC A − LC xˆ (t ) + B u (t )
=
x(t )
y (t ) = [C 0]
xˆ (t )
Rotina Matlab:
% Programa para Observadores de Estado
Sistemas de Controle 73
Estado X1 e sua estimativa Estado X2 e sua estimativa
150 1.2
X1 X2
X1 Estimado 1 X2 Estimado
0.8
100
0.6
0.4
50
0.2
0 -0.2
0 1 2 3 4 5 0 1 2 3 4 5
3 0.4
0.2
2 0
-0.2
1
-0.4
0 -0.6
0 0.5 1 1.5 0 1 2 3 4 5
Para a realimentação de estados é necessário que todos os estados reais da planta, x(t ) ,
sejam mensuráveis. Quando isto não ocorre, há a necessidade de construir um observador de
estados. Neste caso a realimentação é feita a partir dos estados estimados, xˆ (t ) :
.
x(t)
u(t) + y(t)
B
+
∫ C
x(t)
A
+
L
.
^ -
+ x(t)
B
+
∫ C ^y(t)
^
x(t)
A
74 Sistemas de Controle
x& (t ) = Ax(t ) + Bu (t )
Seja: . Se xˆ (t ) é uma estimativa de x(t ) , então, na realimentação
y (t ) = Cx(t )
de estados utiliza-se:
u (t ) = Kxˆ (t ) + r (t ) ( 7.19 )
x& (t ) A BK x(t ) B
x&ˆ (t ) LC A − LC + BK xˆ (t ) + B u (t )
=
( 7.20 )
x(t )
y (t ) = [C 0]
xˆ (t )
EXEMPLO:
1 0 1
x& = x + u
Dado; 0 − 2 1 . Utilizar a realimentação de estados em conjunto com o
y = [1 1]x
observador de estados projetados anteriormente.
SIMULAÇÃO:
x& (t ) A BK x(t ) B
x&ˆ (t ) = LC A − LC + BK xˆ (t ) + B u (t )
x(t )
y (t ) = [C 0]
xˆ (t )
Rotina Matlab:
% Programa para Observadores de Estado + Realimentação de Estado
Sistemas de Controle 75
[Y,X] = LSIM(Aa,Ba,Ca,d,u,t,x0); % Simula o sistema aumentado
% para entrada e cond. iniciais dadas
0.6
0
0.4
0.2
-0.5
0
-0.2 -1
0 1 2 3 4 5 0 1 2 3 4 5
0.4 1
0.2
0 0.5
-0.2
0
-0.4
-0.6 -0.5
0 1 2 3 4 5 0 1 2 3 4 5
76 Sistemas de Controle
7.10 Seguidores de Referência (ou servosistemas)
Para que um sistema descrito por variáveis de estado possa, além de possuir a dinâmica
desejada (garantida pela alocação de pólos por realimentação de estado), seguir uma
determinada entrada, com erro zero, usamos o princípio do modelo interno.
x& r = A r x r
( 7.21 )
r = C r x r
Exemplos:
x& = 0 x r
Escolhendo xr = r, temos: r
r = 1x r
r& = 1
b) Rampa unitária: r(t) = t, t ≥ 0; :
&r& = 0
x& r1 0 1 x r1
& =
x r1 = r x r 2 0 0 x r 2
Escolhendo , temos:
x r 2 = r& r = [1 0] x r1
x
r2
x& (t ) = Ax(t ) + Bu (t )
Considere o sistema: .
y (t ) = Cx(t )
Das características do sinal de referência, temos: e&(t ) = y& (t ) − r&(t ) = y& (t ) = Cx& (t ) .
z = x& e& = Cz
Definimos novas variáveis de estado como: , então temos: , ou, na
w = u& z& = Az + Bw
forma matricial:
e& 0 C e 0
z& = 0 A z + B w ( 7.23 )
Sistemas de Controle 77
Se o sistema for controlável, então, existe uma lei de controle por realimentação de
estado, da forma; w = k1e + k 2 z , tal que os pólos do sistema aumentado podem ser
posicionados arbitrariamente.
e& 0 C e
z& = Bk A + Bk 2 z
( 7.24 )
1
Logo:
logo:
x& A + Bk 2 B k1 x 0
x& = C +
0 x n +1 − 1
r ( 7.27 )
n +1
.
x(t)
r(t) + + u(t) + y(t)
-
k1 ∫ +
B
+
∫ C
x(t)
A
k2
EXEMPLO:
0 1 0
x& = x + u
Considerando o sistema descrito por: − 2 − 2 1 . Projetar um controlador
y = [1 0]x
para que o sistema tenha erro zero para entrada degrau.
78 Sistemas de Controle
SOLUÇÃO:
e& 0 1 0 e 0
z& = 0 0 1 z1 + 0 w .
1
z& 2 0 − 2 − 2 z 2 1
0 0 1
[
U = B AB A B = 0 2
]
1 − 2 .
1 − 2 2
2 2 1
−1
U = 2 1 0
1 0 0
K = −[0 0 ... 1] U −1 q c ( A) ; com:
20 20 10
q ( A) = A 3 + 12A 2 + 22A + I = 0 0 0
c
0 0 0
0 0 0
logo:
x&1 0 1 0 x1 0
x& = − 22 − 12 − 20 x + 0 r
2 2
x& 3 1 0 0 x3 − 1
Sistemas de Controle 79
SIMULAÇÃO:
x& A + Bk 2 B k1 x 0
x& = C +
0 x n +1 − 1
r
n +1
x
y = [C 0]
x n +1
Rotina Matlab:
% Programa para Seguidor de Referêcia do tipo Degrau
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
z = &x&
Definimos novas variáveis de estado como: , temos:
w = u&&
e& 0 1 0 e 0
e&& = 0 0 C e& + 0 w
( 7.28 )
z& 0 0 A z B
Se o sistema acima for controlável, então existe w = k1e + k 2e& + k 3 z , tal que o sistema
aumentado é assintóticamente estável e e(t) → 0 quando t → ∞.
Logo:
t s
(
x& = Ax + Bu ⇒ x& = Ax + B k1 ∫0 ∫0 e(τ )dτdδ + k 2 ∫0 e(τ )dτ + k 3 x(t )
t
) ( 7.29 )
logo:
x& A + Bk 3 Bk 2 B k1 x 0
x& = C 0 0 x n +1 + − 1 r ( 7.30 )
n +1
x& n + 2 0 1 0 x n + 2 0
.
x(t)
r(t) + + + u(t) + y(t)
k1 ∫ ∫ +
B
+
∫ C
- +
x(t)
k2 A
k3
x(k + 1) = Gx(k ) + Hu (k )
( 7.31 )
y (k ) = Cx(k ) + Du (k )
X ( z ) = ( zI − G ) H U ( z )
−1
Logo;
[
Y ( z ) = C( zI − G ) H + D U ( z )
−1
] ( 7.32 )
Y ( z ) = G ( z )U ( z )
onde:
[
G ( z ) = C(zI − G ) H + D
−1
] ( 7.33 )
t
x(t ) = e At x(0) + e At ∫ e − Aτ Bu (τ )dτ
0
e;
kT
x(kT ) = e AkT x(0) + e AkT ∫ e − Aτ Bu (τ )dτ
0
82 Sistemas de Controle
kT
e x(kT ) = e
AT A ( k +1)T
x ( 0) + e A ( k +1)T
∫e
− Aτ
Bu (τ )dτ ( 7.35 )
0
∫e
− A ( kT −τ )
= e AT x(kT ) + e AT Bu (kτ )dτ
kT
Assim;
T
x((k + 1)T ) = e AT x(kT ) + e AT ∫ e − At Bu (kT )dt ⇔
0
T
⇔ x((k + 1)T ) = e AT x(kT ) + ∫ e Aλ Bu (kT )dλ
0
Logo:
EXEMPLO:
0 1 0
Dado o sistema: x& = x + 1u , com T = 1s . Obter a forma discreta:
0 − 2
SOLUÇÃO:
G (T ) = e AT
Sabendo que: T
T At , temos:
H (T ) = ∫ e Bdt = ∫ e dt B
At
0 0
1 1
e AT
=L −1
[(sI − A ) ]
−1
= L−1
s − 1
−1
= L
−1 s
s (s + 2 ) = 1
1
(
1 − e − 2T )
2
0 s − 2 0 1
e − 2T
0
s + 2
e;
Sistemas de Controle 83
1 e −2 T − 1
T 0 T +
At
T
∫ e dt B = ∫ 1
1
2
(
1 − e − 2T )
dt = 2 2
0 0 1 1
0 e − 2T (
2 1 − e
− 2T
)
x(k + 1) = Gx(k ) + Hu (k )
Considere o seguinte sistema discreto: .
y ( k ) = Cx ( k ) + Du ( k )
x(k + 1) = Gx(k ) + Hu (k )
Dado: .
y ( k ) = Cx ( k ) + Du ( k )
[
WC = H GH K G n −1 H ] ( 7.37 )
84 Sistemas de Controle
7.15 Observabilidade de Sistemas Discretos no Tempo
C
CG
WO = ( 7.38 )
M
n −1
C G
x(k + 1) = Gx(k ) + Hu (k )
Dado o seguinte sistema na forma discreta:
y (k ) = Cx(k ) + Du (k )
Assim como no caso contínuo uma das ferramentas disponíveis para a determinação da
matriz de ganhos da realimentação, K, é a formula de Ackermann.
xˆ (k + 1) = Gxˆ (k ) + L( y (k ) − yˆ (k ) ) + Hu (k )
( 7.41 )
yˆ (k ) = Cxˆ (k )
xˆ (k + 1) = (G − LC )~
x ( 7.42 )
L = q C (G ) WO−1 [0 0 L 1]
T
( 7.43 )
Sistemas de Controle 85
7.18 Seguidor de Referência para Sistemas Discretos no Tempo
x(k + 1) = Gx(k ) + Hu (k )
Dado o sistema:
y (k ) = Cx(k )
v(k + 1) = v(k ) + r (k + 1) − y (k + 1) =
onde: = v(k ) + r (k + 1) + −C[Gx(k ) + Hu (k )] =
= −CGx(k ) + v(k ) − CHu (k ) + r (k + 1)
u (k + 1) = −k 2 x(k + 1) + k1v(k + 1) ⇒
u (k + 1) = −k 2 [Gx(k ) + Hu (k )] + k1 [− CGx(k ) + v(k ) − CHu (k ) + r (k + 1)] ⇒
logo:
u (k + 1) = (− k 2 G − k1CG )x(k ) + (− k 2 H − k1CH )u (k ) + k1v(k ) + k1 r (k + 1) ⇒
u (k + 1) = (− k 2 G − k1CG )x(k ) + (− k 2 H − k1CH )u (k ) + u (k ) + k 2 x(k ) + k1 r (k + 1) ⇒
Daí, temos:
x(k + 1) G H x( k ) 0
u (k + 1) = k − k G − k CG 1 − k H − k CH u (k ) + k r (k + 1)
2 2 1 2 1 1
( 7.46 )
x( k )
y(k ) = [C 0]
u (k )
v(k ) = V (k + 1) quando k → ∞
v(∞−) = v(∞) + r y (∞)
x e (k + 1) G H x e (k )
u (k + 1) = k − k G − k CG 1 − k H − k CH u (k ) ( 7.47 )
e 2 2 1 2 1 e
x (k )
Definindo w(k ) = [k 2 − k 2 G − k1CG 1 − k 2 H − k1CH ] e
u e ( k )
86 Sistemas de Controle
x (k + 1) G H xe (k ) 0 ˆ ˆ
Temos: e
u ( k + 1) = 0 0 u (k ) + 1 w(k ) e ξ (k + 1) = Gξ (k ) + Hw(k ) .
e e
−1
[k 2 [
k1 ] = K
ˆ ]
[0 1]
G −I H
( 7.48 )
CG CH
7.19 Exercícios
1 0 1
x& = x + u
a) 0 − 2 1
y = [1 1]x
0 1 0
x& = x + u
b) − 2 − 2 1
y = [1 0]x
1 1 1
x& = x + u
c) 0 − 1 0
y = [1 2]x
0 1 1
x& = x + u
d) 2,1 − 1,5 1
y = [1 0]x
0 1 0 0
x& = 0 0 1 x + 0u
e)
− 6 − 11 − 6 1
y = [4 5 1]x
−6 1 0 2
x& = − 11 0 1 x + 6u
f)
− 6 0 0 2
y = [1 0 0]x
Sistemas de Controle 87
− 1 − 2 − 2 2
x& = 0 − 1 1 x + 0u
g)
1 0 − 1 1
y = [1 1 0]x
2 0 0 0 1
x& = 0 2 0 x + 1 0u
0 3 1 0 1
h)
y = 1 0 0
x
0 1 0
0 1 0
x& = x + u
b) − 2 − 2 1
y = [1 0]x
88 Sistemas de Controle
0 1 1
x& = x + u
c) 2,1 − 1,5 1
y = [1 0]x
−6 1 0 2
x& = − 11 0 1 x + 6u
d)
− 6 0 0 2
y = [1 0 0]x
− 1 − 2 − 2 2
x& = 0 − 1 1 x + 0u
e)
1 0 − 1 1
y = [1 1 0]x
Sistemas de Controle 89
8 Introdução aos Sistemas de Controle Ótimo
O problema de controle, de uma forma geral, consiste em determinar uma lei de controle
que faça com que o sistema atenda a certas especificações de desempenho. No caso dos
sistemas de controle ótimo, a obtenção de uma lei de controle se dá pela minimização de um
funcional de custo.
J = f (x, u, t ) ( 8.1 )
x& = Ax + Bu
( 8.2 )
y = Cx
u = Kx ( 8.3 )
onde: Q é uma matriz real simétrica positiva semi-definida; e R é uma matriz real simétrica
positiva definida.
90 Sistemas de Controle
e no funcional ( 8.4 ),
( )
∞ ∞
J = ∫ (x T Qx + x T K T RKx)dt = ∫ x T Q + K T RK xdt ( 8.7 )
0 0
Para mostra que uma função de Liapunov pode, efetivamente, ser usada na solução deste
problema, vamos, inicialmente, supor que:
(Q + K T
RK = − ) d T
dt
(
x Px ) ( 8.8 )
(Q + K T
)
RK = − x& T Px − x T Px& ( 8.9 )
(Q + K RK ) = −(A + BK ) x Px − x P(A + BK )x ⇒
T T T T
( )
∞ ∞
J = ∫ x T Q + K T RK xdt = − x T Px = − x(∞) T Px (∞) + x(0) T Px (0) ( 8.12 )
0
0
Assim, o funcional pode ser obtido em termos das condições iniciais x(0) e de P, que, por
sua vez, está relacionada com (A + BK ) e (Q + K T RK ).
R = TT T ( 8.14 )
[
A T P + PA + TK + T T ( ) −1
][
T
B T P TK + T T( ) −1
]
B T P − PB T T T( )
−1
BT P + Q = 0 ( 8.16 )
[
x T TK + T T ( ) −1
][
T
B T P TK + T T( ) −1
BT P x ] ( 8.17 )
A expressão ( 8.17 ), por ser quadrática, é não negativa, logo seu mínimo ocorre quando
ela é nula, ou seja, quando:
TK + (T T ) B T P = 0 ⇒ TK = −(T T ) B T P ⇒
−1 −1
( 8.18 )
⇒ K = −T −1 (T T ) B T P
−1
ou simplesmente:
K = − R −1 B T P ( 8.19 )
onde P deve satisfazer a equação ( 8.16 ) ou sua versão reduzida, conhecida como Equação de
Algébrica de Riccati de matriz reduzida.
EXEMPLO:
0 1 0
x& = x + u
Considere o seguinte sistema; 0 − 1 1 . Determine a matriz ótima de ganhos
y = [1 0]x
∞ 1 0
da realimentação para o funcional; J = ∫ (x T x + u )dt .
2
0 0 1
SOLUÇÃO:
92 Sistemas de Controle
0 0 p11 p12 p11 p12 0 1 p11 p12 0
[1][0 1] 11
p p12 1 0 0 0
1 − 1 p + − + =
12 p22 p12 p22 0 − 1 p12
p22 1 p12 p22 0 1 0 0
− p122 + 1 = 0
p11 − p12 − p12 p22 = 0 2 1
;⇒ P =
p11 − p12 − p12 p22 = 0 1 1
p − p + p − p − p2 +1= 0
12 22 12 22 22
2 1
K = − R −1B T P = −[1][0 1] = −[1 1]
1 1
J=
1 ∞ T
[
∑ x (k )Qx(k ) + u (k )Ru(k )
2 k =0
T
] ( 8.23 )
onde: Q é uma matriz real simétrica positiva semi-definida; e R é uma matriz real simétrica
positiva definida.
Assim como no caso contínuo, a matriz de ganhos K é definida em função de uma matriz
real simétrica positivo definida P. Onde K é dada por:
Sistemas de Controle 93
(
K = − R + H T PH )
−1
H T PG ( 8.24 )
(
P = Q + G T PG − G T PH R + H T PH )−1
H T PG ( 8.25 )
(
P(k + 1) = Q + G T P(k )G − G T P(k )H R + H T P(k )H )−1
H T P (k )G ( 8.26 )
Partindo de uma solução inicial nula P(0) = 0, damos início a um processo iterativo que
deverá convergir para uma matriz P constante. Quando os elementos de P não variarem
significativamente (dentro de uma tolerância previamente estabelecida) tomaremos a última
matriz P calculada como sendo a solução da equação de Riccati de regime permanente e a
usaremos para determinar a matriz de ganhos K.
EXEMPLO:
0,2 0 1
Considere o seguinte sistema; x(k + 1) = x(k ) + u(k ) . Determine a matriz
0 0,4 1
1 0
Q =
ótima de ganhos da realimentação, considerando;
0 0 , 5 e R = 1.
SOLUÇÃO:
1,0000 0,0000
(
P(1) = Q + G T P(0)G − G T P(0)H R + H T P(0)H )
−1
H T P(0)G = Q =
0,0000 0,5000
1,0240 − 0,0160
(
P(2) = Q + G T P(1)G − G T P(1)H R + H T P(1)H ) −1
H T P(1)G =
− 0,0160 0,5640
1,0251 − 0,0186
(
P(3) = Q + G T P(2)G − G T P(2)H R + H T P(2)H ) −1
H T P(2)G =
− 0,0186 0,5714
94 Sistemas de Controle
Considerando uma tolerância de 10-4, atingimos uma solução satisfatória na sexta
iteração:
1,0525 − 0,0189
P=
− 0,0189 0,5724
(
K = − R + H T PH )
−1
H T PG = −[0,0786 0,0865]
Sistemas de Controle 95
Referências
5. J. J. D'AZZO e C. H. HOUPIS. Análise e Projeto de Sistemas de Controle Lineares. Guanabara Dois, 1984.
10. FRANKLIN, G. F. e POWELL, J. D. Digital Control of Dynamic Systems. Addison-Wesley Publ., 1980.
11. SMITH, C. L. Digital Computer Process Control. Intext Educational Publishers, 1972.
12. K. OGATA. Designing Linear Control Systems with MATLAB. Prentice-Hall, 1994.
Além disso, outras fontes bibliográficas muito úteis podem ser encontradas na Internet.
Alguns exemplo são os diversos materiais que podem ser encontrados nas páginas eletrônicas
de alguns professores do DCA:
96 Sistemas de Controle