Introduc¸ ˜ ao aos Sistemas de Controlo

Vers˜ ao preliminar
Teresa Paula C. Azevedo Perdico´ ulis
&
P. J. Lopes dos Santos
1 de Fevereiro de 2013
2
Conte´ udo
Lista de Figuras iii
Lista de Tabelas v
1 Introduc¸ ˜ ao 1
2 A transformada de Laplace 5
2.1 Definic¸ ˜ ao e existˆ encia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Algumas propriedades da TL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 A TL de algumas func¸ ˜ oes especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Resultados importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 A TL inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.6 TL em Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.7 Aplicac¸ ˜ oes: circuitos e sistemas mecˆ anicos . . . . . . . . . . . . . . . . . . . . . . 15
2.8 Mais exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 An´ alise no tempo de sistemas em MA 25
3.1 Func¸ ˜ ao de transferˆ encia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Representac¸ ˜ ao no espac¸o de estados . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Entradas usuais do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4 Resposta do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.5 An´ alise de sistemas de primeira ordem . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.6 An´ alise de sistemas de segunda ordem . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.7
´
Algebra dos diagramas de blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.8 An´ alise de sistemas de ordem superior . . . . . . . . . . . . . . . . . . . . . . . . . 54
iii
iv CONTE
´
UDO
3.9 Modos dominantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.10 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.11 O efeito dos zeros na resposta do sistema . . . . . . . . . . . . . . . . . . . . . . . 65
3.12 Mais exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4 Modelac¸ ˜ ao de sistemas f´ısicos 75
4.1 Sistemas el´ ectricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.2 Sistemas mecˆ anicos de translac¸ ˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.3 Sistemas mecˆ anicos de rotac¸ ˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.4 N´ıvel de l´ıquido num reservat ´ orio . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5 Controlo proporcional, integrativo e derivativo 103
5.1 Controlo proporcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.2 Controlo integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.3 Controlo derivativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.4 Filtragem e ponto de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.5 Sintonia do controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.6 Wind up ou saturac¸ ˜ ao por acc¸ ˜ ao integradora . . . . . . . . . . . . . . . . . . . . . . 123
6 An´ alise em frequˆ encia de sistemas em MA 125
6.1 A resposta em regime permanente a um sinus´ oide . . . . . . . . . . . . . . . . . . . 126
6.2 Avaliac¸ ˜ ao geom´ etrica da FT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.3 Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.4 Diagrama de p´ olos e zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.5 Os zeros na resposta em frequˆ encia . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.6 Sistemas de fase m´ınima e n˜ ao m´ınima . . . . . . . . . . . . . . . . . . . . . . . . 167
6.7 Relac¸ ˜ ao entre a resposta ao escal˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.8 Observac¸ ˜ oes finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.9 Mais exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
7 An´ alise de sistemas em MF 171
7.1 Definic¸ ˜ ao de sistema com retroacc¸ ˜ ao ou realimentac¸ ˜ ao . . . . . . . . . . . . . . . . 172
7.2 An´ alise do desempenho em regime permanente . . . . . . . . . . . . . . . . . . . . 174
7.3 M´ etodo do lugar geom´ etrico de ra´ızes . . . . . . . . . . . . . . . . . . . . . . . . . 178
7.4 Diagrama de Nyquist (ou polar) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
CONTE
´
UDO v
7.5 Crit´ erio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.6 Estabilidade relativa: margens de ganho e margens de fase . . . . . . . . . . . . . . 223
2 Projecto e t´ ecnicas de compensac¸ ˜ ao 5
2.1 Compensadores por atraso de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Compensadores por avanc¸o de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Compensadores por avanc¸o-atraso de fase . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Compensadores corta-faixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5 Compensac¸ ˜ ao por lugar geom´ etrico de ra´ızes . . . . . . . . . . . . . . . . . . . . . 13
2.6 Compensac¸ ˜ ao no dom´ınio das frequˆ encias . . . . . . . . . . . . . . . . . . . . . . . 21
A Quest˜ oes de linguagem 25
B Matlab em sistemas de controlo 29
B.1 Conhecimentos b´ asicos em Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
B.2 Resoluc¸ ˜ ao de uma equac¸ ˜ ao diferencial . . . . . . . . . . . . . . . . . . . . . . . . . 36
B.3 Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
B.4 Func¸ ˜ oes de transferˆ encia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
B.5 Representac¸ ˜ ao gr´ afica da resposta em frequˆ encia . . . . . . . . . . . . . . . . . . . 42
B.6 Identificac¸ ˜ ao de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
C Simulac¸ ˜ ao de um sistema mecˆ anico de translac¸ ˜ ao em Matlab 53
Referˆ encias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
vi CONTE
´
UDO
Lista de Figuras
3.1 Sistema mola–massa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Representac¸ ˜ ao da resposta impulsional do sistema G(s) =
3
s +1
. . . . . . . . . . . . 39
3.3 Representac¸ ˜ ao da resposta ao degrau do sistema G(s) =
3
s +1
. . . . . . . . . . . . . 40
3.4 Representac¸ ˜ ao do sistema G(s) =
2
s +1
. . . . . . . . . . . . . . . . . . . . . . . . . 43
3.5 Relac¸ ˜ ao entre os coeficientes ξ e ω
n
e o teorema de Pit´ agoras. . . . . . . . . . . . . 44
3.6
`
A esquerda est˜ ao trac¸adas curvas para ω
n
constante.
`
A direita est˜ ao trac¸adas linhas
para ξ constante. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.7 Resposta impulsional do sistema G(s) =
1
s
2
+2ξs +1
, com ξ = 0.5, 1, 2. . . . . . . 45
3.8 Resposta ao degrau do sistema G(s) =
4
s
2
+s +4
. . . . . . . . . . . . . . . . . . . . 47
3.9 A azul est´ a representada a resposta completa do sistema, g(t) = e
−t
sint +2e
−10t
+
3e
−20t
e a vermelho somente o seu modo dominante: ˜ g(t) = e
−t
sint. . . . . . . . . . 60
3.10 A azul temos a resposta ao degrau de G
1
(s) =
1
s
2
+8s +100
e a verde a resposta ao
degrau de G
2
(s) = (s +1)G
1
(s). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.11 A figura da direita ´ e uma ampliac¸ ˜ ao da parte inicial da da esquerda. . . . . . . . . . 71
4.1 Sistema massa-mola-amortecedor. . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2 Deslocamento relativo e absoluto. . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.3 Diferenc¸a entre deslocamentos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.4 Com forc¸a motriz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.5 Sem forc¸a de atrito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.6 Sism´ ografo: mede acelarac¸ ˜ oes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.7 Tanque com l´ıquido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
vii
viii LISTA DE FIGURAS
5.1 Ilustrac¸ ˜ ao do CP quando ´ e usada uma referˆ encia em degrau. . . . . . . . . . . . . . 106
5.2 Ilustrac¸ ˜ ao do CP (K = 1) e CI quando ´ e usada uma referˆ encia em degrau. . . . . . . 110
5.3 Ilustrac¸ ˜ ao do controlo proporcional (K = 3), integral (T
i
= 2) e derivativo quando ´ e
usada uma referˆ encia em degrau. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.4 Caracterizac¸ ˜ ao da resposta ao degrau no m´ etodo de Ziegler-Nichols. . . . . . . . . . 121
6.1 Sempre que a entrada do sistema ´ e um sinus´ oide, a sa´ıda ´ e um sinus´ oide distorcido. . 126
6.2 Resposta do sistema G(s) =
1
s +0.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.3 Circuito RC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.1 Resposta indicial do sistema com K = 4.5. . . . . . . . . . . . . . . . . . . . . . . . 182
7.2 Representac¸ ˜ ao das ra´ızes da equac¸ ˜ ao caracter´ıstica para diferentes valores de K. . . . 183
7.3 LGR do sistema em malha aberta
1
s(s +3)
. . . . . . . . . . . . . . . . . . . . . . . 184
7.4 LGR do sistema W(s) =
(s
2
+1)(s −1)(s +4)
(s
2
+4)(s +2)(s −2)
. . . . . . . . . . . . . . . . . . . . . 187
7.5 LGR do sistema W(s) =
s +2
s(s +1)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
7.6 LGR do sistema W(s) =
1
(s
2
+4)(s −2)
. . . . . . . . . . . . . . . . . . . . . . . . . 188
7.7 LGR do sistema W(s) =
1
(s +1)
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
7.8 Diagrama polar de uma FT com atraso. . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.9 A figura da direita mostra a imagem de Γ
R
segundo D(s). . . . . . . . . . . . . . . . 209
7.10 A figura da direita mostra a imagem de Γ
R
segundo D(s). Como tem dois zeros no
interior do contorno, ent˜ ao a imagem d´ a duas voltas, em sentido hor´ ario, em torno
da origem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
7.11 A figura da direita mostra a imagem de Γ
R
segundo D(s). Como tem um zero e um
p´ olo no interior do contorno, ent˜ ao a imagem d´ a uma volta em torno da origem no
sentido hor´ ario e outra em sentido contr´ ario. . . . . . . . . . . . . . . . . . . . . . . 210
7.12 Este caminho compreende todo o s.p.d., R →∞. . . . . . . . . . . . . . . . . . . . 210
7.13 Nesta figura consideramos K = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
7.14 Consideramos um contorno Γ
R
com R →∞ e os p´ olos do eixo imagin´ ario contorna-
dos pela direita (para simplificar). . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
7.15 Diagrama de Nyquist do sistema G(s) =
1
s(s +2)(s +6).
. . . . . . . . . . . . . . . 214
7.16 Trac¸ado polar da FT
K
s + p
, p > 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
7.17 LGR do sistema
1
s +2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
LISTA DE FIGURAS ix
7.18 Trac¸ado polar da FT
K
s −p
, p = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
7.19 LGR do sistema
1
s −1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
7.20 Contorno do s.p.d. com zeros no eixo imagin´ ario. . . . . . . . . . . . . . . . . . . . 218
7.21 Diagrama de Nyquist para a FT GH(s) =
K
s(s + p)
, p > 0 . . . . . . . . . . . . . . 219
7.22 LGR do sistema para GH(s) =
1
s(s +3)
. . . . . . . . . . . . . . . . . . . . . . . . . 220
7.23 Diagrama de Nyquist da FT GH(s) =
K
s(s + p
1
)(s + p
2
)
, p
1
> 0, p
2
> 0. . . . . . . 221
7.24 LGR do sistema
1
s(s
2
+5s +6)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
7.25 GH(s) =
K
s
2
(s + p)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
7.26 Trac¸ado de Nyquist para o sistema GH(s) =
8
s(s +2)
2
. . . . . . . . . . . . . . . . . 224
7.27 Diagramas de Bode da func¸ ˜ ao de transferˆ encia G(s) =
8
s(s +2)
2
. . . . . . . . . . . . 227
7.28 Diagramas de Bode do sistema G(s) =
20
(s +1)(s +2)(s +3).
. . . . . . . . . . . . . 230
x LISTA DE FIGURAS
1. Introduc¸ ˜ ao
Um sistema de controlo ´ e um dispositivo (ou conjunto de dispositivos) que gere, comanda, direciona
ou regula o comportamento de outros dispositivos ou sistemas.
A teoria dos sistemas de controlo ocupa-se do comportamento de sistemas dinˆ amicos, sendo uma
´ area de conhecimento inter-disciplinar que cruza v´ arios ramos da matem´ atica e engenharia. Com-
preende ainda v´ arios m´ etodos e abordagens (Andrei, 2007).
Ainda que a formulac¸ ˜ ao matem´ atica de problemas de controlo seja intrinsecamente complexa, as
ideias fundamentais da teoria do controlo s˜ ao bastante simples devido ao seu car´ acter intuitivo. Entre
os conceitos fundamentais destaca-se a noc¸ ˜ ao de retroacc¸ ˜ ao (ou feedback). Chama-se retroacc¸ ˜ ao
quando a sa´ıda real ´ e considerada como um sinal adicional com vista ` a sua comparac¸ ˜ ao com a
referˆ encia do sistema.
Chama-se referˆ encia ao valor pretendido para a sa´ıda. Sempre que uma ou mais vari´ aveis de sa´ıda de
um sistema tˆ em de seguir uma determinada referˆ encia ao longo do tempo, um controlador manipula
as entradas do sistema de forma a obter a sa´ıda desejada.
O conceito de retroacc¸ ˜ ao est´ a presente em diversas circunstˆ ancias da vida moderna. Concerteza que
ningu´ em querer´ a projectar um sistema electr´ onico ou electro-mecˆ anico que n˜ ao contenha feedback,
impl´ıcita ou explicitamente.
Qualquer interacc¸ ˜ ao com o mundo real — estejamos n´ os a construir um brac¸o de robot, um sistema
de controlo de temperatura, um amplificador audio, ou um sintetizador RF (resonance frequency)
— necessita de algum tipo de actuador — um motor, um aquecedor, um transistor de potˆ encia ou
um oscilador. De forma a assegurarmo-nos de que o actuador faz mesmo o que ´ e pretendido, ´ e
necess´ ario medir a sua sa´ıda (a posic¸ ˜ ao do brac¸o do robot, a temperatura, a tens˜ ao ou a frequˆ encia)
e comparar o valor obtido por medic¸ ˜ ao com o pretendido. Ou seja, ´ e necess´ aria retroacc¸ ˜ ao.
1
2 CAP
´
ITULO 1. INTRODUC¸
˜
AO
Uma das primeiras an´ alises matem´ aticas de sistemas de controlo foi feita no dom´ınio das frequˆ encias,
com base nos trabalhos de Pierre-Simon de Laplace (1749-1827), Joseph Fourier (1768-1830), Au-
gustin Louis Cauchy (1789-1857), entre outros. O conceito fundamental do dom´ınio de frequˆ encia
´ e o de func¸ ˜ ao de transferˆ encia. A func¸ ˜ ao de transferˆ encia de um sistema linear e invariante no tempo
´ e definida como
Y(s)
U(s)
, sendo Y(s) a transformada de Laplace da sa´ıda do sistema e U(s) a trans-
formada de Laplace da entrada. Ou seja a func¸ ˜ ao de transferˆ encia ´ e a transformada de Laplace da
resposta ao impulso, que designamos por h(t). Ent˜ ao, H(s) =
Y(s)
U(s)
, i.e. H(s) cont´ em as carac-
ter´ısticas de transferˆ encia do sistema. Esta abordagem revela-se adequada para sistemas lineares e
invariantes no tempo com um ´ unica entrada e uma ´ unica sa´ıda (SISO—single-input/single-output),
pois as t´ ecnicas gr´ aficas revelam-se muito eficientes para este tipo de sistemas.
A teoria cl´ assica do controlo foi expressa no dom´ınio das frequˆ encias, e no plano-s, usando os
m´ etodos de Nyquist, Bode, Nichols e Evans.
No que diz respeito aos sistemas n˜ ao lineares, as t´ ecnicas cl´ assicas podem ser usadas considerando
uma vers˜ ao linearizada do sistema, por exemplo num ponto de equil´ıbrio onde o comportamento do
sistema seja aproximadamente linear.
Os sistemas lineares e invariantes no tempo gozam das propriedades de linearidade e de invariˆ ancia
no tempo. Esta classe de sistemas ´ e muito geral e o que permite construir boas aproximac¸ ˜ oes do
comportamento de muitos sistemas f´ısicos. Na maioria das aplicac¸ ˜ oes pr´ aticas, os sistemas s˜ ao line-
arizados. Esta classe de sistemas podem ser estudados analiticamente usando ferramentas poderosas,
em particular, a transformada de Fourier e ficam totalmente caracterizados pela resposta do sistema
a um impulso.
Neste curso, a transformada de Laplace ´ e utilizada para obter modelos lineares e invariantes no
tempo, a que chamamos func¸ ˜ ao de transferˆ encia. Este m´ etodo ´ e atraente porque propicia uma abor-
dagem pr´ atica ao projecto e an´ alise e permite utilizar diagramas de blocos para inter-conectar siste-
mas.
O presente curso tem como objectivos fundamentais ensinar os fundamentos de projecto de sistemas
de controlo bem como a sua an´ alise usando m´ etodos cl´ assicos da resposta do tempo e em frequˆ encia.
Incluem-se ambos os aspectos pr´ aticos e te´ oricos do t ´ opico.
Esta descric¸ ˜ ao dos sistemas, ainda que ´ util emdeterminadas circunstˆ ancias, det´ embastantes limitac¸ ˜ oes.
Factores importantes omitidos s˜ ao, por exemplo, a variac¸ ˜ ao da dinˆ amica do sistema bem como os
mecanismos internos atrav´ es dos quais o sistema transforma as entradas em sa´ıdas. Como tal, uma
3
nova representac¸ ˜ ao do sistema ´ e necess´ aria.
Frequente, na moderna teoria do controlo, ´ e usar uma representac¸ ˜ ao em termos de espac¸o de estados
no dom´ınio dos tempos. Ou seja, o modelo matem´ atico de um sistema f´ısico ´ e expresso em termos
de vari´ aveis de sa´ıda, entrada e de estado, relacionadas entre si atrav´ es de equac¸ ˜ oes diferenciais
de primeira ordem. De forma a conseguir abstrair sobre o n´ umero de vari´ aveis, estas podem ser
expressas como vectores resultando da´ı equac¸ ˜ oes diferenciais e alg´ ebricas na forma matricial (isto
s´ o ser´ a obviamente poss´ıvel quando o sistema for linear).
Esta abordagem alternativa de modelac¸ ˜ ao revela-se ser uma forma conveniente e compacta de repre-
sentar sistemas com v´ arias entradas/sa´ıdas.
Propriedades importantes de um sistema de controlo s˜ ao:
• Causalidade Osistema ´ e causal sempre que qualquer um dos seus sinais futuros n˜ ao seja capaz
de influenciar o seu comportamento passado.
• Estacionaridade Um sistema diz-se estacion´ ario sempre que um qualquer par de sinais de
entrada/sa´ıda desse sistema, possa repetir-se quando verificada uma translac¸ ˜ ao no tempo do
sistema.
• Linearidade O sistema ´ e linear se qualquer combinac¸ ˜ ao de sinais do sistema ´ e ainda um sinal
do sistema
4 CAP
´
ITULO 1. INTRODUC¸
˜
AO
2. A transformada de Laplace
A transformada de Laplace (TL) ´ e uma poderosa ferramenta de an´ alise de sistemas invariantes
no tempo, tais como circuitos el´ etricos, osciladores harm´ onicos, dispositivos ´ oticos ou sistemas
mecˆ anicos. Dada uma descric¸ ˜ ao matem´ atica de determinado sistema, em termos da sua entrada e
sa´ıda, a TL fornece uma descric¸ ˜ ao alternativa que ve´ıcula frequentemente uma an´ alise simplificada
desse mesmo sistema. Em termos f´ısicos, a TL pode interpretar-se como uma transformac¸ ˜ ao do
dom´ınio dos tempos no dom´ınio das frequˆ encias.
A TL al´ em de fornecer uma forma completamente diferente de interpretar o comportamento do sis-
tema, reduz a complexidade matem´ atica necess´ aria ` a sua an´ alise. Uma vantagem da transformac¸ ˜ ao
efectuada pela TL ´ e permitir prever o desempenho do sistema sem determinar a sua soluc¸ ˜ ao, atrav´ es
da utilizac¸ ˜ ao de t´ ecnicas gr´ aficas. Outra vantagem adicional ´ e a possibilidade de determinac¸ ˜ ao si-
multˆ anea da componente transiente e estacion´ aria na resoluc¸ ˜ ao de equac¸ ˜ oes diferenciais.
O matem´ atico e astr´ onomo Pierre-Simon Laplace usou a TL num trabalho sobre a teoria das pro-
babilidades, e da´ı o seu nome. No entanto, a TL foi descoberta por Euler, um matem´ atico su´ıc¸o do
s´ eculo XVIII.
2.1. Definic¸ ˜ ao e existˆ encia
No que se segue, por TL queremos referir-nos ` a transformada de Laplace unilateral. Seja
5
6 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
f (t) func¸ ˜ ao do tempo t tal que f (t) = 0 quando t < 0 =⇒ t ≥0
s vari´ avel complexa
L operador laplaciano
F(s) TL de f (t), ´ e uma func¸ ˜ ao complexa de vari´ avel complexa
Tem-se ent˜ ao que
L [ f (t)] = F(s) =
_

0
f (t)e
−st
dt,
bem como o operador inverso:
L
−1
[F(s)] = f (t) TL inversa
Definic¸ ˜ ao 2.1 (Transformada de Laplace unilateral) Seja f uma func¸ ˜ ao definida para t ≥0. Ent˜ ao
o integral
L¦ f (t)¦ = F(s) =
_

0
f (t)e
−st
dt
diz-se a Transformada de Laplace de f , conquanto que o integral convirja.
Exerc´ıcio 2.1 Calcule:
1. L¦1¦,
2. L¦e
−t
¦.
Proposic¸ ˜ ao 2.1 (Condic¸ ˜ oes suficientes de existˆ encia) Se
1. f (t) ´ e secionalmente cont´ınua no intervalo [0, ∞)
2. f (t) ´ e de ordem exponencial c com t > T,
ent˜ ao L¦f (t)¦ existe para Re(s) > c.
Definic¸ ˜ ao 2.2 (Ordem exponencial) f ´ e de ordem exponencial c se ∃c, M > 0 tal que
[ f (t)[ ≤Me
ct
, ∀t > T.
De forma a garantir a convergˆ encia do integral impr´ oprio, temos ainda que Re(s) > c :
2.2. ALGUMAS PROPRIEDADES DA TL 7
Em engenharia, nem sempre ´ e necess´ ario calcular a TL por definic¸ ˜ ao. Em vez disso, ´ e conhecida a
TL de algumas func¸ ˜ oes mais conhecidas, sumariada na seguinte tabela:
L¦1¦ =
1
s
L¦coskt¦ =
s
s
2
+k
2
L¦t
n
¦ =
n!
s
n+1
, n = 1, 2, . . . L¦sinhkt¦ =
k
s
2
−k
2
L¦e
at
¦ =
1
s −a
, s > a L¦coshkt¦ =
s
s
2
−k
2
L¦sinkt¦ =
k
s
2
+k
2
Exerc´ıcio 2.2 Usando a tabela acima calcule:
1. L¦t¦,
2. L¦e
−3t
¦,
3. L¦sin2t¦.
2.2. Algumas propriedades da TL
1. L ´ e linear
L¦α f (t) +βg(t)¦ = αL¦ f (t)¦+βL¦g(t)¦ = αF(S) +βG(S).
Exerc´ıcio 2.3 Calcule L¦3t −5sin2t¦.
2. L¦t f (t)¦ =−F
/
(s) com L¦f (t)¦ = F(s).
Exerc´ıcio 2.4 Calcule L¦te
−2t
¦ e L¦t
2
e
−2t
¦.
3. L¦t
n
¦ =
n
s
L¦t
n−1
¦
Exerc´ıcio 2.5 Calcule L¦t
2
¦ e L¦t
3
¦.
4. Usar f´ ormulas trigonom´ etricas.
Exerc´ıcio 2.6 Calcule L¦sin
2
t¦.
8 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
2.3. A TL de algumas func¸ ˜ oes especiais
Func¸ ˜ ao de Heaviside
U (t −a) =
_
_
_
0 , 0 ≤t < a
1 , t ≥a
L¦U (t −a)¦ =
e
−as
s
Func¸ ˜ ao pulso
f (t) =
_
¸
_
¸
_
A
t
0
, 0 ≤t <t
0
0 , t ≤0 e t
0
<t
com A, t
0
constantes.
ou ainda f (t) =
A
t
0
U (t) −
A
t
0
U (t −t
0
)
L¦ f (t)¦ =
A
t
0
s
(1−e
−t
0
s
)
Func¸ ˜ ao impulso
f (t) =
_
¸
_
¸
_
lim
t
0
→0
A
t
0
, 0 ≤t <t
0
0 , t ≤0 e t
0
<t
com A, t
0
constantes.
L¦ f (t)¦ = lim
t
0
→0
A
t
0
s
_
1−e
−t
0
s
_
= A
Se A = 1, temos o impulso de Dirac ou func¸ ˜ ao de Dirac:
2.4. RESULTADOS IMPORTANTES 9
Func¸ ˜ ao de Dirac
δ(t −t
0
) =
_
_
_
0 , t ,=t
0
∞ , t = 0
com A, t
0
constantes.
Tem-se ent˜ ao L¦δ(t −t
0
)¦ = 1.
2.4. Resultados importantes
Teorema 2.1 (Primeiro teorema translacional (translac¸ ˜ ao em frequˆ encia))
L¦e
at
f (t)¦ = F(s −a), a ∈ R.
Repare que multiplicar f (t) por e
at
corresponde a s →s −a, como se vˆ e graficamente
Exerc´ıcio 2.7 Calcule
1. L¦e
5t
t
3
¦,
2. L¦e
−2t
cos4t¦.
Teorema 2.2 (Segundo teorema translacional (translac¸ ˜ ao no tempo))
• Primeira forma (ou do atraso)
L¦ f (t −a)U (t −a)¦ = e
−as
F(s), a > 0.
• Segunda forma
L¦g(t)U (t −a)¦ = e
−as
L¦g(t +a)¦, a > 0.
Exerc´ıcio 2.8 Calcule:
10 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
1. L¦(t −2)
3
U (t −2)¦,
2. L¦sint U (t −2π)¦.
Teorema 2.3 (Derivada de ordem-n da TL)
L¦t
n
f (t)¦ = (−1)
n
d
n
ds
n
F(s).
Exerc´ıcio 2.9 Calcule:
1. L¦t
2
sin2t¦,
2. L¦e
−t
t
2
cost¦.
Teorema 2.4 (TL da derivada) Consideremos f (t), f
/
(t), . . . , f
(n−1)
(t) func¸ ˜ oes cont´ınuas em[0, ∞)
e de ordem exponencial e f
(n)
(t) ´ e seccionalmente cont´ınua. Ent˜ ao
L¦f
(n)
(t)¦ = s
n
F(s) −s
n−1
f (0) −s
n−2
f
/
(0) − − f
(n−1)
(0).
Exerc´ıcio 2.10 Calcule:
1. L¦kt coskt +sinkt¦ =L¦
d
dt
(t sinkt)¦ =sL¦t sinkt¦ =s
_

d
ds
L¦sinkt¦
_
=s
_

d
ds
k
k
2
+s
2
_
=
2ks
2
(s
2
+k
2
)
2
,
2. L¦2t cos2t +sin2t¦ =L¦
d
dt
(t sin2t)¦
2
Teorema 2.5 (TL da alterac¸ ˜ ao da escala temporal)
L
_
f
_
t
α
__
= αF (αs).
Exerc´ıcio 2.11 Calcule f (t/5) = e
−0.2t
com f (t) = e
−t
.
Definic¸ ˜ ao 2.3 (Convoluc¸ ˜ ao) Consideremos f (t), g(t) func¸ ˜ oes seccionalmente cont´ınuas em [0, ∞),
ent˜ ao
f ∗g =
_
t
0
f (τ)g(t −τ)dτ =
_
t
0
f (t −τ)g(τ)dτ.
Exerc´ıcio 2.12 Calcule e
t
∗sint.
Teorema 2.6 (TL da convoluc¸ ˜ ao) Consideremos f (t), g(t) func¸ ˜ oes seccionalmente cont´ınuas em
[0, ∞), ent˜ ao
L¦ f ∗g¦ =L¦ f (t)¦L¦g(t)¦ = F(s)G(s).
2.5. A TL INVERSA 11
Exerc´ıcio 2.13 Calcule L
__
t
0
e
τ
sin(t −τ)dτ
_
.
Teorema 2.7 ( TL do integral)
L
_
_
t
0
f (τ)dτ
_
=
F(s)
s
.
Exerc´ıcio 2.14 Calcule L
_
_
t
0
e
5t
t
3
dt
_
.
Teorema 2.8 (TL duma func¸ ˜ ao peri ´ odica) Seja f (t) uma func¸ ˜ ao seccionalmente cont´ınua em[0, ∞),
de ordem exponencial, e peri´ odica de per´ıodo T, ent˜ ao
L ¦ f (t)¦ =
1
1−e
−sT
_
T
0
e
−st
f (t)dt.
Teorema 2.9 (Teorema do valor final) Se existir TL de f (t) e
d f (t)
dt
tal que F(s) =L¦ f (t)¦ e se
existir o lim
t→∞
f (t), ent˜ ao:
lim
t→∞
f (t) = lim
s→0
sF(s).
Atenc¸ ˜ ao: O Teorema do valor final s´ o se aplica se todos os p´ olos de sF(s) estiverem no semiplano
esquerdo (s.p.e.).
Exemplo 2.1 1. Este teorema n˜ ao ´ e aplic´ avel a f (t) = sinωt. Porquˆ e?
2. Seja f (t) = 1 −e
−t
, t ≥ 0. Vejamos o que acontece quando aplicamos o Teorema do valor
final.
Teorema 2.10 (Teorema do valor inicial) Se existir TL de f (t) e
d f (t)
dt
tal que F(s) =L¦ f (t)¦ e
se existir lim
s→∞
sF(s), ent˜ ao:
f (0
+
) = lim
s→∞
sF(s).
Exemplo 2.2 Seja f (t) = 1−e
−t
, t ≥0. Vejamos o que acontece quando aplicamos o teorema do
valor inicial.
2.5. A TL inversa
Definic¸ ˜ ao 2.4 (TL inversa (TLI)) Seja f uma func¸ ˜ ao definida para t ≥0. Ent˜ ao o integral
L
−1
¦F(s)¦ = f (t) =
1
2π j
_
a

−j∞
a

−j∞
F(s)e
st
ds
12 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
diz-se a Transformada de Laplace inversa de F, onde a integrac¸ ˜ ao ´ e efetuada ao longo da recta
vertical Re(s) = a

no plano complexo tal que a

seja > do que as partes reais das singularidades
de F(s).
Analogamente ao que acontece com a TL, o c´ alculo da TLI faz-se usualmente atrav´ es da tabela:
1 =L
−1
¦
1
s
¦ coskt =L
−1
¦
s
s
2
+k
2
¦
t
n
=L
−1
¦
n!
s
n+1
¦, n = 1, 2, . . . sinhkt =L
−1
¦
k
s
2
+k
2
¦
e
at
=L
−1
¦
1
s −a
¦ coshkt =L
−1
¦
s
s
2
−k
2
¦
sinkt =L
−1
¦
k
s
2
−k
2
¦
A TLI ´ e tamb´ em um operador linear:
L
−1
¦αF(s) +βG(s)¦ = αL
−1
¦F(s)¦+βL
−1
¦G(s)¦.
Exerc´ıcio 2.15 Calcule
1. L
−1
¦
1
s
5
¦,
2. L
−1
¦
1
s
2
+64
¦,
3. L
−1
¦
1
(s −1)(s +2)(s +4)
¦,
4. L
−1
¦
s +1
s
2
(s +2)
3
¦.
Como sabemos se uma func¸ ˜ ao de s corresponde ` a TL de uma dada func¸ ˜ ao f (t)?
Propriedade 2.1 Sendo f (t) uma func¸ ˜ ao cont´ınua em [0, ∞) e de ordem exponencial t > T, ent˜ ao
lim
s→∞
L¦ f (t)¦ = lim
s→∞
F(s) = 0.
Teorema 2.11 (TLI: Primeiro teorema translacional)
L
−1
¦F(s −a)¦ =L
−1
¦F(s)[
s←s−a
¦ = e
at
f (t).
Exerc´ıcio 2.16 Calcule L
−1
_
s
s
2
+6s +11
_
.
Teorema 2.12 (TLI: Segundo teorema translacional)
L
−1
_
e
−as
F(s)
_
= f (t −a)U (t −a).
Exemplo 2.3 Calcule L
−1
_
e
−πs/2
s
2
+9
_
.
2.5. A TL INVERSA 13
Teorema 2.13 (TLI da convoluc¸ ˜ ao)
f ∗g =L
−1
¦F(s)G(s)¦.
Exerc´ıcio 2.17 Calcule L
−1
_
1
(s −1)(s +4)
_
.
Teorema 2.14 (TLI do integral)
_
t
0
f (τ)dτ =L
−1
_
F(s)
s
_
.
Exerc´ıcio 2.18 Calcule:
1. L
−1
_
1
s(s
2
+1)
_
,
2. L
−1
_
1
s
2
(s
2
+1)
_
,
3. L
−1
_
1
s
3
(s
2
+1)
_
.
Exemplo 2.4 Calcular L
−1
_
s
3
+1
(s −1)
3
_
.
Reduc¸ ˜ ao da frac¸ ˜ ao impr´ opria a frac¸ ˜ ao pr´ opria:
F(s) =
s
3
+1
(s −1)
3
= 1+
3s
2
−3s +2
(s −1)
3
. ¸¸ .
˜
F(s)
Decomposic¸ ˜ ao de
˜
F(s) em frac¸ ˜ oes simples:
˜
F(s) =
3s
2
−3s +2
(s −1)
3
=
α
3
(s −1)
3
+
α
2
(s −1)
2
+
α
1
(s −1)
, onde
α
3
= lim
s→1
(s −1)
3
˜
F(s) = lim
s→1
_
3s
2
−3s +2
_
= 2
α
2
= lim
s→1
(s −1)
2
_
˜
F(s) −
α
3
(s −1)
3
_
= lim
s→1
3s
2
−3s
s −1
= lim
s→1
3s = 3
α
1
= lim
s→1
(s −1)
_
˜
F(s) −
α
3
(s −1)
3

α
2
(s −1)
2
_
= lim
s→1
. . . = . . . = 3
Logo:
˜
F(s) = 1+
2
(s −1)
3
+
3
(s −1)
2
+
3
(s −1)
.
Em Matlab:
14 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
>> [R,P,K]=residue([1 0 0 1],[1 -3 3 -1])
R =
3.0000
3.0000
2.0000
P =
1.0000
1.0000
1.0000
K =
1
e agora aplicamos o operador laplaciano inverso a cada um dos elementos simples:
L
−1
¦F(s)¦ = L
−1
¦1¦+2L
−1
_
1
(s −1)
3
_
+3L
−1
_
1
(s −1)
2
_
+3L
−1
_
1
(s −1)
_
= δ(t) +e
t
_
t
2
+3t +3
_
2
2.6. TL em Matlab
>> syms t; % define t como var.
>> laplace(t)
ans = 1/s

2
>> f = t

4 + t

3 + sin(t);
>> L=laplace(f)
L = 24/s

5+6/s

4+1/(s

2+1)
2.7. APLICAC¸
˜
OES: CIRCUITOS E SISTEMAS MEC
ˆ
ANICOS 15
>> pretty(ans)
F = ilaplace(L) %Laplace inverse
2.7. Aplicac¸ ˜ oes: circuitos e sistemas mecˆ anicos
A Transformada de Laplace ´ e especialmente adequada ` a† resoluc¸ ˜ ao de PVI lineares com coeficien-
tes constantes. Este tipo de problema ´ e prontamente reduzido a uma equac¸ ˜ ao alg´ ebrica em Y(s).
Vejamos:
a
n
d
n
y
dt
n
+a
n−1
d
n−1
y
dt
(n−1)
+ +a
1
dy
dt
+a
0
y = g(t) (2.1)
y(0) = y
0
, y
/
(0) = y
1
, . . . y
(n−1)
(0) = y
n−1
(2.2)
Relembrando a linearidade da TL, vem:
a
n
L
−1
_
d
n
y
dt
n
_
+ a
n−1
L
−1
_
d
n−1
y
dt
(n−1)
_
+ + (2.3)
+ a
1
L
−1
_
dy
dt
_
+a
0
L
−1
¦y¦ =L
−1
¦g(t)¦ (2.4)
Utilizando o teorema da derivada, vem:
a
n
_
s
n
Y(s) −s
n−1
y(0) − −y
(n−1)
(0)
_
+
+a
n−1
_
s
n−1
Y(s) −s
n−2
y(0) − −y
(n−1)
(0)
_
+ a
0
Y(s) = G(s)
onde Y(s) = L ¦y(t)¦ e G(s) = L ¦g(t)¦. Resolvemos esta equac¸ ˜ ao alg´ ebrica em ordem a Y(s).
Depois de obtermos Y(s), fazemos:
y(t) =L
−1
¦Y(s)¦.
Repare que este m´ etodo incorpora automaticamente as condic¸ ˜ oes iniciais. Vejamos um exemplo.
Exemplo 2.5 Determine a soluc¸ ˜ ao do seguinte PVI:
dy
dt
−3y = e
2t
, y(0) = 1 (2.5)
Resoluc¸ ˜ ao: Comec¸amos por aplicar o operador ` a† equac¸ ˜ ao:
L
_
dy
dt
_
−3L ¦y¦ =L
_
e
2t
_
. (2.6)
16 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
ou seja
sY(s) −1−3Y(s) =
1
s −2
(2.7)
Y(s) =
s −1
(s −2)(s −3)
=
−1
s −2
+
2
s −3
(2.8)
y(t) =−L
−1
_
1
s −2
_
+2L
−1
_
1
s −3
_
(2.9)
e temos que y(t) =−e
2t
+2e
3t
.
No exemplo que se segue, vamos usar o primeiro teorema da translac¸ ˜ ao.
Exemplo 2.6 Determine a soluc¸ ˜ ao de
y
//
+4y
/
+6y = 1+e
−t
, y(0) = 0 y
/
(0) = 0. (2.10)
Resoluc¸ ˜ ao:
L
_
y
//
_
+4L
_
y
/
_
+6L ¦y¦ = L ¦1¦+L
_
e
−t
_
s
2
Y(s) −sy(0) −y
/
(0) +4(sY(s) −y(0)) +6Y(s) =
1
s
+
1
s +1
_
s
2
+4s +6
_
Y(s) =
2s +1
s(s +1)
Y(s) =
2s +1
s(s +1)(s
2
+4s +6)
.
Temos agora que decompor em fracc¸ ˜ oes parciais:
Y(s) =
1/6
s
+
1/3
s +1
+
−s/2−5/3
s
2
+4s +6
.
Vamos preparar agora as func¸ ˜ oes para determinar a TL
inversa:
Y(s) =
1/6
s
+
1/3
s +1
+
(−1/2)(s +2) −2/3
(s +2)
2
+2
(2.11)
=
1/6
s
+
1/3
s +1

1
2
s +2
(s +2)
2
+2
+
2
3
1
(s +2)
2
+2
(2.12)
Aplicando agora o operador e atendendo ` a sua linearidade, segue-se que
y(t) =
1
6
L
−1
_
1
s
_
+
1
3
L
−1
_
1
s +1
_

1
2
L
−1
_
s +2
(s +2)
2
+2
_
+
2
3
L
−1
_
1
(s +2)
2
+2
_
y(t) =
1
6
+
1
3
e
−t

1
2
e
−2t
cos

2t −

2
3
e
−2t
sin

2t.
2.7. APLICAC¸
˜
OES: CIRCUITOS E SISTEMAS MEC
ˆ
ANICOS 17
Consideremos um outro exemplo:
Exemplo 2.7 Resolva
x
//
+16x = cos4t, x(0) = 0, x
/
(0) = 1.
Resoluc¸ ˜ ao:
Observe que este PVI pode descrever, por exemplo, o movimento forc¸ado e n˜ ao amortecido de uma
massa pendurada na extremidade de uma mola, anteriormente descrito. A massa tem velocidade
inicial de 1 m/s no sentido positivo. Aplicando a TL, obtemos a seguinte equac¸ ˜ ao alg´ ebrica:
(s
2
+16)X(x) = 1+
s
s
2
+16
(2.13)
=
1
s
2
+16
+
s
(s
2
+16)
2
. (2.14)
Relembrando o resultado L
−1
¦−F
/
(s)¦ =t f (t), temos:
x(t) =
1
4
L
−1
_
4
s
2
+16
_
+
1
8
L
−1
_
8s
(s
2
+16)
2
_
(2.15)
=
1
4
sin4t +
1
8
sin4t. (2.16)
Nos modelos matem´ aticos que representam os sistemas f´ısicos, tais como os circuitos el´ ectricos e os
sistemas mecˆ anicos, como por exemplo:
mx
//
+βx
/
+kx = f (t) e Lq
//
+Rq
/
+
1
C
q = E(t) (2.17)
o lado direito da equac¸ ˜ ao diferencial representa uma forc¸a motriz que pode ser uma forc¸a externa ou
uma voltagem que ´ e imprimida ao sistema.
No cap´ıtulos anteriores, estas func¸ ˜ oes foram consideradas cont´ınuas, por´ em v´ arios s˜ ao os casos em
func¸ ˜ oes seccionalmente cont´ınuas s˜ ao aplicadas ao sistema. E(t) poder´ a ser por exemplo a func¸ ˜ ao
pulso ou a func¸ ˜ ao rampa. Nestes casos, a resoluc¸ ˜ ao destas equac¸ ˜ oes ´ e muito complicada. A Trans-
formada de Laplace ´ e assim um instrumento valioso neste tipo de problemas.
Exemplo 2.8 Resolva
x
//
+16x = f (t), x(0) = 0, x
/
(0) = 1, (2.18)
com f (t) =
_
_
_
cos4t, 0 ≤t < π
0 t ≥π
18 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
Resoluc¸ ˜ ao:
A func¸ ˜ ao f (t) pode ser interpretada como uma forc¸a externa que actua no sistema mecˆ anico s´ o por
um curto per´ıodo de tempo, sendo logo depois removida. Comec¸amos por reeescrever a func¸ ˜ ao f (t)
utilizando a func¸ ˜ ao de Heaviside:
f (t) = cos4t −cos4tU (t −π).
Temos ent˜ ao:
L
_
x
//
_
+16L
_
x
/
_
= L ¦ f (t)¦
s
2
X(s) −sx(0) −x
/
(0) +16X(s) =
s
s
2
+16

s
s
2
+16
e
−πs
(s
2
+16)X(s) = 1+
s
s
2
+16

s
s
2
+16
e
−πs
X(s) =
1
(s
2
+16)
+
s
(s
2
+16)
2

s
(s
2
+16)
2
e
−πs
Calculamos agora a transformada inversa de X(s) e lembramos o segundo teorema da translac¸ ˜ ao:
x(t) =
1
4
L
−1
_
4
(s
2
+16)
_
+
1
8
L
−1
_
8s
(s
2
+16)
2
_

1
8
L
−1
_
8s
(s
2
+16)
2
e
−πs
_
=
1
4
sin4+
1
8
t sin4t −
1
8
(t −π)sin4(t −π)U (t −π),
ou seja,
x(t) =
_
¸
¸
_
¸
¸
_
1
4
sin4t +
1
8
t sin4t, 0 ≤tπ
2+π
8
sin4t, t ≥π.
Aplicando a lei da voltagem de Kirchhoff a um circuit (RLC)–serie obtemos a seguinte equac¸ ˜ ao
integro-diferencial:
L
di
dt
+Ri +
1
C
_
t
0
i(τ)dτ = E(t).
Exemplo 2.9 Determine a corrente i(t) dum circuito (RLC)–serie com L = 0.1h, R = 20Ω, C =
10
−3
f , i(0) = 0 e a voltagem ´ e dada pela func¸ ˜ ao:
E(t) =
_
_
_
120t, 0 ≤t < 1
0, t ≥1
`
A semelhanc¸a do que fizemos anteriormente, comec¸amos por reescrever a func¸ ˜ ao E(t) em termos da
func¸ ˜ ao de Heaviside:
E(t) = 120t −120tU (t −1).
2.7. APLICAC¸
˜
OES: CIRCUITOS E SISTEMAS MEC
ˆ
ANICOS 19
Aplicando a lei de Kirchhoff, obtemois a seguinte equac¸ ˜ ao:
0.1
di
dt
+20i +10
3
_
t
0
i(τ)dτ = 120t −120tU (t −1).
Apliquando a TL:
0.1I(s) +20I(s) +10
3
I(s)
s
= 120
_
1
s
2

1
s
2
e
−s

1
s
e
−s
.
_
Recorde a segunda forma do Teorema do atraso: L ¦g(t)U (t −a)¦ = e
−as
L ¦g(t +a)¦.
Depois de todos os c´ alculos efectuados, obt´ em-se
i(t) =
3
25
(1−U (t −1)) −
3
25
_
e
−100t
−e
−100(t−1)
U (t −1)
_
−12e
−100t
−1188(t −1)e
−100(t−1)
U (t −1).
Agora falta s´ o resolvermos um sistema.
Exemplo 2.10 Considere o seguinte sistema de equac¸ ˜ oes diferenciais lineares:
_
_
_
2x
/
+y
/
= t
x
/
+y
/
= t
2
sujeito ` a†s condic¸ ˜ oes iniciais x(0) = 1 e y(0) = 0.
Resoluc¸ ˜ ao: Sejam X(s) =L ¦x(t)¦ e Y(s) =L ¦y(t)¦. Temos ent˜ ao
2(sX(s) −x(0)) +sY(s) −y(0) =
1
s
2
sX(s) −x(0) +sY(s) −y(0) =
2
s
3
ou seja
2sX(s) +(s −1)Y(s) = 2+
1
s
2
sX(s) +−sY(s) = 1+
2
s
3
Multiplicando a segunda linha por 2 e depois subtraindo ` a primeira, obtemos:
(s −1)Y(s) =
1
s
2

4
s
3
Y(s) =
4−s
s
3
(s +1)
Y(s) =
5
s

5
s
2
+
4
s
3

5
s +1
.
20 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
Aplicando agora o operador inverso, temos
y(t) = 5−5t +2t
2
−5e
−t
.
Passemos agora ` a† segunda equac¸ ˜ ao:
X(s) =−Y(s) +
1
s
+
2
s
2
,
e depois aplicando o operador inverso obtemos
x(t) =−4+5t −2t
2
+
1
3
t
3
+5e
−t
.
2.8. Mais exerc´ıcios
1. Considerando u(t) = 1, calcule e fac¸a a representac¸ ˜ ao em Matlab das func¸ ˜ oes
(a) e
−at
u(t), considerando a > 0 e a < 0
(b) tu(t) (c) t
n
u(t)
(d) sin(ωt)u(t) (e) cos(ωt)u(t)
2. Recorrendo ` a decomposic¸ ˜ ao em elementos simples, calcule a TLI
(a)
s
(s −2)(s −3)
, (b)
1
2s
2
+8s +6
,
(c)
s +1
s
2
−5s +4
, (d)
1
(s +1)
3
(s +2)
,
(e)
s +2
s(s +1)(s +3)
, ( f )
1
(s −3)
2
(s −1)
,
(g)
1
s
2
+4s +3
, (h)
1
(s −1)
3
(s +2)
.
Nota: Dada uma func¸ ˜ ao G(x), frac¸ ˜ ao pr´ opria de dois polin´ omios, e supondo que o denomi-
nador tem ra´ızes ρ
1
, ρ
2
, . . . , ρ
r
distintas e de multiplicidade σ
1
, σ
2
, . . . , σ
r
, ou seja
G(x) =
P(x)
(x −ρ
1
)
σ
1
(x −ρ
2
)
σ
2
. . . (x −ρ
r
)
σ
r
,
´ e poss´ıvel escrevˆ e-la como uma soma de frac¸ ˜ oes da forma:
G(x) =
r

i=1
σ
i

k=1
A
i,k
(x −ρ
i
)
k
,
2.8. MAIS EXERC
´
ICIOS 21
isto ´ e,
G(x) =
A
1,1
x −ρ
1
+
A
1,2
(x −ρ
1
)
2
+ +
A
1,σ
1
(x −ρ
1
)
σ
1
+
A
2,1
x −ρ
2
+
A
2,2
(x −ρ
2
)
2
+ +
A
2,σ
2
(x −ρ
2
)
σ
2
+ +
A
r,1
x −ρ
2
+
A
r,2
(x −ρ
r
)
2
+ +
A
r,σ
r
(x −ρ
r
)
σ
r
,
sendo os coeficientes A
i,k
determinados pela express˜ ao
A
i,k
=
1

i
−k)!
_
d
σ
i
−k
dx
σ
i
−k
[(x −ρ
i
)
σ
i
G(x)]

¸
¸
¸
x=ρ
i
.
A estas frac¸ ˜ oes chamamos elementos simples.
3. Calcule a TL inversa de:
H
1
(s) =
10
(s
2
+2s +5)(s +2)
,
H
2
(s) =
s
2
+3
(s
2
+2s +5)(s +2)
.
4. Use o operador TL para determinar a soluc¸ ˜ ao dos seguintes PVI:
22 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
(a) ¨ x +4˙ x +4x = e
−t
,
_
_
_
x(0) = 0
˙ x(0) = 1.
(b) ¨ x +4˙ x +3x = 0,
_
_
_
x(0) = 0
˙ x(0) = 1.
(c) ¨ x +6x −7 = 0,
_
_
_
x(0) = 1
˙ x(0) = 0.
(d) ¨ x − ˙ x −2x =t,
_
_
_
x(0) = 0
˙ x(0) = 0.
(e) x
(iv)
−16x = 0,
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
x(0) = 1
˙ x(0) = 0
¨ x(0) = 0
x
(iii)
(0) = 0.
(f) ¨ x −2˙ x +5x = 0,
_
_
_
x(0) = 0
˙ x(0) = 1.
(g) ¨ x −9˙ x = 5e
−2t
,
_
_
_
x(0) = 1
˙ x(0) = 2.
Sendo ¨ x, e ˙ x, respetivamente a primeira e a segunda derivadas em ordem ao tempo e tamb´ em
x
(iii)
, x
(iv)
a terceira e quarta derivadas, respetivamente.
5. Num circuito em s´ erie (C-BRC), a carga q(t) no condensador ´ e dada pela seguinte equac¸ ˜ ao
diferencial
d
2
q
dt
2
+20
dq
dt
+100q = 120sin(10t).
Determine a carga e a intensidade da corrente, tendo em conta que q(0) = 0 e i(0) = 0.
6. Utilizando o operador TL, determine a soluc¸ ˜ ao geral de cada uma das seguintes equac¸ ˜ oes:
(a) ˙ x +2x = e
t
; (b) ¨ x +4˙ x +3x = 0.
7. Use o operador TL para determinar as soluc¸ ˜ oes de cada um dos seguintes sistemas de ED que
2.8. MAIS EXERC
´
ICIOS 23
satisfazem ` as condic¸ ˜ oes iniciais:
(a)
_
¸
_
¸
_
˙ x
1
+x
2
= 0
˙ x
2
+x
1
= 0
e
_
¸
_
¸
_
x
1
(0) = 1
x
2
(0) = 0,
(b)
_
¸
_
¸
_
¨ x −6˙ y −7x = 0
¨ x +x = 3
e
_
¸
_
¸
_
x(0) = 0 = ˙ x(0)
y(0) = 0 = ˙ y(0),
(c)
_
¸
_
¸
_
˙ x +4x +3y = 0
˙ y +3x +4y = 2e
t
e
_
¸
_
¸
_
x(0) = 0
y(0) = 0,
(d)
_
¸
_
¸
_
˙ y +2y +z = sinx
˙ z −4y −2z = cosx
e
_
¸
_
¸
_
y(0) = 0
z(0) = 1,
(e)
_
¸
_
¸
_
5˙ y + ¨ z +4z = sint
¨ y +2˙ z +y = 0
e
_
¸
_
¸
_
y(0) = 0 = ˙ y(0)
z(0) = 0 = ˙ z(0).
8. Numa rede el´ etrica, contendo uma resistˆ encia, um indutor e um condensador, as correntes
i
1
(t) e i
2
(t) s˜ ao descritas pelo seguinte sistema diferencial:
_
¸
_
¸
_
di
1
dt
+50i
2
= 60
0.005
di
2
dt
+i
2
−i
1
= 0.
Considerando condic¸ ˜ oes iniciais nulas, determine uma representac¸ ˜ ao para i
1
(t) e i
2
(t).
24 CAP
´
ITULO 2. A TRANSFORMADA DE LAPLACE
3. An´ alise no dom´ınio dos tempos de
sistemas em malha aberta
A TL ´ e uma poderosa ferramenta na resoluc¸ ˜ ao de equac¸ ˜ oes diferenciais lineares (EDL). Operac¸ ˜ oes
tais como a diferenciac¸ ˜ ao e a integrac¸ ˜ ao podem ser substitu´ıdas por operac¸ ˜ oes alg´ ebricas no plano
complexo. Tamb´ em func¸ ˜ oes tais como sinusoidais ou exponenciais podem ser convertidas em
func¸ ˜ oes alg´ ebricas de uma vari´ avel complexa atrav´ es deste operador. Uma vez calculada a TL das
vari´ aveis de entrada e sa´ıda, obt´ em-se a func¸ ˜ ao de transferˆ encia (FT) que se define como o quociente
da TL da sa´ıda sobre a TL da entrada. Depois de a ED ser transformada numa equac¸ ˜ ao alg´ ebrica
e obtida a sua soluc¸ ˜ ao, usa-se a TLI para a converter na soluc¸ ˜ ao da equac¸ ˜ ao diferencial. Sendo re-
ferˆ encias usuais do sistema a func¸ ˜ ao impulso, a func¸ ˜ ao degrau e a rampa, analisa-se ainda a resposta
de sistemas de primeira e segunda ordem a cada uma destas entradas.
A ED pode ainda ser transformada numa representac¸ ˜ ao em termos de espac¸o de estados, mas esta
abordagem n˜ ao ser´ a estudada neste curso. Fazemos no entanto a transformac¸ ˜ ao entre as duas
representac¸ ˜ oes.
Estabilidade ´ e uma propriedade local agregada a uma resposta particular de um sistema. O que
acontece ` a resposta de um sistema quando num determinado instante uma pequena perturbac¸ ˜ ao
acontece (em termos de posic¸ ˜ ao ou velocidade)?
´
E a subsequente evoluc¸ ˜ ao do sistema idˆ entica ` a
resposta do sistema sem perturbac¸ ˜ oes? Sendo a resposta a esta quest˜ ao ´ e afirmativa, o sistema diz-se
est´ avel; e inst´ avel em caso negativo.
Um sistema sem retroacc¸ ˜ ao diz-se em malha aberta (MA). Um sistema de controlo em MA utiliza
um controlador ou actuador de controlo para obter a resposta desejada. Uma forma muito ´ util de
visualizar a retroacc¸ ˜ ao ´ e atrav´ es de diagramas de blocos.
25
26 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.1. Func¸ ˜ ao de transferˆ encia
Consideremos a EDL de ordem–n e com coeficientes constantes
a
n
.¸¸.
,=0
d
n
dt
n
y +. . . +a
1
d
dt
y +a
0
y = b
n
.¸¸.
m≤n
d
m
dt
m
u+. . . +b
1
d
dt
u+b
0
u. (3.1)
Se relembrarmos a TL da derivada de ordem–n e aplicamos esta regra ` a ED (3.1), transformamo-la
numa equac¸ ˜ ao alg´ ebrica na vari´ avel s.
As condic¸ ˜ oes iniciais da ED podem ser, ou n˜ ao, nulas.
(a
n
s
n
+ +a
1
s +a
0
)Y(s) +
+
__
a
n
s
n−1
+ +a
1
_
y(0

) + + (a
n
s +a
n−1
)y
(n−2)
(0−) +a
n
y
(n−1)
(0−)
_
=
= (b
m
s
m
+ +b
1
s +b
0
)U(s) +
+
__
b
m
s
m−1
+ +b
1
_
u(0

) + ++ (b
m
s +b
n−1
)u
(n−2)
(0−) +b
m
u
(m−1)
(0−)
_
(A azul est´ a a contribuic¸ ˜ ao das condic¸ ˜ oes iniciais).
Para condic¸ ˜ oes iniciais nulas, obtemos
(a
n
s
n
+ +a
1
s +a
0
)Y(s) = (b
m
s
m
+ +b
1
s +b
0
)U(s) ⇔

Y(s)
U(s)
=
b
m
s
m
+ +b
1
s +b
0
a
n
s
n
+ +a
1
s +a
0
. (3.2)
´
E usual representar-se
Y(s)
U(s)
= G(s). A G(s) chamamos FT.
Em resumo, para condic¸ ˜ oes iniciais nulas, e dado u(t), uma ED linear do tipo (3.1), pode resolver-se
usando a TL da seguinte forma:
1. Calcular U(s) =L ¦u(t)¦
2. Obter Y(S) = G(s)U(s)
3. Calcular y(t) =L
−1
¦Y(s)¦
Exerc´ıcio 3.1 1. As equac¸ ˜ oes do movimento de um sistema mecˆ anico s˜ ao as seguintes:
_
_
_
m¨ x
1
+b
1
˙ x
1
+k
1
(x
1
−x
2
) = f
b
2
˙ x
2
−k
1
(x
1
−x
2
) +k
2
x
2
= 0
3.1. FUNC¸
˜
AO DE TRANSFER
ˆ
ENCIA 27
(a) Determine as func¸ ˜ oes de transferˆ encia
X
1
(s)
F(s)
e
X
2
(s)
F(s)
.
(b) Desenhe um sistema mecˆ anico que possa ser representado por estas equac¸ ˜ oes.
2. As equac¸ ˜ oes do movimento de um sistema de translac¸ ˜ ao s˜ ao as seguintes:
_
_
_
¨ x
1
+ ˙ x
1
+(x
1
−x
2
) = f
¨ x
2
+ ˙ x
2
+2x
2
−(x
1
−x
2
) = 0
(a) Determine as func¸ ˜ oes de transferˆ encia
X
1
(s)
F(s)
e
X
2
(s)
F(s)
.
(b) Desenhe um sistema mecˆ anico que possa ser representado por estas equac¸ ˜ oes.
Para condic¸ ˜ oes iniciais n˜ ao nulas, temos:
Y(S) = G(s)U(s) +
I(s)
a
n
s
n
+ +a
1
s +a
0
. ¸¸ .
resposta livre
,
sendo I(s) um polin´ omio de grau ≤n−1 e com coeficientes que dependem das condic¸ ˜ oes iniciais.
Por resposta livre do sistema entendemos a resposta livre da influˆ encia de u(t). Por oposic¸ ˜ ao chama-
mos a G(s)U(s) resposta forc¸ada.
Lembrando que o produto no dom´ınio das frequˆ encias, corresponde ` a convoluc¸ ˜ ao no dom´ınio dos
tempos, temos que:
Y(s) = G(s)U(s) ;y(t) = (g∗u)(t) =
_
t
0

g(t −τ)u(τ)dτ
onde g(t) =L
−1
¦G(s)¦.
Em particular, se considerarmos u(t) como o impulso de Dirac, u(t) = δ(t), a resposta impulsional
´ e ent˜ ao
Y(s) = G(s) ou y(t) = g(t)
(no dom´ınio das frequˆ encias) (no dom´ınio dos tempos)
Por isso se diz que g(t) =L
−1
¦G(s)¦ ´ e a resposta impulsional do sistema modelado pela ED dada
(ou pela respectiva FT).
28 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.1.1. FT pr´ opria, bipr´ opria e impr´ opria
As func¸ ˜ oes de transferˆ encia s˜ ao func¸ ˜ oes racionais da forma G(s) =
q(s)
p(s)
, onde q(s), p(s) s˜ ao func¸ ˜ oes
polinomiais em s. Se
grau(q(s)) ≤grau(p(s)) diz-se que G(s) ´ e pr´ opria
grau(q(s)) < grau(p(s)) diz-se que G(s) ´ e estritamente pr´ opria
grau(q(s)) = grau(p(s)) diz-se que G(s) ´ e bipr´ opria
G(s) e G(s)
−1
s˜ ao bipr´ oprias
grau(q(s)) > grau(p(s)) diz-se que G(s) ´ e impr´ opria.
Exemplo 3.1 1.
s
s
2
+1
;estritamente pr´ opria,
2.
s +1
s −3
;bipr´ opria,
3.
s
s
2
+1
;pr´ opria,
4.
s
2
+1
s
;impr´ opria.
3.1.2. P´ olos e zeros
Para que o sistema seja realiz´ avel, a FT tem de ser pr´ opria. Consideremos
G(s) =
q(s)
p(s)
=
b
m
s
m
+ +b
1
s +b
0
a
n
s
n
+ +a
1
s +a
0
. ¸¸ .
a
n
,=0,b
m
,=0
=
b
m
a
n
(s −z
1
) (s −z
m
)
(s −p
1
) (s −p
n
)
Em teoria do controlo, usa-se a seguinte terminologia:
3.1. FUNC¸
˜
AO DE TRANSFER
ˆ
ENCIA 29
zeros de G(s) ; zeros do numerador ; ra´ızes da eq. q(s) = 0
z
1
, . . . , z
m
p´ olos de G(s) ; zeros do denominador ; ra´ızes da eq. p(s) = 0
p
1
, . . . , p
n
.
Exemplo 3.2 (Sobre o cancelamento de p´ olos e zeros)
G(s) =
(s +1)(s +3)
(s +1)
2
zeros:1, 3 p´ olos: −1(2)
ED:
_
d
dt
+1
_
2
y =
_
d
dt
+1
__
d
dt
+3
_
u
d
2
dt
2
y +2
d
dt
y +y =
d
2
dt
2
u+4
d
dt
u+3u
TL ↓
_
s
2
+2s +1
_
Y(s) =
_
s
2
+4s +1
_
U(s)
−(sy(0) + ˙ y(0) +2y(0)) +(−su(0) − ˙ u(0) −4u(0))
Para y(0) = 1, ˙ y(0) = 0; u(0) = 1, ˙ u(0) = 0; obtemos:
_
s
2
+2s +1
_
Y(s) =
_
s
2
+4s +1
_
U(s) +2
Y(s) =
(s
2
+4s +3)
(s
2
+2s +1)
U(s) +
2
(s
2
+2s +1)
Y(s) =
(s +1)(s +3)
(s +1)
2
U(s) +
2
(s +1)
2
Nota: Na resposta forc¸ada h´ a um cancelamento p´ olo/zero, mas ... na resposta livre este cancela-
mento pode n˜ ao acontecer!
Y(s) =
s +3
s +1
U(s)
. ¸¸ .
Resp. forc¸ada
+
1
(s +1)
2
. ¸¸ .
Resp. livre
Para condic¸ ˜ oes iniciais nulas:
Y(s) =
s +3
s +1
U(s)
. ¸¸ .
Resp. forc¸ada.
30 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
A y(t) = L
−1
(Y(s)) chama-se resposta natural do sistema, que corresponde ` a soluc¸ ˜ ao geral da
equac¸ ˜ ao diferencial, e ´ e a combinac¸ ˜ ao linear dos modos naturais do sistema, contendo a resposta
estacion´ aria e a transit´ oria (s´ o fazendo sentido falar nesta ´ ultima no caso de sistemas est´ aveis).
Consideremos u(t) = 1, t ≥0 :
y(t) =L
−1
(Y(s)) = L
−1
_
s +3
s(s +1)
_
+L
−1
_
2
(s +1)
2
_
=
_
3−2e
−t
_
. ¸¸ .
Resp. forc¸ada
+ 2te
−t
. ¸¸ .
Resp. livre
= 3−2e
−t
+2te
−t
resposta natural
Tem-se ainda que lim
t→inf ty
y(t) = lim
t→inf ty
3−2e
−t
+2te
−t
. ¸¸ .
Resp. transit.
= 3
.¸¸.
Resp. estac.
.
Do ponto de vista da resposta forc¸ada, as FT G(s) =
(s +1)(s +3)
(s +1)
2
e
(s +3)
(s +1)
s˜ ao equivalentes. No
entanto, estas FT n˜ ao s˜ ao equivalentes do ponto de vista da resposta livre.
3.1.3. Interpretac¸ ˜ ao dos p´ olos e zeros
Seja
G(s) = K
(s −z
1
) (s −z
m
)
(s −p
1
) (s −p
n
)
(3.3)
uma func¸ ˜ ao racional irredut´ıvel.
U(s) =
1
s −z
j
;Y(s) = K
(s −z
1
)
$
$
$$
(s −z
j
) (s −z
m
)
(s −p
1
) (s −p
n
)
1
¨
¨
¨
s −z
j
A frequˆ encia z
j
presente em U, n˜ ao aparece emY.
→ os zeros correspondem ` as poss´ıveis frequˆ encias canceladas pelo sistema
U(s) = 1 ;Y(s) = K
(s −z
1
) (s −z
m
)
(s −p
1
) (s −p
n
)
As frequˆ encias p
1
, . . . , p
n
est˜ ao presentes na resposta impulsional do sistema e em todas as
outras respostas
→ As frequˆ encias correspondentes aos p´ olos est˜ ao sempre presentes na resposta dos sistema,
juntamente com as frequˆ encias n˜ ao canceladas.
3.2. REPRESENTAC¸
˜
AO NO ESPAC¸ O DE ESTADOS 31
3.2. Representac¸ ˜ ao no espac¸o de estados
Um sistema dinˆ amico ´ e commumente descrito de trˆ es formas distintas: (i) por uma FT, como vimos
na Secc¸ ˜ ao 3.21, (ii) por um conjunto de equac¸ ˜ oes de estado, como vamos ver nesta secc¸ ˜ ao ou (iii)
por uma lista de p´ olos e zeros bem como o ganho associado, como em (3.3). Voltamos ao modelo
(3.1). O conhecimento das condic¸ ˜ oes iniciais y(0), ˙ y(0), . . . , y
n−1
(0) bem como da entrada ou forc¸a
motriz u(t), t ≥ 0, determina completamente o comportamento futuro do sistema. Consideramos
ent˜ ao y(t),
d
dt
y, . . . ,
d
(n−1)
dt
(n−1)
y como um conjunto de vari´ aveis de estado
1
. Definimos ent˜ ao:
x
1
(t) = y(t)
x
2
(t) =
d
dt
y
.
.
.
x
n
(t) =
d
(n−1)
dt
(n−1)
y
Ou seja
d
dt
x
1
(t) = x
2
(t) (3.4)
d
dt
x
2
(t) = x
3
(t) (3.5)
.
.
. (3.6)
d
dt
x
(
n−1)(t) = x
n
(t) (3.7)
d
dt
x
n
(t) = −a
n
x
1
(t) − −a
n
x
n
(t) +u (3.8)
Colocando na forma matricial, obtemos um sistema de ED de ordem–1 a que chamamos equac¸ ˜ ao de
estados:
d
dt
x = Ax +Bu, (3.9)
1
Chama-se Vari´ aveis de estado a um conjunto de vari´ aveis que descreva um sistema dinˆ amico. Intuitivamente, o estado
de um sistema descreve suficientemente bem o sistema de forma a ser poss´ıvel determinar-se o seu comportamento futuro.
32 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
sendo
x =
_
x
1
x
2
. . . x
n
_
T
,
A =
_
_
_
_
_
_
_
_
_
_
_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0
−a
n
−a
n−1
−a
n−2
. . . −a
1
_
_
_
_
_
_
_
_
_
_
_
B =
_
0 0 . . . 0 1
_
T
.
A diz-se a matriz de estados e B a matriz de controlo. A sa´ıda do sistema ´ e dada pela equac¸ ˜ ao
y =Cx (3.10)
sendo C =
_
1 0 . . . 0
_
T
, que ´ e designada por matriz de sa´ıda. A u chamamos vari´ avel de
entrada e a y vari´ avel de sa´ıda.
Quando a ED (3.1) involve derivadas de u(t), a deduc¸ ˜ ao da representac¸ ˜ ao do modelo (3.1) em termos
de espac¸o de estados ´ e mais complexo. Ver (Ogata, 1990).
Considerando o sistema
d
dt
x = Ax +Bu
y = Cx,
facilmente se converte esta representac¸ ˜ ao numa FT, aplicando a TL a ambas as equac¸ ˜ oes anteriores
sX(s) = AX(s) +BU(s) (3.11)
Y(s) = CX(s) (3.12)
A equac¸ ˜ ao (3.11)–(3.12) ´ e equivalente a
(sI −A)X(s) = BU(s) ⇔
⇔X(s) = (sI −A)
−1
BU(s)
3.2. REPRESENTAC¸
˜
AO NO ESPAC¸ O DE ESTADOS 33
e substituindo em (3.12), temos
Y(s) = CX(s)
Y(s) = C(sI −A)
−1
BU(s)
G(s) =
Y(s)
U(s)
= C(sI −A)
−1
B.
Como G(s) ´ e um quociente de dois polin´ omios, para obter a representac¸ ˜ ao p´ olos-zeros-ganho, faze-
mos a decomposic¸ ˜ ao do numerador e denominador em factores irredut´ıveis de primeira e segunda
ordem. Para converter um modelo de entrada/sa´ıda num equivalente em espac¸o de estados, tem que
recorrer-se ` as formas can´ onicas (A. N. Michel, 1997).
Exemplo 3.3 (Convers˜ ao entre representac¸ ˜ oes) Considere-se um sistema vibrat´ orio que consiste
de uma massa de peso 200g que provoca o alongamento numa mola cuja constante ´ e 2N/m. A massa
´ e deslocada 0.5m na direcc¸ ˜ ao positiva e libertada com velocidade nula. O movimento ´ e amortecido
por uma forc¸a igual a 1.2 da velocidade instantˆ anea da massa. O movimento ´ e impulsionado por
uma forc¸a exterior, F(t), cujo per´ıodo ´ e T =
π
2
s e inicia-se a t = 0. Este sistema mecˆ anico pode ser
representado pela ED de ordem–2:
1
5
d
2
dt
2
y +1.2
d
dt
y +2y = 5cos4t
y(0) =
1
2
d
dt
y(0) = ˙ y(0) = 0.
L
m
O
X
x(t) = 0
x(t) < 0
x(t) > 0

F(t)

P(t)
Figura 3.1: Sistema mola–massa.
34 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
Aplicando a TL ao sistema (3.13)–(3.13), temos:
1
5
_
s
2
Y(s) −sy(0) − ˙ y(0)
_
+1.2(sY(s) −y(0)) +2Y(s) = 2L ¦cos4t¦ ⇔

_
1
5
s
2
+1.2s +2
_
Y(s) −
1
10
s −0.6 =
20
s
2
+16


_
2s
2
+12s +20
_
Y(s) =
200
s
2
+16
+(s +6) ⇔
⇔Y(s) =
200
(s
2
+16)(2s
2
+12s +20)
+
(s +6)
(2s
2
+12s +20)

⇔Y(s) =
100
(s
2
+16)(s
2
+6s +10)
+
0.5(s +6)
(s
2
+6s +10)
.
Se quisermos obter a representac¸ ˜ ao em termos de espac¸o de estados, fazemos:
_
_
_
x
1
= y
x
2
=
d
dt
y
=⇒
_
¸
_
¸
_
d
dt
x
1
= x
2
d
dt
x
2
= −10x
1
−6x
2
+10cos4t
(3.13)
o que ´ e equivalente a
_
_
_
d
dt
x
1
d
dt
x
2
_
_
_=
_
_
0 1
−10 −6
_
_
_
_
x
1
x
2
_
_
+
_
_
0
2
_
_
5cos4t.
3.3. Entradas usuais do sistema
Para caracterizar a resposta dos sistemas de controlo s˜ ao usadas como entrada, geralmente, duas
classes de func¸ ˜ oes:
1. Func¸ ˜ oes com singularidade
(a) o impulso de Dirac
(b) a func¸ ˜ ao degrau unit´ ario
(c) a func¸ ˜ ao rampa
2. Entradas sinus´ oidais
Relembrando a TL para estas func¸ ˜ oes, temos:
3.3. ENTRADAS USUAIS DO SISTEMA 35
Func¸ ˜ ao Transformada Laplace
Impulso unit´ ario 1
δ(t)
Degrau unit´ ario
1
s
U (t)
Rampa unit´ aria
1
s
2
r(t)
sen(wt +φ)
ssinφ +wcosφ
s
2
+w
2
Analisemos cada uma destas func¸ ˜ oes em pormenor.
Relembrando a func¸ ˜ ao impulso, se A = 1 temos o impulso de Dirac ou func¸ ˜ ao de Dirac:
L¦ f (t)¦ =
As
s
= A
t
δ
(
t
)
Func¸ ˜ ao de Dirac
δ(t) =
_
_
_
0 , t ,= 0
∞ , t = 0 (lim
t→0
δ(t) =∞)
com A, t
0
constantes.
L¦δ(t)¦ = 1 e tamb´ em
_
0
+
0

δ(t)dt = 1.
Temos ainda a func¸ ˜ ao degrau que ´ e um caso particular da func¸ ˜ ao de Heaviside:
func¸ ˜ ao de Heaviside
a=0
−→func¸ ˜ ao degrau
U (t) =
_
_
_
0 , t < 0
1 , t ≥0
36 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
L¦U (t −a)¦ =
e
−as
s
a=0
−→L¦U (t)¦ =
e
−0s
s
=
1
s
t
U
(
t
)
Func¸ ˜ ao rampa
r(t) =
_
_
_
0 , t < 0
t , t > 0
L¦r(t)¦ =
1
s
2
t
U
(
t
)
Tendo-se ainda a seguinte relac¸ ˜ ao entre estas func¸ ˜ oes singulares:
t
δ
(
t
)
integrac¸ ˜ ao
−→
derivac¸ ˜ ao
←−
t
U
(
t
)
integrac¸ ˜ ao
−→
derivac¸ ˜ ao
←−
t
U
(
t
)
Temos ainda a func¸ ˜ ao sinusoidal:
Func¸ ˜ ao sinusoidal
s(t) = Asin(ωt +θ)
L¦sen(ωt +φ)¦ =
ssinφ +wcosφ
s
2
+w
2
A
t
U
(
t
)
Exerc´ıcio 3.2 A resposta do sistema a esta entrada ´ e estudada commaior detalhe no Cap´ıtulo 1
3.4. RESPOSTA DO SISTEMA 37
Considere o sistema de entrada r e sa´ıda y descrito pela seguinte equac¸ ˜ ao diferencial
d
2
y
dt
2
+3
dy
dt
+2y = 4r.
Determine a sa´ıda do sistema em cada uma das seguintes situac¸ ˜ oes:
1. • Quando r(t) = e
−2t
u(t) e o sistema tem condic¸ ˜ oes iniciais nulas.
• Quando r(t) = 0 e as condic¸ ˜ oes iniciais s˜ ao y(0) =−2, ˙ y(0) = 0.
• Quando r(t) = u(t) e as condic¸ ˜ oes iniciais s˜ ao y(0) = 1, ˙ y(0) =−1.
2. Para a seguinte FT, determine a sa´ıda y(t), quando a entrada r(t) ´ e o degrau unit´ ario.
Y(s)
R(s)
=
1
(s −1)(s +2)
.
3.4. Resposta do sistema
U(s)
−→
b
m
s
m
+ +b
1
s +b
0
a
n
s
n
+ +a
1
s +a
0
Y(s)
−→
a
n
.¸¸.
,=0
d
n
dt
n
y +. . . +a
1
d
dt
y +a
0
y = b
n
.¸¸.
m≤n
d
m
dt
m
u+. . . +b
1
d
dt
u+b
0
u
A soluc¸ ˜ ao desta ED ´ e do tipo y(t) = y
h
(t) +y
p
(t), sendo
→ y
h
(t) soluc¸ ˜ ao homog´ enea da ED, i.e., u(t) ≡0
→ y
p
(t) soluc¸ ˜ ao particular que satisfaz o EDO para um dado u(t)
Soluc¸ ˜ ao homog´ enea?
Consideremos n condic¸ ˜ oes iniciais: y(0) =C
0
,
d
dt
y(0) =C
1
, . . . ,
d
n
dt
n
=C
n
.
Assumindo y
h
= ke
λt
, obtemos a
equac¸ ˜ ao caracter´ıstica: a
n
λ
n
+a
n−1
λ
n−1
+ +a
1
λ +a
0
= 0
y
h
(t) =
n

i=0
C
i
e
λ
i
t
38 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
as constantes C
i
s˜ ao determinadas a partir das condic¸ ˜ oes iniciais e os λ
i
s˜ ao os valores caracter´ısticos
(ou pr´ oprios) do sistema.
Nota:
U(s)
−→ G(s) =
N(s)
D(s)
Y(s)
−→
os valores caracter´ısticos s˜ ao os p´ olos da FT G(s).
Soluc¸ ˜ ao n˜ ao homog´ enea?
Uma soluc¸ ˜ ao particular pode ser determinada usando, por exemplo, o m´ etodo dos coeficientes inde-
terminados (MCI). Ver (Zill, 1997).
O MCI requere que u(t) tenha uma das seguintes trˆ es formas:
(i) P
n
(t)
(ii) P
n
(t)e
αt
(iii) e
αt
(P
n
(t)cosβt +Q
n
(t)sinβt),
onde P
n
(t), Q
n
(t) s˜ ao polin´ omios emt de grau n (n ≥0). O MCI pode ser usado se u(t) for a soma de
func¸ ˜ oes u
k
(t) de uma destas formas, obtendo-se a soluc¸ ˜ ao particular da equac¸ ˜ ao em quest˜ ao usando
o princ´ıpio da sobreposic¸ ˜ ao.
Se nem todos os termos de u(t) forem de uma destas formas, o m´ etodo dos coeficientes indetermi-
nados n˜ ao pode ser aplicado (ver (Perdico´ ulis, 2010), Cap´ıtulo 2).
Observe que da conjugac¸ ˜ ao destas trˆ es formas entre si, resulta uma grande diversidade de situac¸ ˜ oes,
como por exemplo: 2e
3t
, e
4t
cosx e t cost +t sint.
3.5. An´ alise de sistemas de primeira ordem
No que se segue vamos considerar a resposta de sistemas s´ o comp´ olos e ganho K(i.e., K =lim
s→0
G(s)).
Consideremos a ED de primeira ordem
τ
d
dt
y +y = Ku, K, τ > 0,
3.5. AN
´
ALISE DE SISTEMAS DE PRIMEIRA ORDEM 39
cuja soluc¸ ˜ ao ´ e
y(t) =Ce

t
τ
+y
p
(t).
No dom´ınio das frequˆ encias, definimos como forma padr˜ ao para a FT de um sistema de ordem–1:
G(s) =
K
τs +1
=
K
τ
1
s +
1
τ
(3.14)
e a τ chamamos a constante de tempo.
Vamos de seguida analisar a resposta de um sistema de primeira ordem a algumas entradas usuais.
3.5.1. Resposta impulsional
Seja u(t) = δ(t) =⇒ U(s) = 1 =⇒ Y(s) = G(s)U(s) ⇔G(s) =
K
τ
1
s +
1
τ
=⇒ y(t) =
K
τ
e

t
τ
.
τ
2τ 3τ 4τ 5τ
K
τ
t
y
(
t
)
Figura 3.2: Representac¸ ˜ ao da resposta impulsional do sistema G(s) =
3
s +1
.
Com base no gr´ afico podemos determinar as constantes K e τ. τ ´ e a intersecc¸ ˜ ao da recta tangente a
y(t) emt =0 com o eixo das abcissas
2
. K ´ e determinado a seguir, a partir de y(0). Se representarmos
lny em vez de y, o declive da tangente ´ e −
1
τ
.
2
A recta tangente a y(t) em t = 0 ´ e y(t) =
K
τ
_

1
τ
_
t +
K
τ
e com y = 0 =⇒ t = τ
40 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.5.2. Resposta ao degrau (ou resposta indicial)
Seja u(t) =U (t) =⇒ U(s) =
1
s
=⇒ Y(s) =G(s)
1
s
=
K
τ
1
s +
1
τ
1
s
=⇒ y(t) =K
_
_
1−e

t
τ
_
_
, t ≥0.
Graficamente,temos
τ
2τ 3τ 4τ 5τ
K
t
y
(
t
)
Figura 3.3: Representac¸ ˜ ao da resposta ao degrau do sistema G(s) =
3
s +1
.
Com base no gr´ afico podemos determinar τ experimentalmente: determinamos a recta tangente ` a
resposta do sistema em t = 0. Esta recta tem declive
1
τ
.
lim
t→∞
y(t) = K, sendo K o valor final da resposta.
Definimos tempo de assentamento como o momento a partir do qual a resposta fica num intervalo
de ±1.8% do valor final. Para sistemas de primeira ordem ´ e aproximadamente
3
4τ.
Definimos tempo de subida como o tempo necess´ ario para a resposta indicial percorrer de 10% a
90% do seu valor final
4
.
Exemplo 3.4 (Cruise Control) Vamos considerar uma vers˜ ao simples da modelac¸ ˜ ao deste problema,
negligenciando a in´ ercia e assumindo o atrito (proporcional ` a velocidade do autom´ ovel) como uma
3
y(t) = K(1−e
−t/τ
) ·0.98K ⇔t =−τ ln
_
1−
0.98
K
_
=⇒ t = 4τ.
4
y(t) = K
_
_
1−e

t
τ
_
_
= 0.1K =⇒ t
0.1
=−τ ln0.9
y(t) = K
_
_
1−e

t
τ
_
_
= 0.9K =⇒ t
0.9
=−τ ln0.1.
tempo de subida=t
0.9
−t
0.1
=−τ (ln0.1−ln0.9) = 2.2τ.
3.5. AN
´
ALISE DE SISTEMAS DE PRIMEIRA ORDEM 41
forc¸a oposta ao movimento do autom´ ovel, reduzimos o problema da modelac¸ ˜ ao da velocidade de
cruzamento de um autom´ ovel ao modelo simples
m˙ v +bv = u
y = v,
(3.15)
sendo m a massa do ve´ıculo, b o atrito, v a velocidade e u a forc¸a do motor. No que se segue, vamos
considerar os seguintes valores:
m = 1000Kg
b = 50Ns/m
u = 500N.
Quando o motor fornece uma forc¸a de 500N, o autom´ ovel atinge uma velocidade m´ axima de 10m/s.
Umautom´ ovel deve ser capaz de atingir esta velocidade dentro de 5s. Dado estarmos aqui a modelar
a velocidade de cruzamento, 10% de overshoot da velocidade ´ e aceit´ avel, bem como 2% de erro em
regime permanente.
Comec¸amos por calcular a FT:
G(s) =
V(s)
U(s)
=
500
ms +b
=
10
20s +1
O tempo de subida ´ e igual a 2.2τ = 2.220 = 44s > 5s!!!
Temos que lim
t→∞
e(t) = lim
s→0
sE(s) = lim
s→0
s
20s +1
20s +11
1
s
=
1
11
= 0.0909 > 0.02!!!
De forma que as especificac¸ ˜ oes n˜ ao s˜ ao verificadas. Mais ` a frente veremos o que fazer. N˜ ao existe
overshoot???
Em Matlab:
m=1000;
b=50;
u=500;
num=[1];
den=[m b];
cruise=tf(num,den);
step(u
*
cruise)
axis([0 120 0 10])
42 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
Em termos de espac¸o de estados, temos:
˙ v = −
b
m
v +
1
m
u (3.16)
y = v. (3.17)
Em Matlab:
A=[-b/m];
B=[1/m];
C=[1];
D=0;
vCruzamento=ss(A,B,C,D);
Calculamos ainda a express˜ ao da velocidade, considerando a entrada em degrau:
G(s) =
Y(s)
U(s)
=
10
20s +1
Y(s) =
1
2
1
s(s +1/20)
=⇒ y(t) =
1
2
L
−1
_
1
s(s +1/20)
_
=
1
2
L
−1
_
A
s
+
B
(s +1/20)
_
= 10
_
L
−1
_
1
s
_
−L
−1
_
1
(s +1/20)
__
v(t) = 10
_
1−e
−t/20
_
3.6. AN
´
ALISE DE SISTEMAS DE SEGUNDA ORDEM 43
ou seja, quando t →∞, v(t) →10.
3.5.3. Resposta ` a rampa
Seja u(t) =r(t) =
_
_
_
0 , t < 0
t , t ≥0
=⇒ U(s) =
1
s
2
=⇒ Y(s) =G(s)
1
s
2
=K
_
1
s
2

τ
s
+
τ
2
τs +1
_
=⇒
y(t) = K(t −τ) +Kτe

t
τ
, t ≥0.
Graficamente,temos
u = Kt
y = y(t)
τ
Kτ y =U (t −τ)K(t −τ)
τ
2τ 3τ 4τ
t
y
(
t
)
Figura 3.4: Representac¸ ˜ ao do sistema G(s) =
2
s +1
.
Observando o gr´ afico, vemos um atraso da rampa u = Kt : y =U (t −τ)K(t −τ).
Temos que a resposta ` a rampa u = Kt do sistema
3
τs +1
´ e a rampa y = Kt com um atraso de τ.
3.6. An´ alise de sistemas de segunda ordem
`
A semelhanc¸a do que fizemos para os sistemas de primeira ordem, vamos analisar a resposta de
sistemas s´ o com p´ olos e ganho K. Consideremos a ED linear de segunda ordem e com coeficientes
constantes:
d
2
y
dt
2
+2ξω
n
dy
dt

2
n
y = ω
2
n
u, ω
n
, ξ ≥0. (3.18)
44 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
Comec¸amos por calcular os valores caracter´ısticos desta ED
λ =−ω
n
_
ξ ±
_
ξ
2
−1
_
. ¸¸ .
>0
, (3.19)
obtendo a func¸ ˜ ao caracter´ıstica
y
h
(t) =C
1
e
−ω
n
_
ξ+

ξ
2
−1
_
t
+C
2
e
−ω
n
_
ξ−

ξ
2
−1
_
t
comC
1
,C
2
parˆ ametros reais. (3.20)
Da representac¸ ˜ ao da soluc¸ ˜ ao, vemos que o comportamento assimpt´ otico da soluc¸ ˜ ao vai depender dos
valores de ω
n
e ξ.
Se calcularmos a FT deste sistema vamos obter
G(s) =
ω
2
n
s
2
+2ξω
n
s +ω
2
n
, (3.21)
que tem dois parˆ ametros, ξ e ω
n
, a que chamamos coeficiente de amortecimento e frequˆ encia natu-
ral, respectivamente.
Como sabemos que os p´ olos da FT coincidem com os valores caracter´ısticos da ED, temos que
p
1
, p
2
=−ω
n
_
ξ ±
_
ξ
2
−1
_
(3.22)
Comec¸amos por classificar o sistema de acordo com os diferentes valores do amortecimento:
caso cr´ıtico: ξ = 0 ← 0 ≤ξ ≤1 ; Sistema subamortecido: 2 p´ olos complexos
ξ = 1 ; Sistema amortecido: 1 p´ olo real duplo
ξ > 1 ; Sistema sobreamortecido: 2 p´ olos reais (negativos).
−ωn −ξωn
jωn
_
1−ξ
2
jωn
R(s)
I(s)
ωn
ωn
ξω
n
ω
n
_
1−ξ
2
ω
n
θ = cos
−1
ξ
Figura 3.5: Relac¸ ˜ ao entre os coeficientes ξ e ω
n
e o teorema de Pit´ agoras.
3.6. AN
´
ALISE DE SISTEMAS DE SEGUNDA ORDEM 45
Nm sistema subamortecido, quando representados no plano-s, os p´ olos encontram-se ` a distˆ ancia ω
n
da origem em linhas radiais que fazem um ˆ angulo de θ = cos
−1
(ξ) com o eixo das abcissas. A
influˆ encia de ξ e ω
n
na localizac¸ ˜ ao dos p´ olos ´ e sumariada nos seguintes diagramas das Figuras 3.5
e 3.6:
R(s)
I(s)
ω
n
cresce
R(s)
I(s)
ξ = 1
ξ = 1
ξ = 0
ξ = 0
Figura 3.6:
`
A esquerda est˜ ao trac¸adas curvas para ω
n
constante.
`
A direita est˜ ao trac¸adas linhas para
ξ constante.
3.6.1. Resposta impulsional
A Figura 3.7 representa a resposta impulsional de um sistema de ordem 2 com ω
n
= 1 e diferentes
valores de ξ.
ξ = 0.5
ξ = 1
ξ = 2
0 2 4 6 8 10 12 14 16 18 20 22 24
−0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
Tempo (Seg)
A
m
p
l
i
t
u
d
e
Figura 3.7: Resposta impulsional do sistema G(s) =
1
s
2
+2ξs +1
, com ξ = 0.5, 1, 2.
46 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.6.2. Resposta indicial
Sendo u(t) =U (t) =⇒ U(s) =
1
s
=⇒ Y(s) =
ω
2
n
s(s
2
+2ξω
n
s +ω
2
n
)
.
O valor final da resposta ao degrau ´ e dada pelo Teorema do valor final: lim
s→0
sG(s) = = 1. Nos
casos amortecido e sobreamortecido n˜ ao h´ a oscilac¸ ˜ ao.
Exerc´ıcio 3.3 Determine a resposta ao degrau para
1. ω
n
= 2, ξ = 1;
2. ω
n
= 2, ξ = 2;
Resoluc¸ ˜ ao:
1.
Y(s) =
4
s(s
2
+4s +4)
=
4
s(s +2)
2
=
A
s
+
B
s +2
+
C
(s +2)
2
C = lim
s→−2
(s +2)
2
4
s(s +2)
2
= lim
s→−2
4
s
=−2
B = lim
s→−2
(s +2)
_
4
s(s +2)
2
+
2
(s +2)
2
_
= lim
s→−2
2
s
=−1
A = lim
s→−2
s
4
s(s +2)
2
= lim
s→−2
4
(s +2)
2
= 1
Y(s) =
1
s

1
s +2

2
(s +2)
2
=⇒ y(t) = L
−1
_
1
s
_
−L
−1
_
1
s +2
_
−L
−1
_
2
(s +2)
2
_
= 1−e
−2t
−2e
−2t
t
=⇒ y(t) = 1−e
−2t
(1+2t)
2. Resolva de igual maneira como na situac¸ ˜ ao anterior.
Vamos analisar com mais pormenor o caso subamortecido.
3.6. AN
´
ALISE DE SISTEMAS DE SEGUNDA ORDEM 47
t
r t
p
= 1.62 t
s
= 8
M
p
1+0.018
1−0.018
Tempo (Seg)
A
m
p
l
i
t
u
d
e
Figura 3.8: Resposta ao degrau do sistema G(s) =
4
s
2
+s +4
.
Y(s) =
ω
2
n
s[(s +ξω
n
)
2

2
n
(1−ξ
2
)]
=
1
s

(s +ξω
n
)
(s +ξω
n
)
2

2
n
(1−ξ
2
)

ξω
n
(s +ξω
n
)
2

2
n
(1−ξ
2
)
y(t) = 1−e
−ξω
n
cos
_
_
1−ξ
2
ω
n
t
_
−e
−ξω
n
ξ
_
1−ξ
2
sin
_
_
1−ξ
2
ω
n
t
_
= 1−
e
−ξω
n
_
1−ξ
2
_
_
_
1−ξ
2
. ¸¸ .
sinθ
cos
_
_
1−ξ
2
ω
n
t
_
+ ξ
.¸¸.
cosθ
sin
_
_
1−ξ
2
ω
n
t
_
_
_
ver Figura 3.5
= 1−
e
−ξω
n
_
1−ξ
2
sin
_
_
_
_
1−ξ
2
ω
n
. ¸¸ .
ω
d
t +θ
_
_
_
Chamamos a −ξω
n
raz˜ ao de decaimento e a ω
d

n
_
1−ξ
2
frequˆ encia amortecida ou de oscilac¸ ˜ ao
e ω
d
≤ω
n
. Observe-se que a raz˜ ao de decaimento corresponde ` a parte real dos p´ olos e a frequˆ encia
amortecida ` a parte imagin´ aria (ver (7.11)).
Para o caso subamortecido, s˜ ao relevantes os seguintes indicadores na caracterizac¸ ˜ ao da resposta ao
degrau. Estas caracter´ısticas est˜ ao representadas na Figura 3.8 .
• Ultrapassagem m´ axima ou sobreelongac¸ ˜ ao: M
p
= valor m´ aximo - valor final. Este valor vem
48 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
usualmente expresso em percentagem
%M
p
= 100e

ξωn

1−ξ
2
.
• Tempo de ultrapassagem (m´ axima)
t
p
=
π
ω
n
_
1−ξ
2
.
Nota: Matematicamente, calcula-se t
p
como o ponto maximizante da resposta. Depois faze-
mos M
p
= y(t
p
).
• Tempo de assentamento
t
s
=
4
ξω
n
,
´ e o instante a partir do qual a resposta y(t) permanece num intervalo de ±1.8% do seu valor
final, i.e., y(t) ∈ [1−0.018, 1+0.018] .
• Tempo de subida
t
r
=
1
ω
n
e
θ
tanθ
, θ = arccosξ,
´ e o tempo que a resposta leva para passar de 10% a 90 % do seu valor final, i.e., de 0.1 a 0.9.
Observac¸ ˜ ao 1 A raz˜ ao para caraterizar em especial a resposta ao degrau dos sistemas de 1
a
E 2
a
ordem, reside no facto de quase todos os sistemas podem ser aproximados por sistemas de 1
a
ou
2
a
ordem. Quando a resposta n˜ ao ´ e oscilat´ oria a aproximac¸ ˜ ao usual ´ e a de 1
a
ordem. Quando ´ e
oscilat´ oria a aproximac¸ao ´ e de 2
a
ordem em regime subamortecido, ou seja, com um par de p´ olos
complexos. A vantagem das aproximac¸ ˜ oes de ordem inferior ´ e a sua simplicidade tornando mais
intuitivos os conceitos associados ` a resposta ao degrau de sistemas.
3.7.
´
Algebra dos diagramas de blocos
Os diagramas de blocos s˜ ao muito ´ uteis na visualizac¸ ˜ ao de sistemas. Referimo-nos ` as caixas de um
diagrama de blocos como sistemas, ou subsistemas, e o diagrama completo corresponde ao sistema
em causa.
Os sinais representam informac¸ ˜ ao e nos diagramas de blocos correspondem aos arcos (ou setas). As
entradas do sistema s˜ ao vari´ aveis livres sobre as quais o sistema actua, gerando as sa´ıdas.
3.7.
´
ALGEBRA DOS DIAGRAMAS DE BLOCOS 49
Comecemos por considerar um sistema constitu´ıdo por dois blocos em s´ erie
G
1
G
2
⇐⇒ G
1
G
2
U X Y U Y
Por exemplo G
1
=
1
500s
2
e G
2
=
s +1
s +2
. Em Matlab:
>>numG1=1;denG1=[500 0 0]; numG2=[1 1]; denG2=[1 2];
>>[num,den]=series(numG1,denG1,numG2,denG2);
>>printsys(num,den)
E um sistema constitu´ıdo por dois blocos em paralelo:
G
1
G
2
U
U
U
Y
Y
Y
⇐⇒ G
1
±G
2
U Y
Por exemplo G
1
=
1
500s
2
e G
2
=
s +1
s +2
. Em Matlab:
>>[num,den]=parallel(numG1,denG1,numG2,denG2);
>>printsys(num,den)
Para a forma can´ onica de realimentac¸ ˜ ao tem-se:
+
G
1
G
2
U X Y Y
Y W

⇐⇒
G1
1±G1G2
U Y
Por exemplo G
1
=
1
500s
2
e G
2
=
s +1
s +2
. Em Matlab:
>>[num,den]=feedback(numG1,denG1,numG2,denG2,sign); %-1 por defeito
Se a retroac¸ ˜ ao for unit´ aria, pode ainda usar-se:
50 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
>>[num,den]=cloop(numG1,denG1,sign); %-1 por defeito
As relac¸ ˜ oes anteriores permitem, face a um sistema consitu´ıdo por blocos ligados em s´ erie, paralelo
e/ou na forma can´ onica da realimentac¸ ˜ ao, determinar a sua func¸ ˜ ao de transferˆ encia por simplificac¸ ˜ ao
directa dos diagramas de blocos.
Comecemos pelo seguinte exemplo:
G
1
G
2
H
1
H
2
+ + Y
+
G
3
G
4
+
+ Y

Como simplificar o diagrama de blocos dado, de forma a obter a forma can´ onica de realimentac¸ ˜ ao?
G
1
G
2
H
1
H
2
+ +
+
G
3
+G
4
Y

3.7.
´
ALGEBRA DOS DIAGRAMAS DE BLOCOS 51
G
1
G
2
1−G
1
G
2
H
1
H
2
+ +
G
3
+G
4
Y

G
1
G
2
(G
3
+G
4
)
1−G
1
G
2
H
1
H
2
+ Y

Chama-se ` a atenc¸ ˜ ao da existˆ encia de uma ligac¸ ˜ ao em paralelo e de outra em s´ erie, que aparecem nos
blocos a tracejado. Comec¸amos por reduzir estes blocos.
Na seguinte tabela, apresentamos algumas transformac¸ ˜ oes usuais:
⇐⇒
G
U Y
Y
G
G
U
U Y
Y
⇐⇒
G
U
U
Y
G
1
G
U Y
Y
⇐⇒
52 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
+

+

G
H
1
H
2
U E Y
W
1
W
2

G
H
1
+H
2
U E Y
W
1
+W
2
⇐⇒
+

G
U
1 Y
U
2
G
G
U
1 + Y
U
2

⇐⇒
G
1
G
2
U
1 + Y
U
2

+
G
1
G
2
G
1
U
1 Y
U
2

Reduza ` a forma can´ onica de alimentac¸ ˜ ao o seguinte diagrama:
+

G
1
+

G
2
G
3
U Y
Comec¸amos por desentrelac¸ar as malhas:
3.7.
´
ALGEBRA DOS DIAGRAMAS DE BLOCOS 53
+

G
1
+

G
2
1
G
3
G
3
U Y
De seguida resolvemos a forma can´ onica com realimentac¸ ˜ ao:
+

G
1
G
2
G
3
1+G
2
G
3
1
G
3
U Y
Falta agora a forma can´ onica de realimentac¸ ˜ ao
+

G
1
G
2
G
3
1+G
2
G
3
1
G
3
U Y
Fac¸amos mais um exemplo:
+

B
+
+
A
C
U Y
Comec¸o por tirar o B para fora:
54 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
B
+

+
+
A
BC
U Y
Agora retiro o A
B
+

+
+
A
BC
U Y
e finalmente
+

A+B
BC
A+B
U Y
3.8. An´ alise de sistemas de ordem superior
Nas secc¸ ˜ oes anteriores, analis´ amos sistemas de primeira e segunda ordem. Vamos agora abordar
sistemas de ordem superior, ou seja, sistemas que n˜ ao possam ser reduzidos a estas formas. Estes
sistemas podem ser analisados por interligac¸ ˜ ao entre sistemas de primeira e segunda ordem.
Como motivac¸ ˜ ao, consideremos o seguinte exemplo
Exemplo 3.5 Consideremos
G(s) =
s +2
(s +1)
2
(s +3)
,
3.8. AN
´
ALISE DE SISTEMAS DE ORDEM SUPERIOR 55
representada pelo seguinte diagrama de blocos
G(s)
U(s) Y(s)
Esta FT pode ser decomposta nos seguintes elementos simples:
G(s) =
1/4
s +1
+
1/2
(s +1)
2
+
−1/4
s +3
,
sendo o respectivo diagrama
1
s +1
1
s +1
1
2
1
4
1
s +3

1
4
U(s)
Y(s)
Exemplo 3.6 Consideremos G(s) =
1
s
2
+1
, que admitindo decomposic¸ ˜ oes complexas pode ser es-
crito como
1
s
2
+1
=
1/2
s + j
j +
−1/2
s − j
j cujo diagrama ´ e
1
s + j
1
2
j
1
s − j

1
2
j
U(s)
Y(s)
Os exemplos anteriores foram examinados no dom´ınio das frequˆ encias. Como passar para o dom´ınio
dos tempos?
Comec¸amos por observar a equivalˆ encia entre diagramas
56 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
1
s +a

1
s
a
U(s) Y(s) U(s) Y(s)

E no dom´ınio dos tempos, temos:
_
a
u(t) y(t)

Exerc´ıcio 3.4 Represente no dom´ınio dos tempos os diagramas dos exemplos 3.5 e 3.6.
No caso geral, consideremos
G(s) =
N(s)
D(s)
com D(s) = (s + p
1
)
m
1
. . . (s + p

)
m

onde
−p
1
, . . . , −p

s˜ ao os p´ olos distintos de G(s) e
m
1
, . . . , m

s˜ ao as multiplicidades destes p´ olos.
Neste caso, vem:
G(s) = b
0
+
parcelas associadas a −p
1
¸ .. ¸
a
11
s + p
1
+ +
a
1m
1
(s + p
1
)
m
1
. ¸¸ .
G
1
(s)
+ +
parcelas associadas a −p

¸ .. ¸
a
1
s + p

+ +
a
m

(s + p

)
m

. ¸¸ .
G

(s)
.
Aplicando a TL inversa obt´ em-se:
g(t) = b
0
δ(t)
. ¸¸ .
modo
impulsional
+a
11
e
−p
1
t
+ +
a
1m
1
(m
1
−1)!
t
(m
1
−1)
e
−p
1
t
. ¸¸ .
modos associados a −p
1
+ +a
1
e
−p

t
+ +
a
m

(m
1
−1)!
t
(m

−1)
e
−p

t
. ¸¸ .
modos associados a −p

A g(t) chamamos resposta impulsional. S´ o existem modos impulsionais quando a FT G(s) n˜ ao ´ e
estritamente pr´ opria. Cada parcela ´ e um modo natural do sistema. Em termos de diagramas de
blocos, temos que:
3.8. AN
´
ALISE DE SISTEMAS DE ORDEM SUPERIOR 57
G(s) ⇔ G
1
(s)
.
.
.
G

(s)
b
0
U(s) Y(s) U(s) Y(s)
Cada FT G
k
(s), k = 1, . . . , ´ e representada por:
1
s
1
s

1
s
p
k
p
k
p
k
a
k
1
a
k
2
a
k
m
k
− − −
e no dom´ınio dos tempos por:
_ _

_
p
k
p
k
p
k
a
k
1
a
k
2
a
k
m
k
δ(t)
− − −
e
−p
k
t
t e
−p
k
t
t
m
k
−1
(m
k
−1)!
e
−p
k
t
Dado os p´ olos complexos seremindesej´ aveis para simulac¸ ˜ oes, por causa dos coeficientes complexos,
optamos por n˜ ao separar as fracc¸ ˜ oes complexas e fazer a decomposic¸ ˜ ao emtermos de ordem–2, cujos
denominadores s˜ ao do tipo (s +a)
2
+b
2
, a que correspondem os dois p´ olos complexos conjugados
58 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
p = a+ jb e p

= a− jb. Proceda-se ent˜ ao da seguinte forma:
G(s) =
As +B
(s +a)
2
+b
2
= A
s +a
(s +a)
2
+b
2
. ¸¸ .
G
1
(s)
+
B−Aa
b
b
(s +a)
2
+b
2
. ¸¸ .
G
2
(s)
.
No dom´ınio dos tempos tem-se:
g(t) = Ae
−at
cos(bt)
. ¸¸ .
g
1
(t)
+
B−Aa
b
e
−at
sin(bt)
. ¸¸ .
g
1
(t)
.
Os respectivos diagramas s˜ ao:
1
s +a
b
b
1
s +a
U(s) Y
1
(s)
Y
2
(s)

ou ainda:
3.8. AN
´
ALISE DE SISTEMAS DE ORDEM SUPERIOR 59
1
s
b
b
1
s
a
a
U(s) Y
1
(s)
Y
2
(s)


e no dom´ınio dos tempos:
1
s
;
_
_
b
b
_
a
a
B−Aa
b
A
δ(t)
y
1
(t) = g
1
(t)
y
2
(t) = g
2
(t)

g(t)

sendo g
1
(t) e g
2
(t) os modos reais do sistema correspondentes aos modos complexos e
−pt
, e
−p

t
.
60 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.9. Modos dominantes
Quando todos os p´ olos −p
1
, . . . , −p

s˜ ao tais que Re(−p
j
) < 0, tem-se que todos os modos conver-
gem para zero quando t →∞, ou seja lim
t→∞
g(t) = 0.
A velocidade de convergˆ encia ´ e determinada pelos modos dominantes, ou seja os modos mais lentos:
modos correspondentes ao p´ olos com menor
¸
¸
Re(−p
j
)
¸
¸
.
Os restantes modos, mais r´ apidos e n˜ ao dominantes, correspondem a transit´ orios que desaparecem
mais rapidamente que os dos modos dominantes. Para melhor se entender esta quest˜ ao, vejamos o
exemplo da Figura 3.9:
g(t) = e
−t
sin(t) +2e
−10t
+3e
−20t
g(t) = e
−t
sin(t)
0 1 2 3 4 5 6 7
−1
0
1
2
3
4
5
Tempo (Seg)
A
m
p
l
i
t
u
d
e
Figura 3.9: Aazul est´ a representada a resposta completa do sistema, g(t) =e
−t
sint +2e
−10t
+3e
−20t
e a vermelho somente o seu modo dominante: ˜ g(t) = e
−t
sint.
3.10. Estabilidade
Um sistema diz-se est´ avel quando qualquer entrada limitada produz tamb´ em uma sa´ıda limitada.
Este conceito de estabilidade designa-se por BIBO, que vem do inglˆ es bounded input–bounded out-
put e significa entrada limitada sa´ıda limitada. Do que foi dito anteriormente, conclu´ımos que uma
3.10. ESTABILIDADE 61
FT racional ´ e est´ avel se todos os p´ olos tiverem parte real negativa. Considerando G(s) =
N(s)
D(s)
,
temos que
G(s) ´ e est´ avel ⇔todas as ra´ızes de D(s) s˜ ao negativas.
Um polin´ omio nestas condic¸ ˜ oes diz-se de Hurwitz. Seria agrad´ avel dispˆ or de uma forma de deter-
minar se um polin´ omio ´ e de Hurwitz sem calcular as suas ra´ızes ... Consideremos
D(s) = s
n
+a
n−1
s
n−1
+ +a
1
s +a
0
Para que o polin´ omio D(s) seja de Hurwitz ´ e necess´ ario que todos os seus coeficientes sejam estri-
tamente positivos.
Se todos os coeficientes, a
0
, a
1
, . . . , a
n−1
, a
n
forem positivos, ent˜ ao o polin´ omio D(s) ´ e de Hurwitz
se n˜ ao existirem variac¸ ˜ oes de sinal na primeira coluna da tabela de Hurwitz.
Se o polin´ omio D(s) ´ e de Hurwitz ent˜ ao o sistema cuja FT ´ e G(s) =
N(s)
D(s)
´ e (BIBO) est´ avel.
Como se constr´ oi a tabela de Hurwitz?
linha n a
n
a
n−2
a
n−4

n−1 a
n−1
a
n−3
a
n−5

n−2 b
n−1
b
n−3
b
n−5

n−3 c
n−1
c
n−3
c
n−5

.
.
.
0 h
n−1
b
n−1
=
−1
a
n−1
¸
¸
¸
¸
¸
¸
a
n
a
n−2
a
n−1
a
n−3
¸
¸
¸
¸
¸
¸
, b
n−3
=
−1
a
n−1
¸
¸
¸
¸
¸
¸
a
n
a
n−4
a
n−1
a
n−5
¸
¸
¸
¸
¸
¸
. . .
c
n−1
=
−1
b
n−1
¸
¸
¸
¸
¸
¸
a
n−1
a
n−3
b
n−1
b
n−3
¸
¸
¸
¸
¸
¸
, . . . . . .
.
.
.
Ver (Chen, 1999) para demonstrac¸ ˜ ao do crit´ erio de Hurwitz.
Exemplo 3.7 Seja
D(s) = 1s
3
+2s
2
+3s +10
62 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
linha 3 1 3 0
2 2 10 0
1 −2 0 0
0 10 0 0
Existem duas variac¸ ˜ oes de sinal e como tal duas ra´ızes cuja parte real ´ e positiva. De facto as ra´ızes
de D(s) s˜ ao:
−2.45
0.22 + 2.01 j
0.22 − 2.01 j.
Exemplo 3.8 Determinar K de forma a que o sistema com FT
G(s) =
K
s
3
+3s
2
+2s +K
seja est´ avel.
Em termos de diagramas de blocos temos:
G(s)
K
1
s
3
+3s
2
+2s
R(s) Y(s)

Uma escolha adequada de K pode levar ` a estabilizac¸ ˜ ao do sistema original. Como se escolhe K?
linha 3 1 2 0
2 3 K 0
1
6−K
3
0 0
0 K 0 0
3.10. ESTABILIDADE 63
K deve ser escolhido de forma a n˜ ao haver variac¸ ˜ oes de sinal na primeira coluna de Hurwitz:
6−K
3
> 0
K > 0
_
_
_

_
_
_
K < 6
K > 0
⇔0 < K < 6.
O sistema ´ e est´ avel quando 0 < K < 6.
Observac¸ ˜ ao 3.1 Se tivermos o cuidado de verificar a condic¸ ˜ ao necess´ aria para que o polin´ omio
seja de Hurwitz, ent˜ ao alguns destes casos particulares s˜ ao ´ obvios.
Casos particulares
1. D(s) = s
4
+2s
3
+3s
2
+4s +5
BRIEF ARTICLE
THE AUTHOR
s
4
1 3 5
s
3
2 4 0
s
3
1 2 0 uma linha pode ser multiplicada por uma constante
s
2
1 5
s -3 0
s
0
5
1
As ra´ızes de D(s) s˜ ao 0.2878±1.4161 j e −1.2878±0.8579 j.
2. D(s) = s
3
+2s
2
+s +2
s
3
1 1 0
s
2
2
2
s ε 0 ε > 0 ´ e muito pequeno
s
0
2
Como os valores antes e depois de ε tˆ em o mesmo sinal, significam que existe um par de ra´ızes
imagin´ arias puras. De facto, as ra´ızes de D(s) s˜ ao ±j e −2.
3. D(s) = s
3
−3s +2 = (s −1)
2
(s +2)
s
3
1
-3 0
s
2
ε 2
s
-3-2/ε
0
64 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
s
0
2
Como os valores antes e depois de ε tˆ em diferentes sinais, significa que existem duas ra´ızes
positivas.
4. D(s) = s
5
+2s
4
+24s
3
+48s
2
−25s −50 = (s
2
−1)(s +2)(s
2
+5)
s
5
1 24 -25
s
4
2 48 -50
s
3
0 0 0
A existˆ encia de uma linha de zeros significa que existem ra´ızes sim´ etricas: duas ra´ızes reais
com sinais opostos e duas ra´ızes conjugadas. De facto as ra´ızes de D(s) s˜ ao −2, −1, 1, ±5 j.
Como continuar?
A partir dos coeficientes da ´ ultima linha n˜ ao nula, definimos o polin´ omio auxiliar
P(s) = 2s
4
+48s
2
−50 = 0.
(As ra´ızes de P(s) s˜ ao ±5j, ±1.) Temos ent˜ ao que P
/
(s) = 8s
3
+96s e substitu´ımos a linha de
zeros pelos coeficientes de P
/
(s) :
s
3
8 96
s
2
24 -50
s 112.7 0
s
0
-50
Temos ent˜ ao uma ra´ız positiva. Opolin´ omio auxiliar ´ e sempre par e devolve as ra´ızes sim´ etricas.
3.10.1. Estabilidade relativa
Como vimos, o crit´ erio de estabilidade de Routh-Hurwitz responde ` a quest˜ ao da estabilidade rela-
tiva. Mas, em algumas situac¸ ˜ oes pr´ aticas, isto s´ o n˜ ao ´ e suficiente e ´ e requerida informac¸ ˜ ao sobre
a estabilidade relativa do sistema. Um forma simples de fazer esta an´ alise ´ e efectuar a seguinte
mudanc¸a de vari´ avel ˆ s = s −σ, sendo σ uma constante, no polin´ omio caracter´ıstico e aplicar o
3.11. O EFEITO DOS ZEROS NA RESPOSTA DO SISTEMA 65
crit´ erio ao polin´ omio em ˆ s. O n´ umero de variac¸ ˜ oes de sinal da primeira coluna da matriz de Routh
indica o n´ umero de ra´ızes ` a direita do eixo x =−σ.
3.11. O efeito dos zeros na resposta do sistema
Dada uma FT estritamente pr´ opria com p´ olos simples
G(s) =
N(s)
(s + p
1
)(s + p
2
) (s + p

)
temos que:
G(s) =
a
1
(s + p
1
)
+ +
a

(s + p

)
onde
a
j
= lim
s→−p
j
(s + p
j
)G(s) =
N(−p
j
)
(s + p
1
)
_
s + p
j−1
__
s + p
j+1
_
(s + p

)
Se N(−p
j
) = 0 significa que G(s) tem um zero em −p
j
=⇒ a
j
= 0 e consequentemente e
−p
j
t
n˜ ao
aparece na resposta impulsional.
Se G(s) tem um zero pr´ oximo de −p
j
ent˜ ao a
j
≈ 0 e consequentemente a contribuic¸ ˜ ao do modo
e
−p
j
t
´ e muito pequena.
Analisemos ent˜ ao o efeito da introduc¸ ˜ ao dos zeros numa FT.
Seja G
1
(s) a FT original e G
2
(s) = (s +z)G
1
(s).
Sendo
Y
1
(s) = G
1
(s)U(s)
Y
2
(s) = G
2
(s)U(s)
temos que
Y
2
(s) = (s +z)Y
1
(s) = sY
1
(s) +zY
1
(s)
No dom´ınio dos tempos e para condic¸ ˜ oes iniciais nulas, tem-se
y
2
(t) =
d
dt
y
1
(t)
. ¸¸ .
acc¸ ˜ ao
derivativa
+zy
1
(t)
66 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
Como veremos no Cap´ıtulo 5, a acc¸ ˜ ao derivativa pode causar amplificac¸ ˜ ao das amplitudes e como
tal causar saturac¸ ˜ oes. Se z for muito grande, a contribuic¸ ˜ ao relativa da acc¸ ˜ ao derivativa diminui.
Exemplo 3.9
G
1
(s) =
1
s + p
; Resposta impulsional: g
1
(t) = e
−pt
G
2
(s) = (s +z)G
1
(s) =
s +z
s + p
; Resposta impulsional: g
2
(t) =
d
dt
g
1
(t) +zg
1
(t)
g
2
(t) = (z −p)g
1
(t)
g
2
(t) =
_
z
p
−1
_
pg
1
(t)
para p fixo, o quociente zero/p´ olo
z
p
=
_
−z
−p
_
, determina o comportamento de g
2
(t).
0 0.2 0.4 0.6 0.8 1 1.2 1.4
−1
0
1
2
3
4
5
6
7
10
−2
Tempo (Seg)
A
m
p
l
i
t
u
d
e
Figura 3.10: A azul temos a resposta ao degrau de G
1
(s) =
1
s
2
+8s +100
e a verde a resposta ao
degrau de G
2
(s) = (s +1)G
1
(s).
Da an´ alise do gr´ afico, conclu´ımos que a resposta do sistema, depois de adicionado o zero, tende para
um m´ ultiplo da resposta do sistema original zy(t). Tem-se ainda que, sendo a resposta mais r´ apida,
o tempo de pico ´ e mais curto bem como o tempo de subida. Se existir sobre-elongac¸ ˜ ao, esta ser´ a
maior. Um zero pode ainda causar sobre-elongac¸ ˜ ao na resposta de um sistema super-amortecido.
Exerc´ıcio 3.5 Seja G(s) =
5
s
2
+2s +5
.
3.11. O EFEITO DOS ZEROS NA RESPOSTA DO SISTEMA 67
Usando o Matlab, compare a resposta dos seguintes sistemas:
(a) G(s) =
5(s +1)
s
2
+2s +5
(b) G(s) =
5/2(s +2)
s
2
+2s +5
(c) G(s) =
5/3(s +3)
s
2
+2s +5
.
68 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
3.12. Mais exerc´ıcios
1. Para cada uma das seguintes func¸ ˜ oes de transferˆ encia, determine a sa´ıda y(t), quando a entrada
r(t) ´ e o degrau unit´ ario.
(a)
Y(s)
R(s)
=
1
s
, (b)
Y(s)
R(s)
=
1
(s +1)(s +3)
,
(c)
Y(s)
R(s)
=
1
s +1
, (d)
Y(s)
R(s)
=
1
s
2
+1
,
(e)
Y(s)
R(s)
=
1
s(s +1)
.
2. Considere o sistema descrito pela func¸ ˜ ao de transferˆ encia
G(s) =
s +2
(s +1)(s +3)
.
Supondo condic¸ ˜ oes iniciais nulas, determine a sa´ıda do sistema quando a entrada ´ e
(a) 1, t ≥0,
(b) e
−t
, t ≥0,
(c) cos(t), t ≥0,
(d) e
−2t
, t ≥0,
(e) t, t ≥0.
3. A equac¸ ˜ ao seguinte representa a relac¸ ˜ ao entre a entrada r e a sa´ıda y de um determinado
sistema dinˆ amico em que K ´ e uma constante:
¨ y +3˙ y +y = Kr
(a) Obtenha o diagrama de blocos deste sistema.
(b) Determine a func¸ ˜ ao de transferˆ encia
Y(s)
R(s)
4. Para cada uma das func¸ ˜ oes de transferˆ encia seguintes, determine uma equac¸ ˜ ao diferencial que
relacione a entrada r e a sa´ıda y do respectivo sistema.
(a) G(s) =
s
s −1
,
(b) G(s) =
s −1
s +3
,
3.12. MAIS EXERC
´
ICIOS 69
(c) G(s) =
s +1
s
2
−4
,
(d) G(s) =
s
s
2
+3
,
(e) G(s) =
3s
2
s
2
+2s +1
,
(f) G(s) =
s +4
(s +3)(s +2)(s +1)
.
5. Considere o sistema de entrada r e sa´ıda y descrito pela seguinte equac¸ ˜ ao diferencial
d
2
y
dt
2
+3
dy
dt
+2y = 4r.
Determine a sa´ıda do sistema em cada uma das seguintes situac¸ ˜ oes:
• Quando r(t) = e
−2t
u(t) e o sistema tem condic¸ ˜ oes iniciais nulas.
• Quando r(t) = 0 e as condic¸ ˜ oes iniciais s˜ ao y(0) =−2, ˙ y(0) = 0.
• Quando r(t) = u(t) e as condic¸ ˜ oes iniciais s˜ ao y(0) = 1, ˙ y(0) =−1.
6. Determine a resposta homog´ enea do sistema
u(t)=0
−→
1
s
2
+5s +6
y(t)
−→
com condic¸ ˜ oes iniciais y(0) = 2 e ˙ y(0) = 1.
(a) Determine a soluc¸ ˜ ao do sistema quando u(t) = 4(t > 0) e y(0) = 0 e ˙ y(0) = 0.
(b) Determine a resposta ao degrau deste sistema.
7. Seja G(s) =
5s
2
+10s
s
3
+5s
2
+11s +5
, determine a resposta do sistema
(a) ao degrau
(b) ` a rampa.
8. Seja G(s) =
s
2
+16
s
4
+16s
3
+13s
2
+2s
, determine a resposta indicial do sistema.
9. Demostre que num sistema de ordem–1 o tempo de assentamento, i.e. 98% da resposta final
do sistema, corresponde a 4τ, sendo τ a constante dos sistema.
10. Determine uma express˜ ao para o tempo de subida de um sistema de ordem–1, sabendo ser este
o tempo necess´ ario para a resposta indicial percorrer de 10% a 90% do seu valor final.
11. Considere a seguinte figura
70 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
1 1st Order Systems
1.1 First Order Time Constant
This problem concerns the first-order response shown in Figure 1.1.1.
Time (sec.)
A
m
p
lit
u
d
e
0 0.1 0.2 0.3 0.4 0.5 0.6
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5

Figure 1.1.1: Plot of Response
(a) What is the time constant of this response? (You can work directly on the given time response
plot and turn this in as part of your homework.)
(b) Show us a mechanical system which will give this response, under the assumption that the
indicated response is angle in radians. What are possible numerical values of the system
parameters and initial conditions that go with this response? Be sure to show your reasoning.
13
que representa a resposta de um sistema de ordem–1.
(a) Qual ´ e a constante de tempo desta resposta?
(b) Dˆ e um exemplo de um sistema mecˆ anico cuja resposta coincida com a representada na fi-
gura e seja dada em radianos por segundos.Quais s˜ ao s˜ ao os poss´ıveis valores num´ ericos
dos parˆ ametros do sistema e as condic¸ ˜ oes iniciais que correspondem a esta resposta?
Escreva o seu racioc´ınio com clareza.
12. O seguinte sistema de ordem–1
τ ˙ y +y = u,
onde se considera a entrada em degrau com condic¸ ˜ oes iniciais nulas. A entrada do sistema ´ e
u e a sa´ıda ´ e y. Deduza express˜ oes para o tempo de subida deste sistema de 10% a 90% e o
tempo de assentamento, considerando-se o assentamento quando a resposta do sistema atinge
o valor indicial 1 com um erro n˜ ao superior a ±∆ = 10
−6
.
13.
`
A semelhanc¸a do problema anterior, calcule o tempo de assentamento de um sistema, consi-
derando uma entrada impulsional.
14. Consideremos a seguinte equac¸ ˜ ao do movimento
˙ y +5y = 10u
(a) qual ´ e a constante de tempo deste sistema?
(b) sendo u = 10, qual ´ e o valor final de y(t)?
(c) assuma u = 0 (sem entrada) e que o sistema tem como posic¸ ˜ ao inicial y
0
cujo valor ´ e
desconhecido.Sabe-se que y(0.5) = 2. Qual era o valor de y
0
?
3.12. MAIS EXERC
´
ICIOS 71
(d) esboce a resposta do sistema considerado na al´ınea anterior, coma maior precis˜ ao poss´ıvel,
comec¸ando de t = 0 at´ e que a resposta seja aproximadamente zero e represente clara-
mente a resposta correspondente ao ponto t = 0.5.
(e) em que instante atinge a resposta do sistema 2% do seu valor final.
(f) quando atinge a resposta do sistema o valor 0.02?
15. As seguintes figuras dizem respeito ` a resposta de um sistema de ordem–2
2.2 Second Order Responses
This problem concerns the second-order response shown in Figure 2.2.1.
Time (sec.)
A
m
p
litu
d
e
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-200
-100
0
100
200
300

Figure 2.2.1: Second Order Response
Time (sec.)
A
m
p
litu
d
e
0 0.05 0.1
-200
-100
0
100
200
300

Figure 2.2.2: Zoomed Second Order Response
(a) What are the natural frequency and damping ratio of this response? (You can work directly
17
2.2 Second Order Responses
This problem concerns the second-order response shown in Figure 2.2.1.
Time (sec.)
A
m
p
litu
d
e
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-200
-100
0
100
200
300

Figure 2.2.1: Second Order Response
Time (sec.)
A
m
p
litu
d
e
0 0.05 0.1
-200
-100
0
100
200
300

Figure 2.2.2: Zoomed Second Order Response
(a) What are the natural frequency and damping ratio of this response? (You can work directly
17
Figura 3.11: A figura da direita ´ e uma ampliac¸ ˜ ao da parte inicial da da esquerda.
(a) Indique o amortecimento e a frequˆ encia natural do sistema.
(b) Mostre-nos um sistema mecˆ anico capaz de ter esta resposta, respeitando a asserc¸ ˜ ao de a
resposta indicada ser a posic¸ ˜ ao dada em mil´ımetros. Indique valores num´ ericos poss´ıveis
para os parˆ ametros do sistema e condic¸ ˜ oes iniciais. Mostre claramente o seu racioc´ınio.
16. Considere-se o sistema descrito pela seguinte equac¸ ˜ ao homog´ enea
20¨ y +160˙ y +8000y = 0,
determine a soluc¸ ˜ ao de y(t) considerando 3 diferentes valores para as condic¸ ˜ oes iniciais:
72 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
(a)
_
_
_
y(0) = 0
˙ y(0) = 10,
(b)
_
_
_
y(0) = 10
˙ y(0) = 0,
(c)
_
_
_
y(0) = 1
˙ y(0) = 10.
(d) Para cada um destes casos, produza uma plot de y(t) em Matlab. Certifique-se de que
usa a mesma escala para os trˆ es gr´ aficos.
(e) Compare o tempo necess´ ario em cada caso para atingir o estado de equil´ıbrio. Comente
a forma de comparar estas respostas e porque raz˜ ao n˜ ao existe diferenc¸a entre as trˆ es
diferentes respostas.
17. Determine a constante de amortecimento de um sistema de ordem–2 que gera 5% de sobre-
elongac¸ ˜ ao na resposta ao degrau.
18. Determine a localizac¸ ˜ ao dos p´ olos de um sistema de ordem–2 cujo amortecimento ´ e ξ =0.707
e determine o sobre-elongac¸ ˜ ao.
19. Determine a localizac¸ ˜ ao dos p´ olos de um sistema cujo tempo de pico ´ e T
p
= 0.5 seg, e tem
5% de sobre-elongac¸ ˜ ao. Determine o tempo de assentamento para este sistema.
20. Simplifique os seguintes diagramas de blocos.
(a)
+ + G
1
(s)
G
2
(s)
R(s) Y(s)

(b)
3.12. MAIS EXERC
´
ICIOS 73
+ + G
2
(s)
G
1
(s)
R(s) Y(s)

(c)
+ + G
1
(s)
G
2
(s) G
3
(s)
G
4
(s)
+
R(s) Y(s)

(d)
G
1
(s) + G
3
(s) + G
4
(s) + G
5
(s)
G
2
(s)
R(s) Y(s)
− −
21. Nos diagramas da quest˜ ao 20, considere: G
1
=
1
s +1
, G
2
=
1
s +2
, G
3
=
s
s +1
, G
4
=
1
s
2
+2s +2
e G
3
=
1
s +1
. Usando as func¸ ˜ oes de interconex˜ ao de sistemas dispon´ıvel na ”Control System
74 CAP
´
ITULO 3. AN
´
ALISE NO TEMPO DE SISTEMAS EM MA
Toolbox”do Matlab, indique, em cada caso, a FT
Y(s)
R(s)
.
22. Estude a estabilidade dos sistemas obtidos no exerc´ıcio anterior, usando:
• o crit´ erio de Routh-Hurwitz.
• os comandos da ”Control System Toolbox”do Matlab.
23. Considerando G
1
=
K
s +1
, indique, em cada caso, o valor de K de tal forma que o sistema
representado pela FT calculada na quest˜ ao 21 seja est´ avel.
24. Recorrendo ao crit´ erio de Routh-Hurwitz, determine quantas ra´ızes do SPD (semi-plano di-
reito) do plano complexo possuem os polin´ omios?
(a) D
1
(s) = s
3
+s
2
+2s +20
(b) D
2
(s) = s
4
+4s
3
+6s
2
+4s +1.
25. Recorrendo ao crit´ erio de Routh-Hurwitz, determine os valores de K para os quais todas as
ra´ızes reais dos seguintes polin´ omios tˆ em parte real inferior a −1 :
(a) D
1
(s) = s
2
+4s −K
(b) D
2
(s) = s
3
+8s
2
+16s +K.
4. Modelac¸ ˜ ao de sistemas f´ısicos
O mais famoso modelo ´ e talvez a lei da gravidade de Newton! No entanto, ´ e este um modelo
perfeitamente in´ util sob o ponto de vista de sistemas de controlo, visto n˜ ao possuir entradas ou
sa´ıdas. Do que facilmente se depreende que um bom modelo, para al´ em de bem representar a
realidade, ter´ a ainda de servir o fim a que se destina. Assim quest˜ oes pertinentes na construc¸ ˜ ao de
um modelo s˜ ao, por exemplo, “Quais os princ´ıpios f´ısicos que regem o sistema?” ou “Para que
queremos o modelo?”
Neste cap´ıtulo, vamos aprender a modelar 4 tipos de sistemas f´ısicos: sistemas el´ ectricos, mecˆ anicos
de rotac¸ ˜ ao e translac¸ ˜ ao e hidr´ aulicos. Adoptando uma abordagem unificada, vamos deduzir func¸ ˜ oes
de transferˆ encia em v´ arios dom´ınios, tirando partido da noc¸ ˜ ao de impedˆ ancia usada nos sistemas
el´ ectricos. Por tal raz˜ ao vamos iniciar com os sistemas el´ ectricos.
4.1. Sistemas el´ ectricos
Iniciemos com um simples exemplo:
Qual a relac¸ ˜ ao entre v
c
e v
i
?
75
76 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
v
i
i
−→
v
C
v
R
Apliquemos a segunda lei de Kirchhoff, a soma das tens˜ oes numa malha fechada ´ e nula:
−v
i
+v
R
+v
C
= 0 ⇔
⇔v
i
= v
R
+v
C

⇔v
i
= Ri +
q
C
3 vari´ aveis!
Lembremos: v
C
=
q
C
⇔ ˙ v
C
=
i
C
⇔v
i
= RC˙ v
C
+v
C

⇔V
i
(s) = RCsV
C
(s) +V
C
(s) ⇔
⇔V
i
(s) = (RCs +1)V
C
(s) ⇔

V
C
(s)
V
i
(s)
=
1
(RCs +1)
e se considerarmos condic¸ ˜ oes iniciais n˜ ao nulas?
v
i
= RC˙ v
C
+v
C

⇔V
i
(s) = RC(sV
C
(s) −V
C
(0)) +V
C
(s) ⇔
⇔V
i
(s) +RCV
C
(0) = (RCs +1)V
C
(s) ⇔
⇔V
C
(s) =
1
(RCs +1)
V
i
(s)
. ¸¸ .
resposta forc¸ada
+
RC
(RCs +1)
V
C
(0)
. ¸¸ .
resposta livre
Resposta livre: Para avaliar a resposta livre, consideramos:
v
i
(t) = 0 ⇔V
i
(s) = 0 =⇒ V
C
(s) =
RC
(RCs +1)
V
C
(0) ⇔v
C
(t) = e
−t/RC
v
c
(0).
4.1. SISTEMAS EL
´
ECTRICOS 77
Resposta forc¸ada: Para avaliar a resposta forc¸ada, consideramos:
v
C
(0) = 0 =⇒ V
C
(s) =
1
(RCs +1)
V
i
(s).
Vamos considerar uma entrada emdegrau: v
i
(t) =v =⇒ V
i
(s) =
v
s
=⇒ V
C
(s) =
v
RC
1
s
_
s +
1
RC
_ ⇔
⇔V
C
(s) = v
_
_
_
1
s

1
s +
1
RC
_
_
_⇔v
C
(t) = v
_
1−e
−t/RC
_
, t ≥0
Como influencia RC o valor de v
C
(t)?
d
dt
v
C
(t) =
v
RC
e
−t/RC
¸
¸
¸
t=0
=
v
RC
lim
t→∞
v
c
(t) = v
TPC: Considerando diferentes valores para R,C fac¸a a representac¸ ˜ ao gr´ afica de v
c
(t), usando o Ma-
tlab.
A Z =
V(s)
I(s)
chamamos impedˆ ancia e a
1
Z
admitˆ ancia. Posto isto, podemos escrever:
Resistˆ encia:
i(t)
v
R
(t) = Ri(t) ⇔
V
R
(s)
I(s)
= R = Z
R
Bobine:
i(t)
v
L
(t) = L
di(t)
dt

V
L
(s)
I(s)
= Ls = Z
L
Condensador:
i(t)
v
C
(t) =
1
C
_

−∞
i(t)dt ⇔
V
C
(s)
I(s)
=
1
Cs
= Z
C
Num circuito, para fazer a ligac¸ ˜ ao entre as diferentes componentes usamos:
78 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
+

V
s
R
i
1
C
i
2
i
3
L
i
3
Primeira lei de Kirchhoff (KCL):
i
1
−i
2
−i
3
= 0
Segunda lei de Kirchhoff (KVL):
malha-1: V
s
+V
R
+V
C
= 0
malha-2: −V
C
+V
L
= 0
A ligac¸ ˜ ao entre os diferentes elementos pode tamb´ em fazer-se em termos de impedˆ ancia. Para
representar as impedˆ ancias do circuito anterior, usamos o seguinte diagrama:
V
s
(t)

+
Z
L
Z
C
ZR
Em s´ erie: dois elementos dizem-se ligados em s´ erie quando partilham a mesma corrente.
V
s
(t)

+
Z
2
Z1
i
4.1. SISTEMAS EL
´
ECTRICOS 79
n impedˆ ancias em s´ erie Z
i
, i = 1, . . . , n
Z
eq
= Z
1
+Z
2
+ +Z
n
Em paralelo: dois elementos dizem-se ligados em paralelo quando partilham a mesma tens˜ ao.
V
s
(t)

+
Z
2
Z
1
n impedˆ ancias em paralelo Z
i
, i = 1, . . . , n
1
Z
eq
=
1
Z
1
+Z
2
+ +Z
n
Vejamos o circuito anterior em termos de impedˆ ancias:
V
s
(t)

+
Z
L
Z
C
ZR
ou seja
V
s
(t)

+
Z
e
q
ZR
i
Z
C
e Z
L
est˜ ao em paralelo. Comec¸amos por calcular a impedˆ ancia equivalente a estas duas im-
pedˆ ancias em paralelo:
1
Z
eq
=
1
Z
C
+
1
Z
L


1
Z
eq
=
Z
L
+Z
C
Z
C
Z
L

⇔Z
eq
=
Z
C
Z
L
Z
L
+Z
C
=
Ls
LCs +1
80 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
Agora calculamos tudo, ou seja o resultado das impedˆ ancias em s´ erie:
Z = Z
R
+Z
eq
= R+
Ls
LCs
2
+1


V
s
(s)
I
1
(s)
=
LCRs
2
+Ls +R
LCs
2
+1
Retomemos as leis de Kirchhoff:
KCL : i
1
= i
2
+i
3
=⇒ i
3
= i
1
−i
2
KVL : V
s
+V
R
+V
C
= 0 ⇔V
s
+Ri
1
+
1
Cs
i
2
= 0
KVL : V
C
=V
L

1
Cs
i
2
= Lsi
3
⇔i
3
=
1
LCs
2
i
2
Substitua-se i
3
na KCL :
_
1
LCs
2
+1
+1
_
i
2
= i
1
⇔ i
2
=
LCs
2
1+LCs
2
i
1
e tem-se que
V
s
(s)
I
1
(s)
=
LCRs
2
+Ls +R
LCs
2
+1
.
Exemplo 4.1
1
Z
eq
=
1
R
+Cs +
1
Ls


1
Z
eq
=
LCRs
2
+Ls +R
RLs


1
Z
eq
=
RLs
LCRs
2
+Ls +R
+

V
s
R C L
4.1. SISTEMAS EL
´
ECTRICOS 81
Exemplo 4.2
1
Z
eq
=
1
Z
C
+
1
Z
R
L
+Z
L


1
Z
eq
=
Z
R
L
+Z
L
+Z
C
Z
C
(Z
R
L
+Z
L
)

⇔Z
eq
=
Z
C
(Z
R
L
+Z
L
)
Z
R
L
+Z
L
+Z
C
Z
R
+Z
eq
= Z
R
+
Z
C
(Z
R
L
+Z
L
)
Z
R
L
+Z
L
+Z
C
Z(s) =
V
s
(s)
I(s)
= Z
R
+
Z
C
(Z
R
L
+Z
L
)
Z
R
L
+Z
L
+Z
C


V
s
(s)
I(s)
= R+
1
Cs
(R
L
+Ls)
1
Cs
+RL+Ls
= R+
R
L
+Ls
1+CR
L
s +CLs
2
+

V
s
R
i
1
C
L,R
L
V
s
(t)

+
Z
L
,
Z
R
L
Z
C
ZR
O divisor de tens˜ ao:
duas impedˆ ancias em s´ erie e atravessadas por a mesma corrente i :
V
s
(s)
I(s)
= Z(s) = Z
1
(s) +Z
2
(s) ⇔
⇔I(s) =
V
s
(s)
Z
1
(s) +Z
2
(s)
V
Z
2
= I(s)Z
2
=
V
s
(s)
Z
1
(s) +Z
2
(s)
Z
2
=
Z
2
Z
1
(s) +Z
2
(s)
V
s
(s)
V
Z
1
= I(s)Z
1
=
V
s
(s)
Z
1
(s) +Z
2
(s)
Z
1
=
Z
1
Z
1
(s) +Z
2
(s)
V
s
(s)
82 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
V
s
(t)

+
Z
2
V
Z
2
Z1
VZ
1
i
Exemplo 4.3
V
o
=V
C
=
Z
C
Z
R
+Z
C
V
s
=
1
Cs
R+
1
Cs
V
s

⇔V
o
= =
1
RCs +1
V
s

V
o
V
s
=
1
RCs +1
+

V
s
R
C
V
o
Exemplo 4.4
+

V
s
R
i
C
i
1
L,R
L
i
2
V
o
4.1. SISTEMAS EL
´
ECTRICOS 83
V
s
= I(s)(Z
R
+Z
eq
) ⇔

V
s
Z
R
+Z
eq
= I(s)
1
Z
=
1
Z
C
+
1
Z
L
+Z
R
L

⇔Z =
Z
C
(Z
L
+Z
R
L
)
Z
L
+Z
C
+Z
R
L
Como V
0
= Z
eq
I(s)
ent˜ ao V
0
= Z
eq
V
s
Z
R
+Z
eq

V
0
V
s
=
Z
eq
Z
R
+Z
eq
O divisor de corrente:
duas impedˆ ancias em paralelo e atravessadas por V(s) :
KCL : i = i
1
.¸¸.
V
Z
1
+ i
2
.¸¸.
V
Z
2
I =
V(s)
Z
1
+
V(s)
Z
2
=
_
1
Z
1
+
1
Z
2
_
V(s) ⇔

V(s)
I(s)
=
1
1
Z
1
+
1
Z
2
=
1
Z
eq
V(s) = Z
1
I
1
(s) ⇔I
1
(s) =
V(s)
Z
1
=
1
Z
1
1
Z
1
+
1
Z
2
I(s)
=⇒ I
1
(s) =
1
Z
1
1
Z
1
+
1
Z
2
I(s) =
Z
2
Z
1
+Z
2
I(s)
de igual maneira
I
2
(s) =
1
Z
2
1
Z
1
+
1
Z
2
I(s) =
Z
1
Z
1
+Z
2
I(s)
84 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
Exemplo 4.5 Pretende-se calcular H(s) =
V
o
(s)
I(s)
, dado o seguinte circuito:
I(s) C
i
1
R
i
2
L
V
o
V
o
(s) = Z
eq
I(s), Z
eq
= Z
R
+Z
L
1
Z
=
1
Z
C
+
1
Z
eq
=
Z
C
+Z
eq
Z
eq
Z
C

⇔Z =
Z
eq
Z
C
Z
C
+Z
eq
V
o
(s) = ZI(s) ⇔
V
o
I
=
Z
eq
Z
C
Z
C
+Z
eq
=
(Z
R
+Z
L
)Z
C
Z
C
+Z
R
+Z
L


V
o
(s)
I(s)
=
R+Ls
1+RCs +CLs
2
Exemplo 4.6 Vamos agora deduzir a func¸ ˜ ao de transferˆ encia para o seguinte circuito atrav´ es de
simplificac¸ ˜ ao.
+

V
s
R
1
R
2
C
2
C
1
V
o
_
¸
¸
_
¸
¸
_
1
Z
eq1
=
1
Z
C
1
+
1
Z
R
1
=
Z
R
1
+Z
C
1
Z
C
1
Z
R
1
1
Z
eq2
=
1
Z
C
2
+
1
Z
R
2
=
Z
R
2
+Z
C
2
Z
C
2
Z
R
2
4.2. SISTEMAS MEC
ˆ
ANICOS DE TRANSLAC¸
˜
AO 85
V
o
(s)
I(s)
= Z = Z
eq1
+Z
eq2

V
o
(s)
Z
eq2
= I(s)
V
s
(s)
I(s)
= Z
eq1

V
s
(s)
Z
eq1
= I(s)
=⇒
V
o
(s)
Z
eq2
=
V
s
(s)
Z
eq1


V
o
(s)
V
s
(s)
=
Z
eq2
Z
eq1
=
Z
R
2
+Z
C
2
Z
C
2
Z
R
2
Z
R
1
+Z
C
1
Z
C
1
Z
R
1
4.2. Sistemas mecˆ anicos de translac¸ ˜ ao
No estudo dos modelos mecˆ anicos, comec¸amos por considerar o movimento numa ´ unica dimens˜ ao,
ou os sistemas translacionais.
Comec¸amos por estudar um sistema muito simples: O sistema massa-mola-amortecedor, represen-
tado na Figura 4.1. Sendo M a massa, k a constante da mola, b a caracter´ıstica do amortecedor e x o
deslocamento a partir do equil´ıbrio (ou em repouso). A forc¸a f empurra amola para baixo. A mola
M
k
bb
f
x
Figura 4.1: Sistema massa-mola-amortecedor.
reage a um deslocamento x (provocado por f ) com uma forc¸a de reacc¸ ˜ ao kx. O amortecedor reage a
variac¸ ˜ oes do deslocamento
dx
dt
com uma forc¸a de reacc¸ ˜ ao b
dx
dt
, a que tamb´ em se chama atrito.
Que forc¸as actuam na mola? Considerando a segunda lei de Newton, podemos escrever a resultante
86 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
de todas as forc¸as que actuam na mass M como:
f −b
dx
dt
−kx
. ¸¸ .
forc¸a actual
que actua sobre
a massa
= M
d
2
x
dt
2
M
d
2
x
dt
2
+b
dx
dt
+kx = f . (4.1)
Aplicando a transformada de Laplace a (4.1), obt´ em-se:
M
_
s
2
X(s) −sx(0) −
dx
dt
(0)
_
+b(sX(s) −x(0)) +kX(s) = F(s).
Ao desprezarmos o atrito do amortecedor, temos b = 0 :
X(s) =
M
_
sx(0) +
dx
dt
(0)
_
Ms
2
+k
+
F(s)
Ms
2
+k
.
O que acontece se somente pressionarmos a mola, provocando um deslocamento inicial A, e voltar-
mos a solt´ a-la?
Neste caso: f (t) = 0 ⇔F(s) = 0; x(0) = A e
dx
dt
(0).
Assim: X(s) =
sA
s
2
+k/M
e x(t) = Acost
_
_
k/Mt
_
. Portanto, a massa oscilar´ a com frequˆ encia
ω =
_
k/M e amplitude A.
Ao modelar sistemas mecˆ anicos, temos que lembrar-nos que as velocidades e as forc¸as s˜ ao medidas
em relac¸ ˜ ao um referencial de in´ ercia. No que se segue vamos assumir como velocidade de referˆ encia
v
re f
= 0. Temos ent˜ ao os seguintes elementos:
Massa Da segunda lei de Newton, ou lei da in´ ercia, temos: F = Ma
2
, sendo a =
d
2
x
dt
2
a acelerac¸ ˜ ao.
M
f
v
4.2. SISTEMAS MEC
ˆ
ANICOS DE TRANSLAC¸
˜
AO 87
Mola
k
x
2
x
1
f
v
1
f
v
2
Segundo a lei de Hooke, f = kx
mola
, sendo x
mola
= (x
1
−x
2
) −x
0
, x
0
o comprimento da mola
em descanso e k a constante/rigidez da mola.
Atrito
bb
f
v
1
f
v
2
A forc¸a de atrito representa-se por f
b
= bv
b
, v
b
= v
2
−v
1
.
Vejamos de seguida alguns exemplos:
Exemplo 4.7 Na Figura 4.2 est´ a representado um carrinho que se desloca com velocidade cons-
tante, contendo no seu interior uma massa M presa a uma das suas paredes com uma mola e um
amortecedor. Pretende-se modelar o deslocamento do carrinho.
M
k
bb
y
u
Figura 4.2: Deslocamento relativo e absoluto.
88 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
As vari´ aveis s˜ ao definidas da seguinte forma:
u ´ e o deslocamento do carrinho
x ´ e o deslocamento relativo da massa (dentro do carrinho)
y ´ e o deslocamento absoluto da massa, y = x +u
Tem-se ainda que em t = 0, u
/
= ´ e constante.
A resultante das forc¸as que actuam na massa ´ e ent˜ ao:
M
d
2
y
dt
2
= −kx −b
dx
dt

⇔M
d
2
dt
2
(x +u) = −kx −b
dx
dt

⇔M
d
2
x
dt
2
+M
d
2
u
dt
2
= −kx −b
dx
dt

⇔M
d
2
x
dt
2
+b
dx
dt
+kx = −M
d
2
u
dt
2


d
2
x
dt
2
+
b
M
dx
dt
+
k
M
x = −
d
2
u
dt
2
Uma vez obtida a equac¸ ˜ ao diferencial, aplicamos a TL de forma a obter um modelo de entra-
da/sa´ıda:
s
2
X(s) +
b
M
sX(s) +
k
M
X(s) = −s
2
U(s) ⇔

X(s)
U(s)
= −
1
1+
b
sM
+
k
s
2
M
ou equivalente
_
s
2
+
b
M
s +
k
M
_
X(s) =−A(s),
se pretendermos um modelo em termos da acelerac¸ ˜ ao a(t).
Exemplo 4.8 Na Figura 4.3, empurramos o sistema em relac¸ ˜ ao ` a parede (situada no lado direito
da figura) e temos que a resultante das forc¸as ´ e:
k(x
B
−x
A
) = M
d
2
x
B
dt
2
+b
dx
B
dt

⇒ ⇔
X
B
(s)
X
A
(s)
=−
k
Ms
2
+bs −k
Exemplo 4.9 Na Figura 4.4, a massa est´ a presa a duas paredes. Aplicamos a forc¸a f ` a massa M:
4.2. SISTEMAS MEC
ˆ
ANICOS DE TRANSLAC¸
˜
AO 89
M
k
bb
x
A
x
B
Figura 4.3: Diferenc¸a entre deslocamentos.
M
k
bb
f
Figura 4.4: Com forc¸a motriz.
f = M
d
2
x
dt
2
+b
dx
dt
+kx
aplicando a TL, obtemos
X(s)
F(s)
=
1
Ms
2
+bs +k.
Exemplo 4.10 Na Figura 4.5, como o carrinho tem rodas, n˜ ao existe forc¸a de atrito:
f = M
d
2
x
dt
2
+kx
Aplicando a TL, obtemos
X(s)
F(s)
=
1
Ms
2
+k.
Exemplo 4.11 Consideremos na Figura 4.6, uma massa suspensa na base de uma caixa atrav´ es de
uma mola e de um amortecedor. As vari´ aveis s˜ ao definidas da seguinte forma:
x
1
´ e o deslocamento da caixa
y ´ e o deslocamento relativo da massa (dentro da caixa)
x
0
´ e o deslocamento absoluto da massa, y = x
0
−x
1
90 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
M
f
Figura 4.5: Sem forc¸a de atrito
M
k
bb
x
1
x
0
Figura 4.6: Sism´ ografo: mede acelarac¸ ˜ oes.
Sabendo ser este sistema representado pela equac¸ ˜ ao diferencial
M
d
2
x
0
dt
2
+k(x
0
−x
1
) +b
d(x
0
−x
1
)
dt
= 0
indique a resposta final do sistema quando a entrada ´ e um impulso, considerando a func¸ ˜ ao de
transferˆ encia
X
0
(s)
X
1
(s)
.
4.3. Sistemas mecˆ anicos de rotac¸ ˜ ao
Consideremos uma forc¸a de rotac¸ ˜ ao a que chamamos bin´ ario, T(t), e um deslocamento angular,
θ(t).
A segunda lei de Newton para sistemas rotacionais afirma ser a soma dos bin´ arios igual ` a variac¸ ˜ ao
por unidade de tempo, da quantidade de movimento angular
J
d
2
θ
dt
2
=

T(t).
4.3. SISTEMAS MEC
ˆ
ANICOS DE ROTAC¸
˜
AO 91
Distinguimos ent˜ ao trˆ es elementos:
In´ ercia Chama-se in´ ercia ` a capacidade que um corpo tem de armazenar energia cin´ etica durante o
movimento de rotac¸ ˜ ao: J
J
θ(t) T(t)
Tem como equac¸ ˜ ao de definic¸ ˜ ao T(t) = J
d
2
θ(t)
dt
2
e a respectiva func¸ ˜ ao de transferˆ encia:
θ(s)
T(s)
=
1
Js
2
.
Mola de tors˜ ao Tem como equac¸ ˜ ao de definic¸ ˜ ao T(t) = Kθ(t)
k
θ(t) T(t)
e a respectiva func¸ ˜ ao de transferˆ encia:
θ(s)
T(s)
=
1
K.
Se o mecanismo est´ a pr´ e-carregado com um bin´ ario TP
T(t) −TP = Kθ(t).
Fricc¸ ˜ ao ou atrito Tem a seguinte equac¸ ˜ ao de definic¸ ˜ ao T(t) = B
dθ(t)
dt
B
θ(t)
T(t)
e a respectiva func¸ ˜ ao de transferˆ encia:
θ(s)
T(s)
=
1
sB.
Combinamos agora estes trˆ es elementos:
92 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
k
J
B
θ(t) T(t)
temos como equac¸ ˜ ao de definic¸ ˜ ao:
T(t) = J
d
2
θ
dt
2
+B

dt
+Kθ(t)
usando o operador laplaciano:
T(s) = Js
2
Θ(s) +BsΘ(s) +KΘ(s)
T(s) =
_
Js
2
+Bs +K
_
Θ(s)
Θ(s)
T(s)
=
1
Js
2
+Bs +K
Exerc´ıcio 4.1 Considerando-se o seguinte sistema de rotac¸ ˜ ao pendurado no tecto, calcular a func¸ ˜ ao
de transferˆ encia a partir da seguinte figura:
4.3. SISTEMAS MEC
ˆ
ANICOS DE ROTAC¸
˜
AO 93
θ
2
(t)
B
2
k
2
J
2
θ
2
(t)
k
1
θ
1
(t)
B
1
J
1
T(t)
in´ ercia–1: T(t) = J
1
d
2
θ
1
(t)
dt
2
+K
1

1
−θ
2
) +B
1

1
dt
in´ ercia–2: 0 = J
2
d
2
θ
2
(t)
dt
2
+K
2
θ
2
+B
2

2
dt
+K
1

2
−θ
1
)
T(s) = J
1
s
2
Θ
1
(s) +K
1

1
(s) −Θ
2
(s)) +B
1

1
(s) (4.2)
K
1
Θ
1
(s) = J
2
s
2
Θ
2
(s) +K
2
Θ
2
(s) +B
2

2
(s) (4.3)
Da equac¸ ˜ ao (5.2), tem-se
T(s) =
_
J
1
s
2
+B
1
s +K
1
_
Θ
1
(s) −K
1
Θ
2
(s) ⇔
⇔T(s) +K
1
Θ
2
(s) =
_
J
1
s
2
+B
1
s +K
1
_
Θ
1
(s) ⇔
⇔Θ
1
(s) =
T(s) +K
1
Θ
2
(s)
J
1
s
2
+B
1
s +K
1
94 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
Da equac¸ ˜ ao (5.3), tem-se
_
J
2
s
2
+K
2
+B
2
s
_
Θ
2
(s) = K
1
Θ
1
(s)
Θ
2
(s)
Θ
1
(s)
=
K
1
J
2
s
2
+K
2
+K
1
+B
2
s
Θ
2
(s) =
K
1
J
2
s
2
+K
1
+K
2
+B
2
s
Θ
1
(s)
Θ
2
(s) =
K
1
(J
2
s
2
+K
1
+K
2
+B
2
s)
T(s) +K
1
Θ
2
(s)
(J
1
s
2
+B
1
s +K
1
)
Exerc´ıcio: Use um diagrama de blocos para simplificar esta func¸ ˜ ao de transferˆ encia.
Nas t´ ecnicas de regulac¸ ˜ ao autom´ atica frequentemente se torna necess´ ario utilizar dispositivos ca-
pazes de produzir uma modificac¸ ˜ ao da relac¸ ˜ ao bin´ ario-velocidade entre o motor e a sua carga. Os
conjuntos de engrenagens cumprem esta miss˜ ao.
Lecture 01 ÷ Wednesday, Sept. 5 2.004 Fall '07
Mechanical system components: rotation: gears
! ,-47-)0)2 .)7;2M %#(!$ u
!
"##
! ,-47-)0)2 -;27;2M %#(!$ u
"
"##
! ,-47-)0)2 NOPM
u
"
%
/
!
/
"
u
!
! ,-47-)0)2 .)7;2M )'&*+$ 0
!
"##
! ,-47-)0)2 -;27;2M )'&*+$ 0
"
"##
! ,-47-)0)2 NOPM
0
"
%
/
"
/
!
0
!
,+$-)"'#. Q38 .' 0
!
u
!
% 0
"
u
"
&
Nise Figure 2.27, 2.28
Figure by MIT OpenCourseWare.
N
1
θ
1
θ
2
N
2
Figure by MIT OpenCourseWare.
N
2
N
1
!
1
!
2
Figure by MIT OpenCourseWare.
r
1
N
1
N
2
r
2
Input drive
gear, Gear 1
Output driven
gear, Gear 2
θ
2
(t) θ
1
(t) T
2
(t) T
1
(t)
Vejamos as caracter´ısticas dos conjuntos de engrenagens.
• O n´ umero de dentes da engrenagem ´ e proporcional ao seu raio:
N
1
N
2
=
r
1
r
2
,
sendo N
i
, i = 1, 2 o n´ umero de dentes da roldana r
i
, i = 1, 2 o raio.
• A distˆ ancia linear percorrida sobre o per´ımetro da engrenagem ´ e a mesma
θ
1
r
1
= θ
2
r
2
,
sendo θ
i
, i = 1, 2 o deslocamento angular de cada engrenagem.
• O trabalho realizado por uma engrenagem ´ e o mesmo que o realizado pela outra:
T
1
θ
1
= T
2
θ
2
sendo T
i
, i = 1, 2 o bin´ ario de cada engrenagem.
Para um trem de engrenagens com duas rodas dentadas, tem-se ent˜ ao:
4.3. SISTEMAS MEC
ˆ
ANICOS DE ROTAC¸
˜
AO 95
N
1
N
2
=
r
1
r
2
=
θ
2
θ
1
=
T
1
T
2
Vamos comec¸ar por considerar um exemplo com duas engrenagens:
J
1
B
1
θ
1
(t) T
1
(t)
N
1
, r
1
N
2
, r
2
θ
2
(t)
J
2
T
2
(t)
B
2
Para a segunda in´ ercia, temos que
T
2
(t) = J
2
d
2
θ
2
(t)
dt
2
+B
2

2
(t)
dt
(4.4)
e conhecendo as relac¸ ˜ oes:
T
2
= T
1
N
2
N
1
θ
2
= θ
1
N
1
N
2
substituem-se estas relac¸ ˜ oes em (4.4) :
T
1
N
2
N
1
= J
2
N
1
N
2
d
2
θ
1
(t)
dt
2
+B
2
N
1
N
2

1
(t)
dt

⇔T
1
= J
2
_
N
1
N
2
_
2
. ¸¸ .
:=J
1
d
2
θ
1
(t)
dt
2
+B
2
_
N
1
N
2
_
2
. ¸¸ .
:=B
1

1
(t)
dt
O que ´ e equivalente a ter:
J
1
= J
2
_
N
1
N
2
_
2
B
1
= B
2
_
N
1
N
2
_
2
θ
1
(t) T
1
(t)
96 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
Vejamos agora para trˆ es engrenagens:
J
1
B
1
θ
1
(t) T
m
(t)
N
1
, r
1
N
2
, r
2
θ
2
(t)
J
2
T
2
(t)
B
2
N
3
, r
3
N
4
, r
4
θ
3
(t)
J
3
T
L
(t)
B
3
Engrenagem–1:
T
m
= J
1
d
2
θ
1
dt
2
+B
1

1
dt
+T
1
T
1
= T
2
N
1
N
2
Engrenagem–2:
T
2
= J
2
d
2
θ
2
dt
2
+B
2

2
dt
+T
3
T
3
= T
4
N
3
N
4
Engrenagem–3:
T
4
= J
3
d
2
θ
3
dt
2
+B
3

3
dt
+T
L
Temos ent˜ ao
T
m
= J
1
d
2
θ
1
dt
2
+B
1

1
dt
+T
1

⇔T
m
= J
1
d
2
θ
1
dt
2
+B
1

1
dt
+
N
1
N
2
T
2

⇔T
m
= J
1
d
2
θ
1
dt
2
+B
1

1
dt
+
N
1
N
2
_
J
2
d
2
θ
2
dt
2
+B
2

2
dt
+T
3
_
4.4. N
´
IVEL DE L
´
IQUIDO NUM RESERVAT
´
ORIO 97
Lembrando que θ
2
=
N
1
N
2
θ
1
e θ
3
=
N
3
N
4
N
1
N
2
θ
1
:
T
m
=
_
J
1
+
_
N
1
N
2
_
2
J
2
_
d
2
θ
1
dt
2
+
_
B
1
+
_
N
1
N
2
_
2
J
2
_

1
dt
+
N
1
N
2
T
3
.¸¸.
T
4
N
3
N
4

⇔T
m
=
_
J
1
+
_
N
1
N
2
_
2
J
2
_
d
2
θ
1
dt
2
+
_
B
1
+
_
N
1
N
2
_
2
J
2
_

1
dt
+
N
1
N
2
N
3
N
4
_
J
3
d
2
θ
3
dt
2
+B
3

3
dt
+T
L
_

⇔T
m
=
_
J
1
+
_
N
1
N
2
_
2
J
2
+
_
N
3
N
4
_
2
_
N
1
N
2
_
2
J
3
_
. ¸¸ .
J
1eq
d
2
θ
1
dt
2
+
_
B
1
+
_
N
1
N
2
_
2
B
2
+
_
N
3
N
4
_
2
_
N
1
N
2
_
2
B
3
_
. ¸¸ .
B
1eq

1
dt
+
N
1
N
2
N
3
N
4
T
L
. . .
Isto ´ e equivalente a quˆ e?
4.4. N´ıvel de l´ıquido num reservat ´ orio
Como mostra a figura, consideremos o seguinte reservat´ orio com base de ´ area A.
R
H
Q
o
Q
i
Figura 4.7: Tanque com l´ıquido.
Definindo Q
i
como a quantidade de l´ıquido que entra por unidade de tempo, Q
o
a quantidade de
l´ıquido que sai por unidade de tempo e H o n´ıvel de l´ıquido no reservat ´ orio, este processo pode ser
descrito pelo seguinte modelo:
A
dH
dt
(t) = Q
i
(t) −Q
o
(t)
Q
o
(t) = K
_
H(t) Lei de Torricelli,
98 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
donde resulta a seguinte equac¸ ˜ ao diferencial n˜ ao linear (EDNL):
A
dH
dt
(t) +K
_
H(t) = Q
i
(t) (4.5)
Ora a determinac¸ ˜ ao da soluc¸ ˜ ao desta equac¸ ˜ ao n˜ ao ´ e tarefa f´ acil! Uma poss´ıvel estrat´ egia, e frequen-
temente adoptada, ´ e linearizar o modelo obtido, com vista ` a determinac¸ ˜ ao de soluc¸ ˜ oes aproximadas
atrav´ es de uma equac¸ ˜ ao diferencial linear. Com vista a obter um modelo linear, fac¸amos de seguida
algumas observac¸ ˜ oes:
• Pretende-se, em geral, manter H(t) constante, isto ´ e, H(t) = H.
Isto ´ e conseguido com Q
i
(t) = K

H. Porquˆ e?
• Havendo um sistema de controlo a funcionar, apenas s˜ ao permitidas pequenas variac¸ ˜ oes em
torno do ponto de funcionamento H.
• Vamos apenas determinar as soluc¸ ˜ oes de (EDNL) que correspondem a pequenas variac¸ ˜ oes
relativamente a H :
H(t) = H +h(t)
Q
i
(t) = K

H +q
i
(t) com h(t) e q
i
(t) tais que:
– s˜ ao pequenos
– satisfazem a (EDNL)
A
d
dt
_
H +h(t)
_
+K
_
H +h(t) = K
_
H +q
i
(t) ⇔
⇔A
dH
dt
+A
dh(t)
dt
+K
_
H +h(t) = K
_
H +q
i
(t) ⇔
⇔A
dh(t)
dt
+K
_
H +h(t) = K
_
H +q
i
(t) ⇔
⇔A
dh(t)
dt
+K
_
_
H +
h(t)
2
+ termos de ordem ≥h
2
_
1
= K
_
H +q
i
(t) ⇔
⇔A
dh(t)
dt
+K
_
H +
K
2

H
h(t) = K
_
H +q
i
(t) ⇔
⇔A
dh(t)
dt
+
K
2

H
h(t) = q
i
(t).
Obtivemos assimuma equac¸ ˜ ao diferencial linear como modelo do tanque. Chama-se linearizac¸ ˜ ao
ao processo de obtenc¸ ˜ ao desta equac¸ ˜ ao linear.
1
Foi feito o desenvolvimento em s´ erie de Taylor da func¸ ˜ ao em torno de h = 0. Os termos de ordem ≥h
2
s˜ ao desprezados
em virtude de serem muito pequenos sempre que o h ´ e pequeno.
4.4. N
´
IVEL DE L
´
IQUIDO NUM RESERVAT
´
ORIO 99
Vamos agora comparar a soluc¸ ˜ ao exacta com a soluc¸ ˜ ao aproximada, atrav´ es de um exemplo.
Exemplo 4.12 Sendo A = 1 ;
dH
dt
+K

H = Q
i
.
Pretende-se determinar H(t) correspondente a Q(t) = 1+ε com H(0) =
(1+ε)
2
K
2
.
A soluc¸ ˜ ao exacta ´ e H(t) =
(1+ε)
2
K
2
(quer verificar?)
Para conseguir uma soluc¸ ˜ ao aproximada por linearizac¸ ˜ ao considera-se:
Q(t) = Q+q(t) com Q = 1 e q(t) = ε
H(t) · H
aprox
(t) = H +h(t) com H =
1
K
2
sendo
_
Q, H
_
o ponto de funcionamento de sistema. Tem-se ent˜ ao a seguinte equac¸ ˜ ao linear:
dh
dt
+
K
2
2
h = ε
com h(0) = H(0) −H = =
2ε +ε
2
K
2
, sendo a soluc¸ ˜ ao aproximada:
h(t) =
ε
2
K
2
e

K
2
2
t
+

K
2
Portanto:
H(t) ·H
aprox
(t) =
1
K
2
.¸¸.
H
+

K
2
+
ε
2
K
2
e

K
2
2
t
. ¸¸ .
h(t)
−→
t→+∞
1+2ε
K
2
.
TPC: Fazer a representac¸ ˜ ao gr´ afica em Matlab das duas situac¸ ˜ oes.
Considerando a equac¸ ˜ ao linear
A
dh(t)
dt
+
K
2

H
. ¸¸ .
1
R
h(t)
. ¸¸ .
q
o
= q
i
(t)
ou seja:
_
¸
_
¸
_
A
dh(t)
dt
= q
o
−q
i
q
o
=
1
R
h(t)
Vamos distinguir trˆ es situac¸ ˜ oes:
100 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
Situac¸ ˜ ao 1:
R
h
q
o
q
i
A
_
¸
_
¸
_
q
o
=
h
R
A
dh(t)
dt
= q
i
−q
o
⇔A
dh(t)
dt
=q
i

h
R
=⇒ Q
i
(s) =
_
1
R
−As
_
H(s) ⇔
H(s)
Q
i
(s)
=
_
_
_
1
1
R
−As
_
_
_
Situac¸ ˜ ao 2:
R
1
h
1
q
o1
q
i
A
1
R
2
h
2
q
o
A
2
tanque–1: tanque–2:
_
¸
_
¸
_
q
i
−q
o1
= A
1
dh
1
dt
q
o1
=
h
1
R
1
_
¸
_
¸
_
q
o1
−q
o
= A
2
dh
2
dt
q
o
=
h
2
R
2
4.4. N
´
IVEL DE L
´
IQUIDO NUM RESERVAT
´
ORIO 101
Temos ent˜ ao que:
q
o1
= q
i
−A
1
dh
1
dt
= q
o
+A
2
dh
2
dt

⇔ q
i
−A
1
dh
1
dt
.¸¸.
˙ q
o1
R
1
=
h
2
R
2
+A
2
dh
2
dt

⇔ q
i
−A
1
_
dq
o
dt
+A
2
d
2
h
2
dt
2
_
R
1
=
h
2
R
2
+A
2
dh
2
dt

⇔ q
i
−A
1
_
1
R
2
dh
2
dt
+A
2
d
2
h
2
dt
2
_
R
1
=
h
2
R
2
+A
2
dh
2
dt

⇔ q
i

_
A
1
R
2
+A
2
_
dh
2
dt
+A
1
A
2
d
2
h
2
dt
2
=
h
2
R
2
=⇒ Q
i
(s) −
_
A
1
R
2
+A
2
_
sH
2
(s) +A
1
A
2
s
2
H
2
(s) =
H
2
(s)
R
2
Situac¸ ˜ ao 3:
q
o1
R
1
h
1
q
i
A
1
q
o
R
2
h
2
A
2
tanque–1: tanque–2:
_
¸
_
¸
_
q
i
−q
o1
= A
1
dh
1
dt
q
o1
=
h
1
−h
2
R
1
_
¸
_
¸
_
q
o1
−q
o
= A
2
dh
2
dt
q
o
=
h
2
R
2
102 CAP
´
ITULO 4. MODELAC¸
˜
AO DE SISTEMAS F
´
ISICOS
5. Controlo proporcional, integrativo e
derivativo
Cheg´ amos finalmente ao p˜ ao com manteiga da teoria do controlo. Os controladores proporcional in-
tegral e derivativo (PID) s˜ ao utilizados para melhorar o desempenho de um sistema de controlo com
retroac¸ ˜ ao, sendo o tipo mais comum de sistemas em malha fechada. Durante a d´ ecada de quarenta,
constituiam uma parte essencial dos primeiros reguladores tendo-se tornado numa ferramenta stan-
dard nos primeiros anos do controlo autom´ atico. Hoje em dia, mais de 95% dos sistemas em malha
fechada s˜ ao PID, com muitas das malhas sendo PI (devido ` a sua sensibilidade ao ru´ıdo). Existem
v´ arias formatos de controladores: caixas com uma ou duas malhas, os PID aparecem tamb´ em como
parte dos sistemas distribu´ıdos, podem ainda encontrar-se embutidos em sistemas de controlo muito
especializados, etc..
Quando n˜ ao h´ a qualquer conhecimento do processo subjacente ao sistema, um controlador PID
´ e sempre uma boa escolha: atrav´ es do ajuste de trˆ es parˆ ametros no algoritmo PID o controlador
fornece uma ac¸ ˜ ao controladora espec´ıfica para determinados requisitos. A resposta do controlador
pode ser descrita em termos da sua prontid˜ ao a um determinado erro, do n´ıvel das sobre-elongac¸ ˜ oes
em relac¸ ˜ ao a um determinada referˆ encia ou ao grau das oscilac¸ ˜ oes do sistema. Observe-se que o uso
de um algoritmo PID n˜ ao garante a otimalidade do controlador ou a estabilidade do sistema.
Considere-se o sistema em malha fechada:
103
104 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
+

G
H
r e
y
Um controlador PID ´ e segundo a lei
u(t) = Ke(t) +
1
T
i
_
t
0
e(τ)dτ +T
d
de(t)
dt
(5.1)
+

I =
1
T
i
_
t
0
e(τ)dτ
P = Ke(t)
D = T
d
de(t)
dt
∑ G(s)
r
y
sendo
• y a sa´ıda mensur´ avel do sistema
• r a vari´ avel de referˆ encia ou entrada do sistema
• u o sinal de controlo
• e, o erro de controlo (e = r −y)
• K, T
i
, T
d
s˜ ao parˆ ametros ajust´ aveis.
A K chama-se o ganho proporcional, T
i
tempo integral e T
d
tempo derivativo.
5.1. CONTROLO PROPORCIONAL 105
5.1. Controlo proporcional (CP)
Considerando a FT em malha fechada G(s) =
1
(s +1)
3
, fazem-se de seguida diferentes simulac¸ ˜ oes
para ilustrar o efeito do CP e adquirir alguma intuic¸ ˜ ao, como se pode ver na Figura 5.1. Ou seja,
Y(s) = G(s)U(s), com u(t) definido como em (5.1),
mas considerando-se T
i
=∞ e T
d
= 0 e sabendo que e(t) = r(t) −y(t),ent˜ ao temos que
Y(s)
R(s)
=
G(s)K
1+G(s)K
.
Considerando G( jω) = Re

, temos que:
[KG( jω)[ = K[G( jω)[
∠KG( jω) = ∠K+∠G( jω),
donde se conclui que se o ˆ angulo n˜ ao se altera, pois a frequˆ encia de travessia de fase (ω
π
) n˜ ao de-
pende de K.
Sabendo que K[G( jω
π
)[ =1 =⇒ MG<
1
K[G( jω
π
)[
, o aumento de K diminui a margem de ganho.
Podem usar-se as seguintes express˜ oes em Matlab para reproduzir a Figura 5.1
G=tf(1,[1,3,3,1]);
for K=[0.1:0.1:1],
G_c=feedback(K
*
G,1);
step(G_c)
hold on;
end
figure;
rlocus(G,[0,15]).
Nesta mesma figura vˆ e-se que ao usar CP existe sempre um erro de seguimento em regime perma-
nente. O controlador proporcional n˜ ao altera o tipo de sistema ainda que a constante de erro de
seguimento varie directamente com K : Esse erro diminui quando se aumenta o ganho. Mas com o
aumento do ganho aumenta tamb´ em a tendˆ encia do sistema para oscilar.
106 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
K = 5
K = 2
K = 1
0 2 4 6 8 10 12 14 16 18 20
0
0.5
1
1.5
2
Figura 5.1: Ilustrac¸ ˜ ao do CP quando ´ e usada uma referˆ encia em degrau.
Dado que para o CP a localizac¸ ˜ ao dos p´ olos em malha fechada ´ e obtida directamente do LGR, este
facto pode ser comprovado pelo trac¸ado do LGR do sistema:
−4 −3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Quando G(s) n˜ ao tem p´ olos no s.p.d. (sem pico de ressonˆ ancia), o seu ganho e fase diminuem com
ω. Como tal, um aumento de ganho traduz-se num aumento da frequˆ encia da travessia de ganho,
diminuindo assim a margem de fase e aumentando a largura de banda em malha fechada. Caso o
n´ umero de p´ olos menos o n´ umero de zeros de G(s) seja superior a dois ou tenha zeros no s.p.d.,
elevados valores de K tornam inst´ avel o sistema em malha fechada.
Exerc´ıcio 5.1 Consideremos G(s) =
16
(s +2)
2
e um CP com G
c
(s) = K. Calculemos o erro de se-
5.1. CONTROLO PROPORCIONAL 107
guimento para uma entrada em degrau
lim
s→0
sE(s) = lim
s→0
1
1+KG(s)
=
1
1+Klim
s→0
G(s)
. ¸¸ .
K
p
lim
s→0
G(s) = lim
s→0
16
(s +2)
2
= 4 = K
p
lim
s→0
sE(s) =
1
1+K 4
.¸¸.
K
p
o que permite concluir que o erro de seguimento em regime permanente diminui com K para uma
entrada em degrau.
Observe-se ainda na Figura 5.1 que a primeira sobreelongac¸ ˜ ao aumenta com K, uma vez que os
coeficientes de amortecimento diminuem com K :
ξ =
2

K+2
.
Exemplo 5.1 (Cruise control) Retomemos o Exemplo 3.4. Como vimos, as especificac¸ ˜ oes n˜ ao fo-
ram satisfeitas e como tal mais algum trabalho ´ e necess´ ario.
Seja a FT
G(s) =
500
1000s +50
=
K
p
¸..¸
10
20s +1
.
Um controlador proporcional diminuir´ a o tempo de subida, pois a FT em malha fechada ser´ a G
CL
=
K
p
20s +(K
p
+1)
=
K
p
20
1
s +
(K
p
+1)
20
Tem-se ent˜ ao que
1
τ
=
(K
p
+1)
20
⇔τ =
20
K
p
+1
Devemos ent˜ ao aumentar o ganho para melhorar o tempo de subida. Fac¸amos em Matlab:
Kp=500;
u=10;
syscl=feedback(Kp
*
cruise,1);
t=0:0.1:20;
108 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
step(u
*
syscl,t)
axis([0 20 0 10])
Obtendo-se:
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
Como facilmente se observa, as especificac¸ ˜ oes impostas ainda n˜ ao s˜ ao satisfeitas. Vamos aumentar
o ganho. Fac¸amos em Matlab:
Kp=500;
u=10;
sys_cl=feedback(Kp
*
cruise,1);
t=0:0.1:20;
step(u
*
syscl,t)
axis([0 20 0 10])
5.2. CONTROLO INTEGRAL 109
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
Contas feitas, neste ´ ultimo exemplo temos G(s) =
0.9091
1.8182s +1
, donde:
Tempo de subida: 2.2τ = 2.21.8182 = 4s < 5s Ok!
Calculemos o erro em regime permanente: lim
t→∞
e(t) =
1
1+Kp
= 2%!!!
Praticamente j´ a funciona. Far´ a sentido aumentar tanto o ganho?
Talvez n˜ ao, porque assim temos que uma velocidade de 10m/s ´ e alcanc¸ada num per´ıodo de tempo
muito pequeno e isso n˜ ao corresponde a uma situac¸ ˜ ao real ... Que fazer?
5.2. Controlo integral (CI)
Vamos agora adicionar CI para vermos o que acontece. Na Figura 5.2 podem ver-se as simulac¸ ˜ oes.
Estas simulac¸ ˜ oes foram obtidas considerando K = 1 e a FT
Y(s)
R(s)
=
G(s)(KT
i
s +1)
T
i
s +G(s)(KT
i
s +1)
para diferentes valores de T
i
.
O seguinte c´ odigo Matlab pode ser utilizado para analisar a acc¸ ˜ ao integral sob o sistema:
K=1;
s=tf(’s’);
for Ti=[0.7:0.1:1.5]
Gc=Gc=(K
*
Ti
*
s+1)/(Ti
*
s+1);
110 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
Gc=feedback(G
*
Gc,1);
step(Gc),
hold on
end
T
i
= 5
T
i
= 2
T
i
= 1
0 2 4 6 8 10 12 14 16 18 20
0
0.5
1
1.5
2
Figura 5.2: Ilustrac¸ ˜ ao do CP (K = 1) e CI quando ´ e usada uma referˆ encia em degrau.
O CI tem apenas um p´ olo na origem, G
c
(s) =
1
T
i
s
. Como tal o CI aumenta em uma unidade o tipo
de sistema, i.e., se G(s) for do tipo 0 passa a ser do tipo 1 e como tal elimina o erro de seguimento
em regime estacion´ ario para uma entrada em degrau. Compreendemos assim a raz˜ ao de ser utilizado
para melhorar o erro de seguimento estacion´ ario.
Considerando a FT
G(s)
s
, temos que
∠G
c
( jω)G( jω) = −90
o
+∠G( jω)
[G
c
( jω)G( jω)[ >> [G( jω)[ para ω pequeno
[G
c
( jω)G( jω)[ << [G( jω)[ para ω grande
O efeito da acc¸ ˜ ao integral aumenta com a diminuic¸ ˜ ao do intervalo de integrac¸ ˜ ao T
i
e o erro em regime
permanente desaparece.
A introduc¸ ˜ ao do p´ olo na origem aumenta o n´ umero de assimptotas no LGR, fazendo com que para
pequenos T
i
mais p´ olos passem para o s.p.d..
Comparando com o CP, o CI habitualmente implica a diminuic¸ ˜ ao da frequˆ encia de travessia de fase
e para manter uma margem de ganho semelhante normalmente requer uma diminuic¸ ˜ ao da frequˆ encia
de travessia de ganho, acarretando diminuic¸ ˜ ao da largura de banda em malha fechada.
Exerc´ıcio 5.2 Consideremos novamente o sistema G(s) =
1
(s +2)
2
e um compensador integral
G(s)G
c
(s) =
1K
T
i
s(s +2)
2
.
5.2. CONTROLO INTEGRAL 111
O sistema passa a ter 3 p´ olos. Determinemos T
i
de modo que os p´ olos dominantes tenham um
coeficiente de amortecimento de 0.45 (igual ao obtido com um compensador proporcional G
c
(s) =
16). Seja a equac¸ ˜ ao caracter´ıstica da malha fechada
1+G(s)G
c
(s) = 0 ⇔s
3
+4s
2
+4s +
1
T
i
= 0. (5.2)
Considerando que o sistema realimentado tem um par de p´ olos complexos e um terceiro p´ olo (ne-
cessariamente real) localizado em −a, a equac¸ ˜ ao caracter´ıstica correspondente ser´ a
(s +a)
_
s
2
+2ξω
n

2
n
_
= s
3
+(a+2ξω
n
)s
2
+
_
2aξω
n

2
n
_
s +aω
2
n
= 0. (5.3)
Da equivalˆ encia entre a equac¸ ˜ oes (5.2) e (5.3), resulta:
_
¸
¸
¸
_
¸
¸
¸
_
a+2ξω
n
= 4
2aξω
n

2
n
= 4

2
n
=
1
T
i
.
Fazendo ξ = 0.45, como pretendido, e resolvendo o sistema de equac¸ ˜ oes obt´ em-se
ω
n
= 1.05, a = 3.06 e
1
T
i
= 3.37.
Tarefa: Fac¸a a representac¸ ˜ ao da resposta ao degrau do sistema com este compensador e compare-a
com G
c
(s) = 16. Observe que o anulamento do erro ´ e conseguido ` a custa da diminuic¸ ˜ ao da rapidez
da resposta.
5.2.1. Acc¸ ˜ ao proporcional e integral (CPI)
A tendˆ encia oscilat´ oria tamb´ em aumenta com a diminuic¸ ˜ ao de T
i
. A combinac¸ ˜ ao dos modos pro-
porcional e integral ´ e vantajosa porque reduz os efeitos destabilizadores do modo integral enquanto
ret´ em a capacidade de eliminar o erro estacion´ ario. O parˆ ametro T
i
quantifica a taxa segundo a qual
a sa´ıda do controlador PI ´ e accionada quando a sua entrada ´ e um degrau: ´ e o tempo requerido para
que a contribuic¸ ˜ ao da parte integral seja igual ou repita a contribuic¸ ˜ ao do modo proporcional. A
maioria dos fabricantes exprime T
i
em min/repetic¸ ˜ ao e tipicamente
0, 02 repetic¸ ˜ ao/min ≤T
i
≤50 repetic¸ ˜ ao/min.
Considerando G
c
(s) = K
_
s +
1
KT
i
_
s
= K
s +z
s
, temos que G
c
tem um p´ olo na origem e um zero no
s.p.e. e, como tal, n˜ ao aumenta o n´ umero de ass´ımptotas no LGR.
112 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
Considerando G
c
na sua forma polar, temos
∠G
c
( jω) = −90
o
+arctan
ω
z
e
com ω pequeno << z =⇒ ∠G
c
( jω) ·−90
o
=⇒ ∠G
c
( jω)G( jω) ·−90
o
+∠G( jω)
com ω grande >> z =⇒ ∠G
c
( jω) ·0
o
=⇒ ∠G
c
( jω)G( jω) ·∠G( jω)
Quando comparado com o CP ou o CI, O CPI apresenta as seguintes caracter´ısticas:
1. mant´ em as caracter´ısticas de melhoria do erro de seguimento estacion´ ario e da eliminac¸ ˜ ao de
perturbac¸ ˜ oes, que caracterizam a acc¸ ˜ ao integral.
2. G
c
( jω) aproxima-se de um ganho puro para ω >> z.
3. A sua fase ´ e positiva devido ao zero no s.p.e., permitindo aumentar frequˆ encias de travessia
ou margens de estabilidade face ` a acc¸ ˜ ao integral.
Ao projectarmos um CPI, detemos dois graus de liberdade: K, T
i
, o que nos permite satisfazer dois
crit´ erios distintos. Como tal o projecto ´ e muitas vezes dividido em duas etapas distintas:
(i) z ´ e escolhido de modo a cancelar um p´ olo de G(s) (usualmente o mais pr´ oximo da origem e
localizado no s.p.e.)
(ii) K ´ e escolhido posteriormente de acordo com algum requisito do regime transit´ orio (ξ, ω
n
de
p´ olos dominantes em malha fechada), de margens de estabilidade, ...
Exerc´ıcio 5.3 Voltamos a considerar G(s) =
1
(s +2)
2
e desta vez um compensador G
c
= K
s +z
s
.
Vamos usar o p´ olo do compensador para cancelar o p´ olo da planta: z = 2. Temos ent˜ ao que
G
c
(s)G(s) = K
1
s(s +2)
e queremos determinar K de forma que os p´ olos da malha fechada tenham
novamente um coeficiente de amortecimento ξ = 0.45. A equac¸ ˜ ao caracter´ıstica ´ e ent˜ ao:
1+G
c
G(s) = 0
1+
K
s(s +2)
= 0
s
2
+2s +K = 0
e
2ξω
n
= 2
ω
2
n
= K =⇒
_
_
_
ξ = 0.45 =⇒ ω
n
= 2.22
K = 4.94.
5.2. CONTROLO INTEGRAL 113
T
d
= 4.5
T
d
= 0.7
T
d
= 0.1
0 2 4 6 8 10 12 14 16 18 20
0
0.5
1
1.5
2
Figura 5.3: Ilustrac¸ ˜ ao do controlo proporcional (K =3), integral (T
i
=2) e derivativo quando ´ e usada
uma referˆ encia em degrau.
O compensador ´ e ent˜ ao G
c
(s) = 4.94
s +2
s
. A Figura 5.3 apresenta a resposta ao degrau do sistema
emmalha fechada usando a acc¸ ˜ ao proporcional e derivativa e, para comparac¸ ˜ ao, tamb´ ema resposta
ao degrau do mesmo sistema em malha fechada mas utilizando somente o modo integrativo onde ´ e
vis´ıvel o aumento de rapidez.
Exemplo 5.2 (Cruise control) Retomemos o Exemplo 5.1. Talvez seja uma boa ideia considerar
um ganho K
p
que dˆ e um tempo de subida razo´ avel e considerar tamb´ em uma acc¸ ˜ ao integrativa que
elimine o erro em regime permanente. Vamos ent˜ ao considerar uma FT malha fechada do seguinte
tipo:
G
CL
=
K
p
s +K
i
ms
2
+(m+K
p
)s +K
i
Fac¸amos em Matlab:
m=1000;
b=50;
u=10;
num=[1];
den=[m b];
cruise=tf(num,den);
Kp=600;
Ki=1;
contr=tf([Kp Ki],[1,0]);
syscl=feedback(contr
*
cruise,1);
u=10;
t=0:0.1:20;
step(u
*
syscl,t)
114 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
axis([0 20 0 10])
ent˜ ao com a seguinte FT G
CL
=
600s +1
1000s
2
+650s +1
, obtemos:
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
Falta agora ajustar o ganho proporcional K
p
e integral K
i
de forma aobter a resposta desejada. Ao
fazer o ajuste de K
i
, ´ e aconselh´ avel comec¸ar comumvalor pequeno dado que umvalor ”grande”para
K
i
poder´ a destabilizar a resposta do sistema. Experimente K
p
= 800 e K
i
= 40.
Fac¸a a representac¸ ˜ ao da resposta ao degrau e verifique que todas as especificac¸ ˜ oes s˜ ao agora satis-
feitas.
5.3. Controlo derivativo (CD)
A acc¸ ˜ ao apenas derivativa tem pouca ou nenhuma aplicac¸ ˜ ao. Pode ser usada para poss´ıvel cancela-
mento de um p´ olo de G(s) na origem. Sabendo que G
c
= T
d
s, temos que
∠G
c
( jω) = 90
o
[G
c
( jω)[ = T
d
ω
e como a FT em malha fechada
G
c
(s)G(s)
1+G
c
(s)G(s)
´ e nula para s = 0, ent˜ ao ´ e tamb´ em nula a resposta em
regime permanente para entradas em degrau. Sendo a sua fase igual a 90
o
, permite habitualmente
aumentar margens de estabilidade, sem diminuir frequˆ encias de travessia. O valor do seu m´ odulo
cresce arbitrariamente com ω, implicando amplificac¸ ˜ ao crescente de sinais de maior frequˆ encia n˜ ao
5.3. CONTROLO DERIVATIVO 115
sendo assim imune ao ru´ıdo de medic¸ ˜ ao. Este efeito pode ser compensado pela introduc¸ ˜ ao de um
p´ olo a uma frequˆ encia mais elevada, ou seja G
c
(s) =
T
d
s
1+T
d
s
. Na Figura 5.3 podem ser observadas
simulac¸ ˜ oes da resposta ao degrau considerando controlo PID com K =3, T
i
=2 e FT de transferˆ encia
G(s)
_
K+T
i
s +T
i
T
d
s
2
_
T
i
s +G(s)(K+T
i
s +T
i
T
d
s
2
)
.
Estes valores foram escolhidos de forma a que o sistema em malha aberta fosse oscilat ´ orio. O
amortecimento aumenta com T
d
, mas volta a diminuir quando T
d
´ e muito grande. A acc¸ ˜ ao derivativa
pode ser interpretada como uma previs˜ ao atrav´ es de extrapolac¸ ˜ ao linear no intervalo de tempo T
d
.
Relembrando esta interpretac¸ ˜ ao, facilmente se chega ` a conclus˜ ao de que a acc¸ ˜ ao derivativa n˜ ao ´ e
muito ´ util sempre que o tempo de predicc¸ ˜ ao ´ e muito longo T
d
.
Os comandos em Matlab para simular esta situac¸ ˜ ao s˜ ao:
K=1;
Ti=1;
s=tf(’s’);
for Td=[0.1:0.2:2]
Gc=(K+1/Ti/s+Td
*
s);
Gc=feedback(G
*
Gc,1);
step(Gc),
hold on
end
Observando a Figura 5.3, vemos que o tempo de oscilac¸ ˜ ao diminui com um T
d
maior, mas a acc¸ ˜ ao
derivativa deixa de ser efectiva quando T
d
´ e superior a 1.
5.3.1. Acc¸ ˜ ao proporcional e derivativa (CPD)
Uma das principais caracter´ısticas dos modos proporcional e derivativo G
c
= K +T
d
s = K(s +z) ´ e
ter um zero em −
K
T
d
, que pode ser usado para cancelar o p´ olo mais lento de G(s). Este zero diminui
ainda o n´ umero de ass´ımptotas do LGR. Para este controlador tem-se
∠G
c
( jω) = arctan

T
d
> 0,
[G
c
( jω)[ =
_
K
2
+T
2
d
ω
2
,
116 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
donde se conclui que a sua magnitude aumenta quando ω →∞, com iguais desvantagens ` a sim-
ples acc¸ ˜ ao derivativa. De igual forma, o efeito pode ser atenuado com a introduc¸ ˜ ao de um p´ olo
a frequˆ encias mais elevadas, i.e., G
c
=
K+T
d
s
1+T
d
s
. O valor da fase produz um efeito ben´ efico nas
margens de estabilidade. Ao projectarmos um CPD dispomos de dois graus de liberdade, K, T
d
,
permitindo a satisfac¸ ˜ ao de dois crit´ erios distintos. O zero pode ser usado para cancelar o p´ olo mais
lento da planta.
5.3.2. Acc¸ ˜ ao proporcional, integral e derivativa (PID)
Seja G
c
= K+
1
T
i
s
+T
d
s =
1/T
i
+Ks +T
d
s
2
s
= K
(s +z
1
)(s +z
2
)
s
. Este controlador tem como prin-
cipais caracter´ısticas um p´ olo na origem e dois zeros no s.p.d., podendo estes ser complexos. Isto faz
com que aumente em uma unidade o tipo de sistema, introduzindo melhorias no erro de seguimento
em regime permanente.
Tem-se ainda que
[G
c
( jω)[ →+∞ quando ω →0
[G
c
( jω)[ →+∞ quando ω →∞
∠G
c
( jω) →−90
o
quando ω →0.
A fase, introduzida a frequˆ encias ap´ os o efeito dos zeros, ´ e positiva, contribuindo para melhorar a
estabilidade ou rapidez (regime transit ´ orio). Existe amplificac¸ ˜ ao de sinais de altas frequˆ encias que
pode ser contrariada com a introduc¸ ˜ ao de um p´ olo a frequˆ encia maior do que a dos zeros.
Exemplo 5.3 (Cruise control) Na implementac¸ ˜ ao do Exemplo 5.2 n˜ ao ´ e necess´ aria qualquer implementac¸ ˜ ao
de uma acc¸ ˜ ao derivativa, dado que todas as especificac¸ ˜ oes de controlo se encontram j´ a satisfeitas.
No entanto, talvez queiramos averiguar como funcionaria um controlo PID. A FT em malha fechada
para um controlo deste tipo seria
G
CL
=
T
d
s
2
+Ks +T
i
(m+K)s
2
+(b+K)s +T
i
Como exerc´ıcio fac¸a a implementac¸ ˜ ao do controlador PID em Matlab, ajustando os ganhos K, T
i
, T
d
at´ e que obtenha uma resposta satisfat´ oria.
K=1;
5.3. CONTROLO DERIVATIVO 117
Ti=1;
Td=1;
m=1000;
b=50;
u=10;
num=[1];
den=[m b];
cruise=tf(num,den);
K=600;
Ti=1;
contr=tf([Td, K Ti],[1,0]);
syscl=feedback(contr
*
cruise,1);
u=10;
t=0:0.1:20;
step(u
*
syscl,t)
axis([0 20 0 10])
Ao projectar um compensador deste tipo, a escolha de trˆ es parˆ ametros permite-nos satisfazer os
crit´ erios:
1. a localizac¸ ˜ ao dos zeros pode ser usada para cancelar os p´ olos de G(s) ou para alterar a
configurac¸ ˜ ao do LGR;
2. o ganho ser´ a ent˜ ao usado para o ajuste de p´ olos dominantes ou margens de estabilidade.
Uma implementac¸ ˜ ao fiel do modelo (5.1) nunca resultar´ a num bom controlador. De forma a obter
um bom controlador outros factores tˆ em de ser levados em conta, como por exemplo:
• Filtragem de ru´ıdo e high frequency roll-off
• Ponto de ajuste
• Sintonia
• Saturac¸ ˜ ao (windup)
• Implementac¸ ˜ ao em computador
118 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
Cada um destes pontos ´ e importante na implementac¸ ˜ ao de qualquer controlador. Muitas destas
quest ˜ oes est˜ ao intimamente relacionadas com as propriedades da malha fechada. De seguida, discu-
timos dois destes pontos. O leitor interessado poder´ a aprofundar este assunto em (Astrom & Murray,
2008).
5.4. Filtragem e ponto de ajuste
Nas aplicac¸ ˜ oes nunca se usa uma acc¸ ˜ ao derivativa pura devido aos saltos bruscos do processo, pro-
vocados por uma alterac¸ ˜ ao em degrau no ponto de ajuste. Uma limitac¸ ˜ ao pr´ atica da acc¸ ˜ ao derivativa
´ e a sua sensibilidade ao ru´ıdo, como pode ser facilmente visto da FT
lim
s→∞
G(s) = lim
s→∞
s =∞
O ru´ıdo ´ e um sinal indesej´ avel e persistente, de baixa amplitude e de uma evoluc¸ ˜ ao muito irregular
e, consequentemente, uma derivada muito mais irregular (a existir). Por isso uma filtragem poder´ a
ser ben´ efica. Vejamos o seguinte exemplo
Exemplo 5.4 (A diferenciac¸ ˜ ao amplia o ru´ıdo de alta frequˆ encia) Considere-se o sinal
y(t) = sint +n(t) = sint +a
n
sinω
n
t
onde o ru´ıdo ´ e sinusoidal com frequˆ encia ω
n
. O sinal diferenciado ´ e
dy(t)
dt
= cost +a
n
ω
n
cosω
n
t.
O SNR
1
do sinal original ´ e
1
a
n
, enquanto que o SNR do sinal diferernciado ´ e
ω
n
a
n
. Esta raz˜ ao pode
tornar-se arbitrariamente grande com ω
n
muito elevado!!!
1
A relac¸ ˜ ao sinal ru´ıdo (SNR) ´ e o quociente entre o valores eficazes (valor quadr´ atico m´ edio ou RMS) do sinal sem ru´ıdo
e do ru´ıdo. No exemplo o sinal sem ru´ıdo ´ e sint.
Sabendo-se que
f
rms
= lim
→∞
¸
1
2T
_
T
−T
[ f (t)]
2
dt
e para uma func¸ ˜ ao peri ´ odica, calcula-se o valor eficaz do per´ıodo da func¸ ˜ ao:
f
rms
=
¸
1
22π
_

0
sin
2
(t)dt
=
¸
1
22π
_

0
(1−cos2t)dt
=
_
1
22π
2π =
1

2
5.4. FILTRAGEM E PONTO DE AJUSTE 119
Na pr´ atica ´ e necess´ ario limitar a acc¸ ˜ ao derivativa do controlador para altas frequˆ encias. Sugere-se
o uso de um filtro passa baixo com o modo diferencial. (Em alternativa pode aplicar-se a acc¸ ˜ ao
derivativa ` a vari´ avel controlada e n˜ ao ao erro). O PID pode ser escrito como
U(s) = K
_
_
_1+
1
T
i
s
+
sT
d
1+s
T
d
N
_
_
_. (5.4)
Esta aproximac¸ ˜ ao funciona como ummodo derivativo para baixas frequˆ encias, como ganho limitado
a KN; o que significa que a altas frequˆ encias, o ru´ıdo ´ e amplificado no m´ aximo com um factor de
KN. Valores t´ıpicos para N s˜ ao de 8 a 20.
Exemplo 5.5 Considere-se o controlado PID com os parˆ ametros K =1, T
i
=1, T
d
=1. Considerem-
-se diferentes valores de N. Usa-se os seguintes comandos Matlab para implementar as simulac¸ ˜ oes:
G=tf(1,[1,3,3,1]);
Td=1;
Gc=K
*
(1+1/Ti/s+Td
*
s);
step(feedback(G
*
Gc,1))
hold on for N=[100,1000,10000,1:10]
Gc=K
*
(1+1/Ti/s+Td
*
s/(1+Td
*
s/N));
G_c=feedback(G
*
Gc,1);
step(G_c)
end
figure;
[y,t]=step(G_c);
err=1-y;
E tem-se que o valor eficaz duma sinusoide Asin(ωt) ´ e
A

2
, ou seja, o valor eficaz do sinal sem ru´ıdo ´ e 1/2.
O ru´ıdo ´ e a
n
sin(ω
n
t). O valor eficaz deste sinal ´ e
a
n

2
. (assume-se o ru´ıdo como um sinal determin´ıstico).
A relac¸ ˜ ao sinal ru´ıdo (SNR) ´ e o quociente entre o valores eficazes do sinal sem ru´ıdo e do ru´ıdo, logo SNR =
1
a
n
.
No caso do ru´ıdo ser sinusoidal com a
n
constante em cada realizac¸ ˜ ao s´ o tinha sentido falar em SNR m´ edia ou em SNR
duma realizac¸ ˜ ao. A SNR m´ edia seria o valor esperado de
1
a
n
.
No caso de a
n
, ser um processo estoc´ astico estacion´ ario, ent˜ ao a
n
cosω
n
t ´ e um processo quase estacion´ ario e a SNR seria
SNR =
Valor eficazdosinal semruido
E¦a
n
(t)cos(ω
n
t)¦
em que
Ex(t) =
1
N
lim
t→∞
Ex(t)
em que Ex(t) ´ e o valor esperado de x(t) no instante t.
120 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
plot(t,err)
Com N = 10 obt´ em-se uma resposta satisfat´ oria.
Ao contr´ ario da acc¸ ˜ ao integral, o modo derivativo nunca ´ e usado s´ ozinho, mas antes combinado com
pelo menos o modo proporcional.
Os benef´ıcios da acc¸ ˜ ao derivativa podem tamb´ em ser analisados atrav´ es de uma an´ alise do LGR;
em geral, perante uma escolha conveniente dos parˆ ametros, a adic¸ ˜ ao deste modo empurra o lugar de
ra´ızes para a esquerda.
5.5. Sintonia do controlador
A quest˜ ao que se p˜ oe ´ e a escolha dos parˆ ametros K, T
i
, T
d
de forma a obter um desempenho satis-
fat ´ orio quando controlamos um processo. De forma a concretizar este objectivo, a primeira coisa ´ e
dispˆ or de um modelo matem´ atico do processo. A identificac¸ ˜ ao rigorosa do processo ´ e geralmente
uma tarefa morosa e dif´ıcil. No entanto, esta fica muito simplificada se nos restringirmos a uma
reduzida classe de modelos.
A experiˆ encia pr´ atica revelou ser adequada, ` a maioria dos problemas de controlo de processos in-
dustriais, a escolha de um modelo do tipo
Ke
−Ts
τs +1
(5.5)
ou
Ke
−Ts
s
. (5.6)
Posto isto, uma t´ ecnica de sintonia consistir´ a ent˜ ao em
• Um teste que permita estimar os parˆ ametros do modelo
• Um conjunto de f´ ormulas que relacionam os parˆ ametros do controlador K, T
i
, T
d
com os do
modelo, de forma a fornecer uma resposta com as caracter´ısticas desejadas.
As t´ ecnicas de sintonia classificam-se em
• M´ etodos de malha aberta: identificam explicitamente os parˆ ametros do processo a controlar.
• M´ etodos de malha fechada: requer o valor do ganho no limite da estabilidade, o ganho cr´ıtico
K
c
, e o per´ıodo de oscilac¸ ˜ ao cr´ıtico P
c
.
5.5. SINTONIA DO CONTROLADOR 121
Os primeiros m´ etodos de sintonia foram desenvolvidos por Ziegler e Nichols. Estes s˜ ao tamb´ em
os mais conhecidos. Baseiam-se na escolha de alguns parˆ ametros para um determinado tipo de
modelos. N˜ ao deixa de ser surpreendente serem t˜ ao populares quando devolvem resultados m´ edios
e num n´ umero reduzido de situac¸ ˜ oes. Possivelmente, a raz˜ ao da sua popularidade poder´ a reside na
simplicidade da sua aplicac¸ ˜ ao.
5.5.1. M´ etodo da Resposta ao degrau (ou em malha aberta)
Neste m´ etodo s˜ ao estimados os parˆ ametros a =
KT
τ
e T a partir da resposta ao degrau da FT em
malha aberta
K
1+sτ
e
−Ts
. Chamamos a K constante de ganho, a T tempo morto ou atraso e a τ
constante de tempo.
K
T τ
Figura 5.4: Caracterizac¸ ˜ ao da resposta ao degrau no m´ etodo de Ziegler-Nichols.
Os parˆ ametros do controlador s˜ ao depois calculados usando a seguinte tabela:
Controlador K T
i
T
d
P 1/a
PI 0.9/a 3T
PID 1.2/a 2T T/2
5.5.2. M´ etodo da resposta em frequˆ encia (ou em malha fechada)
Um outro m´ etodo desenvolvido por Ziegler-Nichols baseia-se na caracterizac¸ ˜ ao simples da resposta
em frequˆ encia da dinˆ amica do processo. Este m´ etodo baseia-se no conhecimento do ponto em
122 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
que o diagrama de Nyquist de G(s) intersecta o semi-eixo negativo dos xx. Este ponto pode ser
caracterizado por dois parˆ ametros: ω
π
, [G( jω
π
)[ .
Os parˆ ametros dos controladores s˜ ao ent˜ ao calculados de acordo com a seguinte tabela:
Controlador K T
i
T
d
P 0.5K
u
PI 0.4K
u
0.8T
u
PID 0.6K
u
0.5T
u
0.125T
u
sendo K
u
=
1
[G( jω
π
)[
e T
u
=

ω
π
.
Exerc´ıcio 5.4 Considere o seguinte sistema de controlo, em que G(s) =
2
(s +1)
3
e o controlador ´ e
descrito pela equac¸ ˜ ao u(t) = K
_
e(t) +
1
T
i
_
t
0
e(τ)dτ
_
, onde u(t) e e(t) designam a sa´ıda e a en-
trada do controlador, respectivamente. Recorrendo ao m´ etodo de Ziegler-Nichols emmalha fechada,
calcule K, T
i
.
Considerando s = jω, temos:
G( jω) = 2
(1−3ω
2
)

2
+1)
3
+2

3
−3ω)

2
+1)
3
j
∠G( jω) = arctan
ω
3
−3ω
1−3ω
2
Calculamos ω
π
considerando I(G( jω)) = 0 ⇔ω =

3 =⇒ [G( jω)[ = 0.25.
Temos ent˜ ao que
K
u
=
1
[G( jω
π
)[
= 4 =⇒ K = 0.5K
u
= 2
T
u
=

ω
π
= 3.6275 =⇒ T
i
= 0.8T
u
= 2.9020
e temos que
G
c
(s) =
5.8040s +1
2.9020s
.
O efeito de cada parˆ ametro do controlador nas principais caracter´ısticas da resposta indicial em MF,
pode ser sintetizado na seguinte tabela:
Resposta T. subida sobre-elong. T. assent. Erro RP
5.6. WIND UP OU SATURAC¸
˜
AO POR ACC¸
˜
AO INTEGRADORA 123
K Decresce Cresce NT Decresce
T
i
Decresce Cresce Cresce Elimina
T
d
NT Decresce Decresce NT
NT= sem padr˜ ao/alterac¸ ˜ ao m´ınima.
Para projectar um controlador, seguem-se tipicamente os seguintes passos:
1. DEtermina quais s˜ ao as caracter´ısticas do sistema a melhorar.
2. Use K para diminuir o tempo de subida.
3. Use T
d
para reduzir a sobre-elongac¸ ˜ ao e o tempo de assentamento.
4. Use T
i
para eliminar o erro em regime permanente.
Isto funciona ma maioria dos casos, mas qual ser´ a o melhor ponto de partida? Os parˆ ametros podem
ser facilmente inicializado com um m´ etodo de identificac¸ ˜ ao de Ziegler-Nichols.
5.6. Wind up ou saturac¸ ˜ ao por acc¸ ˜ ao integradora
Ainda que muitos dos aspectos dos sistemas de controlo possam ser compreendidos com base na
teoria linear, alguns dos efeitos n˜ ao lineares devem ser tidos em linha de conta na implementac¸ ˜ ao
pr´ atica de controladores. Windup ´ e um desses fen´ omenos, sendo causado pela acc¸ ˜ ao integradora
sobre as saturac¸ ˜ oes. Todos os actuadores tˆ em limitac¸ ˜ oes f´ısicas; por exemplo, um motor tem velo-
cidade limitada e uma v´ alvula n˜ ao pode estar completamente aberta ou fechada. Consideremos que
o actuador de um sistema de controlo atinge os seus limites f´ısicos. Quando isto acontece, o ciclo
em malha fechada ´ e quebrado, passando o sistema a funcionar em malha aberta dado que o actuador
permanecer´ a no seu limite f´ısico independentemente do valor da vari´ avel de sa´ıda. Sendo usado um
controlador com acc¸ ˜ ao integradora, ent˜ ao o erro resultante ser´ a sucessivamente integrado, ou seja o
termo integral torna-se infinitamente grande ou ”winds up”. Perante esta situac¸ ˜ ao, ´ e necess´ ario que o
erro se apresente com sinal contr´ ario por um longo per´ıodo de tempo at´ e que a situac¸ ˜ ao se regularize.
Como consequˆ encia, qualquer controlador com acc¸ ˜ ao integradora poder´ a apresentar longos estados
transit ´ orios aquando da saturac¸ ˜ ao do actuador.
124 CAP
´
ITULO 5. CONTROLO PROPORCIONAL, INTEGRATIVO E DERIVATIVO
Este cap´ıtulo foi baseado em (Astrom & Murray, 2008; de Carvalho, 2000)
6. An´ alise no dom´ınio das frequˆ encias
de sistemas em malha aberta
Ainda que menos intuitiva do que os m´ etodos previamente estudados, a resposta em frequˆ encia
tem algumas vantagens, nomeadamente na modelac¸ ˜ ao de situac¸ ˜ oes reais como por exemplo na
construc¸ ˜ ao de uma func¸ ˜ ao de transferˆ encia a partir de dados.
Entende-se por resposta emfrequˆ encia a resposta de umsistema a uma entrada sinusoidal. Aresposta
em frequˆ encia caracteriza a resposta em regime estacion´ ario de um sistema linear.
Porque s˜ ao as respostas sinusoidais t˜ ao importantes? Como ´ e sabido, todo o sinal pode ser represen-
tado por uma soma de func¸ ˜ oes seno com amplitude/fase vari´ aveis.
Consideremos a seguinte func¸ ˜ ao sinusoidal:
f (t) = Asin(ωt +φ),
t
f (t)
f (t) = 1.5sint
_
2t −
π
4
_
onde
125
126 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
y(t)
f (t)
Figura 6.1: Sempre que a entrada do sistema ´ e um sinus´ oide, a sa´ıda ´ e um sinus´ oide distorcido.
A ´ e a amplitude (dada numa unidade adequada)
ω ´ e a frequˆ encia angular (rad/s)
φ ´ e a fase (rad)
podemos ainda definir
T =

ω
como o per´ıodo em (seg)
f =
1
T
como a frequˆ encia (Hz)
Relembremos as seguintes f´ ormulas, que ir˜ ao ser-nos muito necess´ arias:
e
jωt
= cosωt + j sinωt
e
−jωt
= cosωt − j sinωt
cosωt =
1
2
_
e
jωt
+e
−jωt
_
sinωt =
1
2
_
e
jωt
−e
−jωt
_
.
F´ ormulas de Euler
6.1. A resposta em regime permanente (ou estacion´ aria) a uma en-
trada sinusoidal
Suponhamos que o seguinte sistema ´ e excitado por uma entrada sinusoidal u(t) = Asin(ωt +φ).
6.1. A RESPOSTA EM REGIME PERMANENTE A UM SINUS
´
OIDE 127
Sabemos poder ser esta situac¸ ˜ ao representada pela equac¸ ˜ ao diferencial:
m¨ y(t) +b˙ y(t) = u(t), (6.1)
onde
m ´ e a massa (Kg),
b ´ e o atrito (Ns/m),
e cuja soluc¸ ˜ ao ´ e do tipo:
y(t) = y
h
(t) +y
p
(t)
t→∞
→ y(t) →y
p
(t),
sendo y
h
(t) a soluc¸ ˜ ao da equac¸ ˜ ao homog´ enea que est´ a associada a (6.1) e y
p
(t) a soluc¸ ˜ ao particular.
Sempre que o sistema ´ e est´ avel, depois de decorrer um intervalo de tempo suficientemente grande,
a resposta do sistema tende para a y
p
(t). Observemos que y
p
(t) ´ e a resposta forc¸ada do sistema
(dependente de u(t)) e y
h
(t) ´ e a resposta livre, que depende somente das condic¸ ˜ oes iniciais.
Seja G(s) uma func¸ ˜ ao de transferˆ encia est´ avel (i.e. entrada limitada sa´ıda limitada),
G(s)
U(s) Y(s)
Da f´ ormula integral de Cauchy, temos que G(s) =
N(s)
D(s)
, func¸ ˜ ao de transferˆ encia racional, fica
completamente determinada pelos valores que toma no eixo imagin´ ario, i.e., por G( jω), ω ∈ R
(Grossman & Derrick, 1988; Mauch, 2004). Sempre que G(s) tiver p´ olos no eixo imagin´ ario n˜ ao
estar´ a definida nesses pontos, que s˜ ao sempre em n´ umero finito.
Este resultado baseia-se no facto de que se dois polin´ omios coincidirem num n´ umero infinito de pon-
tos, terem necessariamente de ser iguais.
´
E poss´ıvel mostrar que o mesmo se verifica para func¸ ˜ oes
racionais.
Admitindo sinais complexos, prova-se que para u(t) = e
jωt
se obt´ em
y
est
= lim
t→∞
y(t) = G( jω)e
jωt
= [G( jω)[ e
jφ(w)
e
jωt
= [G( jω)[ e
j(φ(w)+ωt)
.
Tem-se ent˜ ao que a resposta estacion´ aria de um sistema est´ avel a uma entrada sinusoidal ´ e tamb´ em
um sinus´ oide (com eventual desfasamento das oscilac¸ ˜ oes e diferente amplitude).
128 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
A percepc¸ ˜ ao desta propriedade permite afirmar que um sistema dinˆ amico linear fica completa-
mente determinado conhecida a sua resposta estacion´ aria a uma entrada sinusoidal, por exemplo
cosωt, ω ∈ [0, ∞). Ou seja, se y
est
(t) = A(ω)sin(ωt +φ(ω)), queremos calcular G( jω) :
y
est
(t) = G( jω)
1
2
_
e
jωt
+e
−jωt
_
.
O princ´ıpio da sobreposic¸ ˜ ao permite expressar a resposta estacion´ aria como a soma das respostas a
dois sinais complexos:
y
est
(t) =
1
2
_
G( jω)e
jωt
+G(−jω)e
−jωt
_
=
1
2
_
G( jω)e
jωt
+G( jω)e
−jωt
_
=
1
2
((R(G( jω)) + jI(G( jω)))(cosωt + j sinωt) +(R(G( jω)) − jI(G( jω)))(cosωt − j sinωt))
=
1
2
(2R(G( jω))cosωt +2I(G( jω))sinωt)
= (R(G( jω))cosωt +I(G( jω))sinωt)
= [G( jω)[
_
_
_
_
_
R(G( jω))
[G( jω)[
. ¸¸ .
cosθ
cosωt +
I(G( jω))
[G( jω)[
sinωt
_
_
_
_
_
= [G( jω)[ cos(ωt −θ) =[G( jω)[ cos(ωt −∠G( jω))
=⇒ A(ω) =[G( jω)[ e θ = arctan
I(G( jω))
R(G( jω))
=∠G( jω).
Temos ainda que comu(t) =sinωt se obt´ emy
est
=[G( jω)[ sin(ωt +θ) =[G( jω)[ sin(ωt +∠G( jω)).
Exemplo 6.1 Consideremos novamente o seguinte sistema da Figura 6.1
Seja G(s) =
Y(s)
F(s)
=
1
ms +b
=
1
s +2
, com m = 1 Kg e b = 2 Ns/m e f (t) = 10sin5t.
Temos ent˜ ao que G( jω) =
1
jω +2
=
2
ω
2
+4

ω
ω
2
+4
j, temos que:
[G( jω)[ =
1

ω
2
+4
tanθ =

ω
ω
2
+4
2
ω
2
+4
=−
ω
2
=⇒ θ =−arctan
_
ω
2
_
,
ent˜ ao
y(t) =
1

ω
2
+4
10sin
_
5t +arctan
_

ω
2
__
6.1. A RESPOSTA EM REGIME PERMANENTE A UM SINUS
´
OIDE 129
com ω = 5 rad/s, y(t) =
10

29
10sin(5t −1.1903).
Em Matlab fac¸a a representac¸ ˜ ao gr´ afica de [G( jω)[ e de ∠G( jω) para ω ∈ [0, 10]
1
.
Para o caso geral:
u(t) = sin(ωt +φ) =⇒ y
est
=[G( jω)[ sin(ωt +φ +∠G( jω)),
ou seja, a resposta a uma entrada sinusoidal ´ e sempre um sinus´ oide de igual frequˆ encia, mas eventu-
almente de diferente fase e amplitude.
Exemplo 6.2 Vamos estudar a resposta do sistema com func¸ ˜ ao de transferˆ encia
G(s) =
1
s +0.1
` a entrada sinusoidal u(t) = sin2t.
Fazendo as contas anteriores, facilmente chegamos ` a conclus˜ ao que
y
est
(t) =[G(2 j)[ sin(2t +∠G(2 j)) = 0.4994sin(2t −1.5208rad
. ¸¸ .
·87
o
)
.
Como fazer em Matlab o gr´ afico da Figura 6.2
t=0:0.1:50;
u=sin(2.
*
t);
plot(u,’g’)
hold on
sys=zpk([],-0.1,1)
y=lsim(sys,u,t);
plot(y,’b’)
yest=0.4994
*
sin(2.
*
t -1.5208);
plot(yest,’r’)
1
ω =0:0.1:10
magG=1./sqrt(ω.∧2+4)
plot(ω,magG)
faseG=-atan
_
ω
2
_
figure(2)
plot(ω,faseG)
130 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Figura 6.2: Resposta do sistema G(s) =
1
s +0.1
.
axis([0 500 -1.5 1.5])
ylabel(’Amplitude’)
xlabel(’Tempo (seg)’)
legend(’u(t)’,’y(t)’,’y
est
(t)’)
Exemplo 6.3 Consideremos o sistema cuja func¸ ˜ ao de transferˆ encia ´ e G(s) =
1
s
.
Pretende-se calcular a resposta estacion´ aria deste sistema ` a entrada u(t) = sinωt.
Usando o Teorema do Valor Final:
Y
est
= lim
s→0
sG(s)L ¦sinωt¦ = lim
s→0
s
1
s
ω
s
2

2
=
1
ω
.
Por outro lado:
G( jω) =
1

=−j
1
ω
[G( jω)[ =
1
ω
tan∠G( jω) =

1
ω
0
=⇒ ∠G( jω) =
π
2
=⇒ y(t) =
1
ω
sin
_
ωt −
π
2
_
6.2. AVALIAC¸
˜
AO GEOM
´
ETRICA DA FT 131
Podemos facilmente verificar este resultado fazendo
Y
est
= G(s)L ¦sinωt¦ =
1
s
ω
s
2

2
=
1
ω
_
1
s

s
s
2

2
_
=⇒ y(t) =
1
ω
(1−cosωt)
N˜ ao deu igual!
Isto s´ o se verifica para func¸ ˜ oes de transferˆ encia est´ aveis! Ou seja, o Teorema do Valor Final s´ o
se aplica se todos os zeros do denominador se encontrarem no semi-plano esquerdo.
Para func¸ ˜ oes de transferˆ encia n˜ ao racionais do tipo G(s) = e
−Ts
˜
G(s), com G(s) racional e est´ avel,
tamb´ em se verifica que para u(t) = e
jωt
se obt´ em y
est
(t) = G( jω)e
jωt
.
6.2. Avaliac¸ ˜ ao geom´ etrica da func¸ ˜ ao de transferˆ encia
A func¸ ˜ ao de transferˆ encia toma valores em s = σ + jω e, geralmente, G(s) ´ e complexo sempre que
s ´ e complexo.
´
E usual apresentar G(s) na sua forma trigonom´ etrica ou polar:
G(s) =[G(s)[ e
jφ(s)
sendo [G(s)[ a magnitude e φ(s) a fase que s˜ ao dados por:
[G(s)[ =
_
R(G(s))
2
+I(G(s))
2
∠G(s) = φ(s) = tan
−1
_
I(G(s))
R(G(s))
_
onde R(G(s)) ´ e o operador real e I(G(s)) o operador complexo. Considerando o numerador e o
denominador factorizados em termos de p´ olos e zeros, temos:
G(s) = K
(s −z
1
)(s −z
2
). . . (s −z
m
)
(s −p
1
)(s −p
2
). . . (s −p
n
)
, (6.2)
sendo cada um destes factores um n´ umero complexo que pode ser interpretado como um vector no
s-plano: com origem em z
i
/pi e destino em s (ou seja, o ponto no qual a func¸ ˜ ao de transferˆ encia ´ e
132 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
suposto tomar valores). Por seu lado, cada um destes vectores pode tamb´ em ser escrito na sua forma
polar. Por exemplo, considerando um p´ olo p
i
= σ
i
+ jω
i
e s = σ + jω, temos:
[s −p
i
[ =
_
(σ −σ
i
)
2
+(ω −ω
i
)
2
∠(s −p
i
) = tan
−1
_
ω −ω
i
σ −σ
i
_
Vejamos a seguinte figura (Fig5)
−2 2
−2
2
p
1
R(s)
I(s)
Sabendo que a magnitude do produto de dois n´ umeros complexos na forma trigonom´ etrica ´ e o pro-
duto das magnitudes e que a fase ´ e a soma das fases, temos que:
[G(s)[ = K

m
i=1
[(s −z
i
)[

n
i=1
[(s −p
i
)[
φ(s) = tan
−1
_
I(G(s))
R(G(s))
_
.
A magnitude de cada vector componente ´ e a distˆ ancia de s ao p´ olo/zero no plano-s: [s −p
i
/z
i
[ .
Representamos a distˆ ancia a um p´ olo por q
i
e o ˆ angulo por φ
i
e a um zero por r
i
e o zero por θ
i
. O
valor da func¸ ˜ ao de transferˆ encia ser´ a ent˜ ao:
[G(s)[ = K
r
1
r
2
. . . r
m
q
1
q
2
. . . q
n
,
∠G(s) = (φ
1

2
+ +φ
n
) −(θ
1

2
+ +θ
n
).
Fica ent˜ ao claro que a func¸ ˜ ao de transferˆ encia pode ser determinada geometricamente a partir do seu
diagrama de p´ olos e zeros, excepto para o ganho K global. A magnitude da func¸ ˜ ao de transferˆ encia
´ e proporcional ao produto das distˆ ancias de s a cada zero dividido pelo produto das distˆ ancias de s a
cada p´ olo. A fase da func¸ ˜ ao de transferˆ encia ´ e igual ` a soma dos ˆ angulos correspondentes aos zeros
menos a soma dos ˆ angulos correspondentes aos p´ olos.
Exemplo 6.4 Consideremos a func¸ ˜ ao de transferˆ encia
G(s) = K
s
(s −(−2+ j3))(s −(−2− j3))
= K
s
s
2
+4s +13
,
6.2. AVALIAC¸
˜
AO GEOM
´
ETRICA DA FT 133
onde se pretende determinar G( j5). Temos ent˜ ao que:
[G(s)[ = K
_
(0−5)
2
_
(0−(−2))
2
+(5−3)
2
+
_
(0−(−2))
2
+(5−(−3))
2
= K
5
4

34
∠G(s) = tan
−1
(5/0)
. ¸¸ .
90
o
−tan
−1
(2/2)
. ¸¸ .
45
o
−tan
−1
(8/2)
. ¸¸ .
75
o
=−30
o
theta=atan(4);
x=180
*
theta/pi=75
Exemplo 6.5 Consideremos o circuito el´ ectrico simples da Figure 6.3:
V
i
R
V
O
C
Figura 6.3: Circuito RC.
Aplicando a lei das malhas de Kirchhoff, temos:
v
i
(t) = Ri +
q
C
= R˙ q+
q
C
v
o
(t) =
q
C
=⇒ CV
0
(s) = Q(s)
V
i
(S) =
_
sR+
1
C
_
Q(s) = (CRs +1)V
0
(s)
=⇒ H(s) =
V
0
(s)
V
i
(s)
=
1
CRs +1
com R = 1Ω e C = 0.1 Henry, temos que
H( jω) =
1
0.1 jω +1
= [H( jω)[ ∠H( jω)
=
1

1+0.1ω
2
∠tan
−1
(−0.1ω)
134 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Pretende-se calcular v
0
(t) dado v
i
(t). Seja:
1.
v
i
(t) = 3sin(30t) = 3∠0
o
v
0
(t) = [v
i
(t)[ [H( jω)[ sin(30t +∠H( jω))
w = 30
v
0
(t) = 30.316sin(30t −71.6
o
)
· 0.95sin(30t −71.6
o
)
2.
v
i
(t) = 3sin(30t +40
o
) = 3∠40
o
v
0
(t) = 30.316sin(30t +(40
o
−71.6
o
))
· 0.95sin(30t −31.6
o
)
3.
v
i
(t) = 3sin(10t +40
o
) = 3∠0
o
ω = 10
v
0
(t) = 30.7sin(30t −5
o
)
·
3

2
sin(30t −5
o
)
4.
v
i
(t) = 3cos(10t) = 3sin(10t +90
o
) = 3∠90
o
ω = 10
v
0
(t) = 30.7sin(30t +45
o
)
·
3

2
sin(30t +45
o
)
6.3. DIAGRAMAS DE BODE 135
6.3. Diagramas de Bode
Uma forma usual de representar a resposta em frequˆ encia ´ e atrav´ es de diagramas de Bode. O objec-
tivo deste caderno ´ e ensinar a trac¸ar diagramas de Bode atrav´ es de v´ arios exemplos.
Queremos representar graficamente G(s) = [G(s)[ ∠G(s), onde [G(s)[ ´ e a magnitude ou ganho e
a ∠G(s) chamamos fase; precisamos ent˜ ao de dois diagramas e por isso os diagramas de Bode
aparecem sempre aos pares: o diagrama de ganho e o diagrama de fase.
Consideremos o exemplo G(s) =
1
1+0.1s
. Efectuando os c´ alculos, temos:
G( jω) =
1

1+0.01ω
2
∠tan
−1
(−0.1w)
Tracemos agora os gr´ aficos do ganho e da fase:
ω
[G( jω)[
0 10 20 30 40 50 60 70 80 90 100
1
0
ω
∠G( jω)
0 10 20 30 40 50 60 70 80 90 100
−100
−80
−60
−40
−20
0
Observando estes gr´ aficos, facilmente suspeitamos que talvez a escala logar´ıtmica seja mais ade-
quada.
´
E por esta raz˜ ao que nos diagramas de Bode a frequˆ encia aparece sempre na escala lo-
gar´ıtmica.
Fac¸amos novamente o mesmo gr´ afico, mas utilizando uma escala logar´ıtmica, isto ´ e, no eixo das
abcissas aparece log
10
ω em vez de ω:
136 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
0
10
1
10
2
0
10
Ao usarmos a escala logar´ıtmica, chamamos d´ ecada ao incremento de 1 de cada abcissa, ou seja ao
incremento de 10
x
para 10
x+1.
De forma a facilitar as contas, aplicamos ainda uma transformac¸ ˜ ao a G(s) : 20log
10
[G(s)[ . Voltemos
a trac¸ar o diagrama do ganho:
10
0
10
1
10
2
−10
0
10
ω
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
Assim, quando lemos o ganho no diagrama, devemos lembrar-nos que
α dB = 20log
10
[G(s)[ =⇒ [G(s)[ = 10
α
20
dB.
Em suma, temos que os diagramas de Bode se apresentam sempre aos pares:
• O diagrama do ganho: no eixo das abcissas temos logω e no eixo das ordenadas temos [G(s)[
em d´ ecibeis, dB
2
, ω > 0. Por exemplo com G( jω) = jω, temos
20log
10
[ jω[
. ¸¸ .
ordenada
dB
= 20log
10
ω
. ¸¸ .
abcissa
dec
.
• O diagrama de fase: no eixo das abcissas temos log
10
ω e no eixo das ordenadas temos ∠G(s)
em graus, ω > 0.
2
O decibel (dB) ´ e uma medida da raz˜ ao entre duas quantidades, sendo usado para uma grande variedade de medic¸ ˜ oes
em ac´ ustica, f´ısica e eletr´ onica.
´
E uma unidade de medida sem dimens˜ oes, semelhante ` a percentagem. A definic¸ ˜ ao do dB ´ e
obtida com o uso do logaritmo: 20log
10
X
6.3. DIAGRAMAS DE BODE 137
Se aplicarmos a func¸ ˜ ao logaritmo a ambos os lados, transformamos a multiplicac¸ ˜ ao em somas e isto
´ e muito vantajoso, como veremos de seguida.
Ainda que o diagrama possa ser facilmente trac¸ado com um software num´ erico, como por exemplo
o Matlab, existem raz˜ oes para saber trac¸ar diagramas de Bode, pois s´ o desta forma se desenvolve a
compreens˜ ao de como a localizac¸ ˜ ao dos p´ olos e dos zeros pode afectar a representac¸ ˜ ao gr´ afica do
ganho e da fase. Desenvolvendo esta percepc¸ ˜ ao, pode prever-se o comportamento do sistema no
dom´ınio das frequˆ encia atrav´ es da observac¸ ˜ ao directa da func¸ ˜ ao de transferˆ encia. Por outro lado, se
soubermos qual a forma requerida para a func¸ ˜ ao de transferˆ encia, o nosso conhecimento de trac¸ado
dos diagramas de Bode pode ajudar-nos a determinar essa func¸ ˜ ao.
6.3.1. Forma de Bode de uma func¸ ˜ ao de transferˆ encia
Ao pretendermos trac¸ar os diagramas de Bode, a primeira coisa a fazer ´ e colocar a func¸ ˜ ao de trans-
ferˆ encia G(s) =
N(s)
D(s)
e
Ts
(func¸ ˜ ao pr´ opria) na forma de Bode. Para tal, comec¸amos por factorizar
N(s), D(s) em polin´ omios irredut´ıveis de grau 1 e 2, obtendo-se
G(s) = K
∏(s +z
i
)
µ
i
∏(s
2
+2ξ
i
ω
n
i
s +ω
2
n
i
)
ν
i
s
r
∏(s + p
i
)
m
i
∏(s
2
+2ξ
i
ω
n
i
s +ω
2
n
i
)
n
i
e
−Ts
com z
i
, p
i
,= 0 e [ξ
i
[ < 1. Sendo z
i
, p
i
os p´ olos e os zeros reais, respectivamente, de multiplicidade µ
i
e m
i
, tamb´ em respectivamente. Os factores irredut´ıveis de grau dois representam zeros e p´ olos com-
plexos de multiplicidade µ
i
e n
i
, respectivamente. Ap´ os alguns c´ alculos simples, podemos escrever:
G(s) = K
B
∏(1+s/z
i
)
µ
i
∏(s
2

2
n
i
+2ξ
i

n
i
s +1)
ν
i
s
r
∏(s +s/p
i
)
m
i
∏(s
2

2
n
i
+2ξ
i

n
i
s +1)
n
i
e
−Ts
a K
B
chamamos ganho de Bode.
Forma de Bode
Vejamos um exemplo.
Exemplo 6.6
G(s) =
100(s +1)
(s +10)(s +100)
e colocamo-la ent˜ ao na forma de Bode:
G(s) =
1
10
s +1
_
s
10
+1
__
s
100
+1
_
s=jω
=
1
10
jω +1
_

10
+1
__

100
+1
_
138 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Agora vamos escrever [G( jω)[ em decib´ eis:
20log
10
[G( jω)[ = 20log
10
¸
¸
¸
¸
¸
¸
¸
¸
1
10
jω +1
_

10
+1
__

100
+1
_
¸
¸
¸
¸
¸
¸
¸
¸
= 20log
10
¸
¸
10
−1
¸
¸
+20log
10
[1+ jω[ −20log
10
¸
¸
¸1+ j
ω
10
¸
¸
¸ −20log
10
¸
¸
¸1+ j
ω
100
¸
¸
¸
Se conhecermos a magnitude (em dB) de cada factor, podemos adicion´ a-las e obter a magnitude de
G( jω) (em dB).
Posto isto, temos que para trac¸ar o diagrama de Bode de uma func¸ ˜ ao de transferˆ encia, devemos
seguir os seguintes passos:
1. Escrever a func¸ ˜ ao de transferˆ encia na forma de Bode.
2. Escrever a magnitude da func¸ ˜ ao de transferˆ encia em d´ ecibeis, aplicando 20log
10
[G(s)[ .
3. Aplicar as regras dos logaritmos log
10
(ab) = log
10
a +log
10
b, log
10
_
a
b
_
= log
10
a −log
10
b
e log
10
a
r
= r log
10
a.
4. Trac¸ar o diagrama de Bode de cada factor.
Exemplo 6.7
G(s) = 2
(s
2
+2s +4)(s +1)s
(s
2
+2s +9)
2
(s +2)(s +3)
e
−4s
Temos ent˜ ao que
G(s) = 2
4
9
2
23
(s
2
/4+s/2+1)(s +1)s
(s
2
/9+2/9s +1)
2
(s/2+1)(s/3+1)
e
−4s
G( jω) =
4
243
_
( jω)
2
/4+( jω)/2+4
_
( jω +1) jω
(( jω)
2
/9+2/9( jω) +1)
2
(( jω)/2+1)(( jω)/3+1)
e
−4 jω
Temos ent˜ ao:
20log
10
[G( jω)[ = 20log
10
¸
¸
¸
¸
4
243
¸
¸
¸
¸
+20log
10
¸
¸
_
( jω)
2
/4+( jω)/2+4

¸
+20log
10
[ jω +1[
+20log
10
[ jω[ −20log
10
¸
¸
¸
_
( jω)
2
/9+2/9( jω) +1
_
2
¸
¸
¸ −20log
10
[( jω)/2+1[
−20log
10
[( jω)/3+1[ +20log
10
_
e
−4 jω
_
∠G(s) = ∠
4
243
+∠
_
( jω)
2
/4+ jω/2+4
_
+∠( jω +1) +∠jω +
−2∠
_
( jω)
2
/9+2/9( jω) +1
_
−∠( jω/2+1) −∠( jω/3+1) +∠
_
e
−4 jω
_
6.3. DIAGRAMAS DE BODE 139
Portanto, os diagramas de Bode de G(s) podem ser obtidos a partir dos diagramas de Bode dos
diferentes factores irredut´ıveis.
O trac¸ado dos diagramas de Bode pode ser feito ` a custa dos diagramas de Bode dos seguintes ele-
mentos b´ asicos:
1. K, termos constantes;
2. Um p´ olo real, simples ou m´ ultiplo:
_
_
_
1
1+ j
ω
ω
0
_
_
_
r
, (r ,= 0);
3. Um zero real, simples ou m´ ultiplo:
_
1+ j
ω
ω
0
_
r
, (r ,= 0);
4. Um zero na origem, simples ou m´ ultiplo: ( jω)
r
, (r ,= 0);
5. Um p´ olo na origem, simples ou m´ ultiplo:
1
( jω)
r
, (r ,= 0);
6. Um par de p´ olos conjugados, simples ou m´ ultiplos:
1
_
1+2ξ
ω
ω
n
j +
_
ω
ω
n
_
2
_
r
, (r ,= 0);
7. Um par de zeros conjugados, simples ou m´ ultiplos:
_
1+2ξ
ω
ω
n
j +
_
ω
ω
n
_
2
_
r
, (r ,= 0);
Vamos analisar cada um dos casos com um exemplo.
6.3.2. Termos constantes
G(s) = G( jω) = K
[G( jω)[ = [K[
20log
10
[G( jω)[ = 20log
10
[K[ dB
Vamos tratar os termos deste tipo da func¸ ˜ ao do Exemplo 6.6 (na forma de Bode):
20log
10
[G( jω)[ = 20log
10
¸
¸
10
−1
¸
¸
=−20dB
140 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
−2
10
−1
10
0
10
1
10
2
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
O diagrama de ganho ´ e uma recta horizontal que corta o eixo vertical em −20log
10
K.
Vejamos agora a fase, sabemos que
tan∠G( jω) =
0
K
,
ou seja:
∠G( jω) =
_
_
_
0
o
, K > 0
−180
o
, K < 0
10
−2
10
−1
10
0
10
1
10
2
−45
0
45

rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
O diagrama de fase ´ e uma recta horizontal que corta o eixo vertical em 0
o
quando K >0 e em−180
o
quando K < 0.
6.3.3. P´ olos reais
Continuamos a tratar, como exemplo, os factores da func¸ ˜ ao de transferˆ encia do Exemplo 6.6:
G(s) = G( jω) =
1
1+ j
ω
ω
0
.¸¸.
freq.normalizada
[G( jω)[ =
¸
¸
¸
¸
¸
¸
¸
1
1+ j
ω
ω
0
¸
¸
¸
¸
¸
¸
¸
20log
10
[G( jω)[ = −20log
10
1
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
dB
6.3. DIAGRAMAS DE BODE 141
Temos que estudar o que acontece para diferentes valores de ω. Aω
0
chamamos frequˆ encia de corte.
A frequˆ encia de corte ´ e a frequˆ encia abaixo da qual o diagrama ainda se considera bem aproximado
pela ass´ımptota de baixa frequˆ encia.
ω = ω
0
, G( jω) =
1
1+ j
20log
10
[G( jω)[ =−20log
10
[1+ j[ =−20log
10

2 =−3dB
ω << ω
0
,
ω
ω
0
·0 G( jω) ·1 =⇒ 20log
10
[G( jω)[ = 0
ω >> ω
0
, G( jω) ·
1
j
ω
ω
0
=⇒ 20log
10
[G( jω)[ =−20log
10
_
ω
ω
0
_
→−∞
ass´ımptota de alta freq. de declive −20dB/dec
10
−1
10
0
10
1
10
2
10
3
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
0
−20 dB/dec
= ω
0
Para baixas frequˆ encias, o diagrama de ganho ´ e uma recta horizontal em 0dB que corta o eixo
vertical em ω = ω
0
. Para altas frequˆ encias, ´ e uma recta de declive −20dB por d´ ecada que passa no
ponto (ω
0
, −3).
`
A recta horizontal chamamos ass´ımptota de baixa frequˆ encia e ` a obl´ıqua ass´ımptota
de alta frequˆ encia.
Vejamos agora a fase:
∠G( jω) =∠
1
1+ j
ω
ω
0
=−∠
_
1+ j
ω
ω
0
_
ω = ω
0
−→ −45
o
ω << ω
0
−→ 0
o
ω >> ω
0
−→ −90
o
142 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
−1
10
0
10
1
10
2
10
3
−135
−90
−45
0
45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
= 10ω
0
= 0.1ω
0
O diagrama de fase ´ e uma linha horizontal em 0
o
at´ e 0.1ω
0
e tamb´ em horizontal em −90
o
a partir
de 10ω
0
. Entre 0.1ω
0
e 10ω
0
a recta ´ e obl´ıqua e passa por (ω
0
, −45
o
).
6.3.4. P´ olos reais m´ ultiplos
G(s) = G( jω) =
1
_
1+ j
ω
ω
0
_
r
=⇒ [G( jω)[ =
¸
¸
¸
¸
¸
¸
¸
¸
1
_
1+ j
ω
ω
0
_
r
¸
¸
¸
¸
¸
¸
¸
¸
⇐⇒
⇐⇒20log
10
[G( jω)[ = −20log
10
1
¸
¸
¸
¸
_
1+ j
ω
ω
0
_
r
¸
¸
¸
¸
dB
= −20r log
10
1
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
dB
∠G( jω) = −∠
_
1+ j
ω
ω
0
_
r
= −r∠
_
1+ j
ω
ω
0
_
O diagrama de ganho ´ e uma recta horizontal em 0dB, que passa por (ω
0
, −3) e tem declive −r
20dB por d´ ecada.
6.3. DIAGRAMAS DE BODE 143
10
−1
10
0
10
1
10
2
10
3
−60
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
0
−40 dB/dec
= ω
0
O diagrama de fase ´ e uma linha horizontal em 0
o
at´ e 0.1ω
0
e a partir de 10ω em r (−90
o
) A recta
obl´ıqua passa em (ω
0
, r (−45
o
)).
10
−1
10
0
10
1
10
2
10
3
−225
−180
−135
−90
−45
0
45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
= 10ω
0
= 0.1ω
0
6.3.5. Zeros reais
Continuamos a tratar os termos da func¸ ˜ ao de transferˆ encia do Exemplo 6.6:
G(s) = G( jω) = 1+ j
ω
ω
0
=⇒ [G( jω)[ =
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
⇐⇒
⇐⇒20log
10
[G( jω)[ = 20log
10
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
dB
144 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Temos que estudar o que acontece para diferentes valores de ω. Aω
0
chamamos frequˆ encia de corte.
ω = ω
0
, G( jω) = 1+ j
20log
10
[G( jω)[ = 20log
10
[1+ j[ = 20log
10

2 = 3dB
ω << ω
0
,
ω
ω
0
·0 G( jω) ·1 =⇒ 20log
10
[G( jω)[ = 0
ω >> ω
0
, G( jω) ·
1
j
ω
ω
0
=⇒ 20log
10
[G( jω)[ = 20log
10
_
ω
ω
0
_
→+∞
ass´ımptota de alta freq. de declive 20dB/dec
10
−2
10
−1
10
0
10
1
10
2
−20
0
20
40 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
0
20 dB/dec
= ω
0
O diagrama de ganho ´ e uma recta horizontal em 0dB e corta o eixo vertical em ω = ω
0
, para baixas
frequˆ encias. Para altas frequˆ encias, ´ e uma recta de declive 20dB por d´ ecada que passa no ponto

0
, 3).
Vejamos agora a fase:
∠G( jω) =∠
_
1+ j
ω
ω
0
_
=∠
_
1+ j
ω
ω
0
_
ω = ω
0
−→ 45
o
ω << ω
0
−→ 0
o
ω >> ω
0
−→ 90
o
10
−2
10
−1
10
0
10
1
10
2
−45
0
45
90
135 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
= 10ω
0
= 0.1ω
0
6.3. DIAGRAMAS DE BODE 145
O diagrama de fase ´ e uma linha horizontal em 0
o
at´ e 0.1ω
0
e tamb´ em horizontal em 90
o
a partir de
10ω
0
. Entre 0.1ω
0
e 10ω
0
a recta ´ e uma obl´ıqua e passa por (ω
0
, 45
o
).
6.3.6. Zeros reais m´ ultiplos
G(s) = G( jω) =
_
1+ j
ω
ω
0
_
r
=⇒ [G( jω)[ =
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
r
20log
10
[G( jω)[ = 20log
10
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
r
dB
= 20r log
10
¸
¸
¸
¸
1+ j
ω
ω
0
¸
¸
¸
¸
dB
∠G( jω) = ∠
_
1+ j
ω
ω
0
_
r
= r∠
_
1+ j
ω
ω
0
_
O diagrama de ganho ´ e uma recta horizontal em 0dB, que passa por (ω
0
, 3) e para ω >> ω
0
tem
declive r 20dB por d´ ecada.
10
−1
10
0
10
1
10
2
10
3
−20
0
20
40
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
0
40 dB/dec
= ω
0
O diagrama de fase ´ e uma linha horizontal em 0
o
at´ e 0.1ω
0
e a partir de 10ω ´ e hprizontal em r 90
o
A recta obl´ıqua passa em (ω
0
, r45
o
).
146 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
−1
10
0
10
1
10
2
10
3
−45
0
45
90
135
180
225 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
= 10ω
0
= 0.1ω
0
Exemplo 6.8 Retomamos a func¸ ˜ ao de transferˆ encia do Exemplo 6.6, com vista a trac¸ar o diagrama
assimpt´ otico de Bode completo.
G( jω) =
1
10
jω +1
_

10
+1
__

100
+1
_
= 20log
10
¸
¸
10
−1
¸
¸
+20log
10
[1+ jω[ −20log
10
¸
¸
¸1+ j
ω
10
¸
¸
¸ −20log
10
¸
¸
¸1+ j
ω
100
¸
¸
¸
A tracejado temos os diagramas assimpt´ oticos dos factores irredut´ıveis. As frequˆ encias a que ocor-
rem mudanc¸as s˜ ao as frequˆ encias de corte e correspondem ao m´ odulo dos p´ olos.
10
−1
10
0
10
1
10
2
10
3
−40
−20
0
20
40 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
( jw+1)
1
10
1
jw+10
1
jw+100
10
−1
10
0
10
1
10
2
10
3
10
4
−135
−90
−45
0
45
90
135 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
( jw+1)
1
10
1
jw+10
1
jw+100
6.3. DIAGRAMAS DE BODE 147
6.3.7. Um zero na origem
G( jω) = j
ω
ω
0
=⇒ 20log
10
[G( jω)[ = 20log
10
¸
¸
¸
¸
j
ω
ω
0
¸
¸
¸
¸
ω = ω
0
−→ 20log
10
1 = 0
ω >> ω
0
−→ 20log
10
ω
ω
0
→+∞
ω << ω
0
−→ 20log
10
ω
ω
0
→−∞
10
−1
10
0
10
1
10
2
10
3
−20
0
20
40
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
20 dB/dec
= ω
0
O diagrama de ganho ´ e uma recta de declive 20dB por d´ ecada e a passar pelo ponto (1, 0).
O diagrama de fase ´ e uma recta horizontal que intersecta o eixo vertical em 90
o
.
10
−1
10
0
10
1
10
2
10
3
45
90
135 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
6.3.8. Zeros na origem m´ ultiplos
O diagrama de ganho ´ e uma recta de declive r 20dB por d´ ecada e a passar pelo ponto (1, 0).
O diagrama de fase ´ e uma recta horizontal que intersecta o eixo vertical em r 90
o
.
148 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
6.3.9. Um p´ olo na origem
G( jω) =
1
j
ω
ω
0
20log
10
[G( jω)[ = −20log
10
¸
¸
¸
¸
j
ω
ω
0
¸
¸
¸
¸
ω = ω
0
−→ −20log
10
1 = 0
ω >> ω
0
−→ 20log
10
ω
ω
0
→−∞
ω << ω
0
−→ 20log
10
ω
ω
0
→+∞
10
−1
10
0
10
1
10
2
10
3
−60
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
−20 dB/dec
= ω
0
O diagrama de ganho ´ e uma recta de declive −20dB por d´ ecada e a passar pelo ponto (1, 0).
O diagrama de fase ´ e uma recta horizontal que intersecta o eixo vertical em −90
o
.
10
−1
10
0
10
1
10
2
10
3
−135
−90
−45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
6.3.10. P´ olos na origem m´ ultiplos
O diagrama de ganho ´ e uma recta de declive −r 20dB por d´ ecada e a passar pelo ponto (1, 0).
O diagrama de fase ´ e uma recta horizontal que intersecta o eixo vertical em −r 90
o
.
6.3. DIAGRAMAS DE BODE 149
6.3.11. Um par de p´ olos complexos conjugados
Vamos considerar o caso subamortecido, 0 < ξ < 1. Consideremos um sistema de segunda ordem:
G(s) =
ω
2
n
s
2
+2ξω
n
s +ω
2
n
⇐⇒
⇐⇒G( jω) =
ω
2
n
( jω)
2
+2ξω
n
jω +ω
2
n
⇐⇒
⇐⇒G( jω) =
ω
2
n

2
n
−ω
2
) +2ξω
n
ω j
=⇒ [G( jω)[ =
ω
2
n
_

2
n
−ω
2
)
2
+4ξ
2
ω
2
n
ω
2
∠G( jω) = −arctan
2ξω
n
ω
ω
2
n
−ω
2
Quando ´ e que [G( jω)[ atinge um m´ aximo? Obviamente quando g(ω) = (ω
2
n
−ω
2
) +(2ξω
n
ω)
2
for
m´ınimo. Ou seja, quando g
/
(ω) = 0 donde se tem
0 < ξ <

2
2
e ω
pico
= ω
n
_
1−2ξ
2
.
A ω assim definido chamamos frequˆ encia de ressonˆ ancia e a G
_
ω
pico
_
pico de ressonˆ ancia:
G
_
ω
pico
_
= 4ξ
2
_
1−ξ
2
_
Este ´ e o ponto m´ aximo do diagrama.
Temos ent˜ ao que
20log
10
[G( jω)[ = 20log
10
ω
2
n
_

2
n
−ω
2
)
2
+4ξ
2
ω
2
n
ω
2
= 20log
10
1
¸
_
1−
ω
2
n
ω
2
_
2
+
_

ω
n
ω
_
2
= −20log
10
_
_
1−
ω
2
n
ω
2
_
2
+
_

ω
n
ω
_
2
_
1/2
= −10log
10
_
_
1−
ω
2
n
ω
2
_
2
+
_

ω
n
ω
_
2
_
150 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Vejamos o que acontece:
ω = ω
n
, −→ −10log
10

2
ω << ω
n
−→ −20log
10
1 = 0
ω >> ω
n
−→ −20log
10
_
ω
n
ω
_
2
=−40log
10
ω
n
ω
O diagrama de ganho ´ e uma recta horizontal que corta o eixo vertical em 0dB e tem um pico de
ressonˆ ancia em
_
ω
pico
, G
_
ω
pico
__
e a partir de ω
n
´ e uma recta de declive −40dB/dec.
O pico s´ o existe com 0 < ξ < 0.707.
Vejamos o seguinte exemplo:
Exemplo 6.9
G(s) =
100
s
2
+2s +100
=
1
_
s
10
_
2
+
1
50
s +1
.
Vamos calcular:
ω
pico
= ω
n
_
1−2ξ
2
= 9.9 (6.3)
G
_
ω
pico
_
= 14dB (6.4)
10
−1
10
0
10
1
10
2
10
3
−60
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
pico
−40 dB/dec
= ω
n
6.3. DIAGRAMAS DE BODE 151
Vejamos agora a fase:
tan∠G( jω) =
−2ξ
ω
ω
n
1−
_
ω
ω
n
_
2
∠G( jω) =−arctan

ω
ω
n
1−
_
ω
ω
n
_
2
ω = ω
0
−→ −90
o
ω << ω
0
−→ 0
o
ω >> ω
0
−→ −180
o
10
−1
10
0
10
1
10
2
10
3
−225
−180
−135
−90
−45
0
45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
O diagrama de fase ´ e uma recta horizontal em 0
o
at´ e ω =ω
n
log
10
_
2
ξ
_
2
e tamb´ em horizontal a altas
frequˆ encias em −180
o
a partir de ω
n
2
log
10
_
2
ξ
_. Nas frequˆ encias interm´ edias, ´ e uma recta obl´ıqua
de declive −40dB e passa por (ω
n
, −90
o
).
6.3.12. Um par de zeros complexos conjugados
Consideremos um sistema de segunda ordem:
152 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
G(s) = s
2
+2ξω
n
s +ω
2
n
G( jω) = ω
2
n
_
1−
_
ω
ω
n
_
2
+2ξ
ω
ω
n
j
_
[G( jω)[ =
_

2
n
−ω
2
) +(2ξω
n
ω)
2
∠G( jω) = arctan
2ξω
n
ω
ω
2
n
−ω
2
Quando ´ e que [G( jω)[ atinge um m´ınimo? Obviamente quando g(ω) = (ω
2
n
−ω
2
) + (2ξω
n
ω)
2
´ e
m´ınimo. Ou seja quando
0 < ξ <

2
2
e ω
pico
= ω
n
_
1−2ξ
2
Este ´ e o ponto m´ınimo do diagrama.
Temos ent˜ ao que
20log
10
[G( jω)[ = 20log
10
_

2
n
−ω
2
)
2
+4ξ
2
ω
2
n
ω
2
= 20log
10
¸
_
1−
ω
2
n
ω
2
_
2
+2ξ
_
ω
n
ω
_
2
= 20log
10
_
_
1−
ω
2
n
ω
2
_
2
+2ξ
_
ω
n
ω
_
2
_
1/2
= 10log
10
_
_
1−
ω
2
n
ω
2
_
2
+2ξ
_
ω
n
ω
_
2
_
Vejamos o que acontece:
ω = ω
n
, −→ 10log
10

2
ω << ω
n
−→ 20log
10
1 = 0
ω >> ω
n
−→ 20log
10
_
ω
n
ω
_
2
=−40log
10
ω
n
ω
O diagrama de ganho ´ e uma recta horizontal que corta o eixo vertical em 0dB e tem um pico de
ressonˆ ancia negativo em
_
ω
pico
, G
_
ω
pico
__
e a partir de ω
n
´ e uma recta de declive 40dB/dec a passar
pelo ponto (ω
n
, 0). O pico s´ o existe com 0 < ξ < 0.707. Vejamos o seguinte exemplo:
Exemplo 6.10
G(s) = s
2
+2s +100 =
_
s
10
_
2
+
1
50
s +1.
6.3. DIAGRAMAS DE BODE 153
Vamos calcular:
ω
pico
= ω
n
_
1−2ξ
2
= 9.9 (6.5)
G
_
ω
pico
_
= 19.9dB (6.6)
10
−1
10
0
10
1
10
2
10
3
−20
0
20
40
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
ω
pico
40 dB/dec
= ω
n
Vejamos agora a fase:
tan∠G( jω) =

ω
ω
n
1−
_
ω
ω
n
_
2
∠G( jω) =−arctan

ω
ω
n
1−
_
ω
ω
n
_
2
ω = ω
0
−→ 90
o
ω << ω
0
−→ 0
o
ω >> ω
0
−→ 180
o
10
−1
10
0
10
1
10
2
10
3
−45
0
45
90
135
180
225 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
154 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
O diagrama de fase ´ e uma linha horizontal em 0
o
at´ e ω =ω
n
log
10
_
2
ξ
_
2
e tamb´ em horizontal a altas
frequˆ encias em 180
o
a partir de ω
n
2
log
10
_
2
ξ
_. Nas frequˆ encias interm´ edias, ´ e uma recta obl´ıqua de
declive 40dB e passa por (ω
n
, 90
o
).
6.3.13. Atraso
G(s) = G( jω) = e
−jωT
[G( jω)[ = 1
−20log
10
[G( jω)[ = 20log
10
1dB = 0dB
∠G( jω) = −ωT =−T 10
logw
O diagrama de ganho ´ e uma recta horizontal que corta o eixo vertical em 0dB.
Consideremos o exemplo G(s) = e
−0.1T
10
−2
10
−1
10
0
10
1
10
2
−40
−20
0
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
10
0
10
1
10
2
10
3
−135
−90
−45
0
45

rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
Em Matlab:
s=tf(’s’);
6.3. DIAGRAMAS DE BODE 155
sys=(0.05
*
s+1)ˆ2/((s+1)ˆ3
*
(0.01
*
s+1));
bode(sys)
Fac¸amos agora alguns exerc´ıcios com a ajuda do Matlab.
Exerc´ıcio 6.1 1. Com a ajuda do Matlab, esboce os diagramas de Bode para o ganho e a fase
da func¸ ˜ ao de transferˆ encia
G(s) =
10(s +3)
s(s +2)(s
2
+s +2)
.
2. Considere agora
G
1
(s) = k
10(s +3)
s(s +2)(s
2
+s +2)
,
e calcule k tal que G
1
(1KHz) = 10.
Resoluc¸ ˜ ao:
1. Temos que construir a FT e depois trac¸ar o diagrama de Bode:
sys1=tf([10],[1])
sys2=tf([1],[1 0])
sys3=tf([1 3],[1])
sys4=tf([1], [1 2])
sys5=tf([1], [1 1 2])
%Para trac¸ar o diagrama de Bode de cada elemento
bode(sys1,’r’,sys2,’b’,sys3,’g’,sys4,’y’,sys5,’cyan’)
Hsys1=series(sys1,sys2)
Hsys2=series(sys3,sys4)
Hsys3=series(Hsys1,Hsys2)
Hsys=series(Hsys3,sys5)
bode(Hsys)
2. Sabendo que f = 1000Hz, temos que ˜ ω = 2π f . Temos ent˜ ao que calcular G
1
( ˜ ω) = kG( ˜ ω) =
156 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10. Fazemos ent˜ ao
G( ˜ ω) =
10
k
em dB: 20log
10
G( ˜ ω)
. ¸¸ .
:=mag
= 20log
10
10
k


mag
20
= log
10
10
k

⇔10
mag
20
=
10
k

⇔k = 10
_
1−
mag
20
_
Em Matlab:
w=2
*
pi
*
1000
evalfr(Hsys,w)
[mag,phase] = bode(Hsys,w)\%to obtain the magnitude for w
K=10ˆ((20-mag)/20)
sysK=tf([K],[1])
HsysK=series(Hsys,sysK)
bode(HsysK)
Exerc´ıcio 6.2 1. Determine a func¸ ˜ ao de transferˆ encia G(s) de fase m´ınima (todos os p´ olos e
zeros da FT. est˜ ao no semi-plano esquerdo de s), cujo diagrama assint´ otico de Bode est´ a
representado na figura.

Licenciatura em
Engenharia Electrotécnica
Sistemas de Controlo
Caderno de Exercícios

U.T.A.D. – Departamento de Engenharias
José Boaventura Cunha, Raul Morais @2000
Pág - 16

b)
) 2 s )( 5 s ( s
10
) s ( G

e)
) 1 s 05 . 0
) s 5 . 0 1 ( 4
) s ( G
) s 125 . 0 (
2

c)
) 10 s ( s
1 s
) s ( G

f)
200 s 230
1
) s ( G
s 31 s
2 3



!"#$%&'()*+

Desenhe um esboço do diagrama de Bode para os seguintes sistemas:
a)

100
( 1)(0.1 1) s s

b)

2
10( 3)
( 2)( 2)
s
s s s s

c)

ª º
¬ ¼
2
4(1 0.5 )
(1 2 ) 1 0.05 (0.125 )
s
s s s s


!"#$%&'()*,

Determinado sistema de fase mínima apresenta a seguinte resposta em frequência:

Z[rad/s]
dB
1 1
20 20
10 10
11.4 11.4
2.7 2.7 Z
1
0.1 0.1
--40dB/dec 40dB/dec
Z[rad/s]
dB
1 1
20 20
10 10
11.4 11.4
2.7 2.7 Z
1
0.1 0.1
--40dB/dec 40dB/dec


a) Determine a função de transferência do sistema.


!"#$%&'()**

2. Com a ajuda do Matlab, desenhe o trac¸ado das amplitudes de Bode de G(s).
3. Corrija o ganho de G(s) de tal forma que G(0.1) = 1.
6.3. DIAGRAMAS DE BODE 157
Resoluc¸ ˜ ao:
1. Olhando para o diagrama, vemos que o nosso sistema tem um ganho de 20log
10
k = 20 =⇒
k = 10 um p´ olo em ω = 1, um zero em ω = 2.7 e outro p´ olo em ω = ω
1
:
G(s) = K
(s +2.7)
(s +1)(s +ω
1
)
2
,
que fica na forma de Bode:
G(s) = K
2.7
ω
2
1
(s +2.7)
(s +1)(s +ω
1
)
2
.
Vamos calcular K : 20log
10
K
2.7
ω
2
1
= 20 =⇒ K =
ω
2
1
∗10
2.7
.
2. Em Matlab:
%plot cada elemento
figure(1)
K=180;
w1=7;
sys1=tf([K],[1]);
sys2=tf([1],[1 1]);
sys3=tf([1 2.7],[1]);
sys4=tf([1], [1 2
*
w1 w1ˆ2]);
bode(sys1,’r’,sys2,’b’,sys3,’g’,sys4,’y’)
Hsys1=series(sys1,sys2);
Hsys2=series(sys3,sys4);
Hsys=series(Hsys1,Hsys2);
figure(2)
bode(Hsys,{0.1 , 10})\%trac¸a o diagrama de Bode para frequˆencias ...
... wmin=0.1 e wmax=10
\%verificar
zpk(Hsys)
158 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
6.4. A resposta em frequˆ encia atrav´ es do diagrama de p´ olos e zeros
A resposta em frequˆ encia pode ser expressa em termos dos p´ olos e zeros do sistema, substituindo s
por jω na func¸ ˜ ao de transferˆ encia factorizada em termos de p´ olos e zeros:
G( jω) = K
( jω −z
1
)( jω −z
2
). . . ( jω −z
m
)
( jω −p
1
)( jω −p
2
). . . ( jω −p
n
)
.
Entendendo a resposta emfrequˆ encia como a func¸ ˜ ao de transferˆ encia comvalores no eixo imagin´ ario
do plano-s, ou seja s = jω, o m´ etodo gr´ afico descrito na Secc¸ ˜ ao 6.2 pode ser aplicado directamente
` a resposta em frequˆ encia. De igual forma, cada um dos zeros/p´ olos da resposta em frequˆ encia
corresponde a um vector. Por exemplo, para um p´ olo:
[G( jω)[ = K

m
i=1
[ jω −z
i
[

n
i=1
[ jω −p
i
[
∠G( jω) =
m

i=1
∠( jω −z
i
) −
n

i=1
∠( jω −p
i
)
Este m´ etodo gr´ afico pode ser ´ util na obtenc¸ ˜ ao de informac¸ ˜ ao qualitativa sobre a resposta emfrequˆ encia.
A fim de desenvolvermos a nossa intuic¸ ˜ ao, comec¸amos por considerar um sistema de ordem–1 com
um p´ olo em p = −1/τ. Sabemos j´ a que n˜ ao podemos determinar o ganho, mas mesmo assim, da
observac¸ ˜ ao do diagrama, podemos retirar as seguintes conclus˜ oes:
1. A baixas frequˆ encias, o ganho assume valores finitos e o ˆ angulo ´ e pequeno e finito.
2.
`
A medida que a frequˆ encia aumenta o ganho diminui e a fase aumenta.
3. A frequˆ encias muito elevadas, o ganho ´ e praticamente nulo e a fase aproxima-se de
π
2
.
Consideremos ainda um exemplo de ordem–2, com o coeficiente de amortecimento escolhido de tal
forma que os p´ olos se localizem na proximidade do eixo imagin´ ario. Podem retirar-se as seguintes
conclus˜ oes:
1. A muito baixas frequˆ encias, existe um ganho finito (ainda que indeterminado) e uma fase
pequena e finita.
2.
`
A medida que a frequˆ encia aumenta, um dos p´ olos aproxima-se de s = jω e como tal a mag-
nitude correspondente a este p´ olo torna-se muito pequena, obviamente esta situac¸ ˜ ao vai cor-
responder a um m´ aximo na magnitude da resposta em frequˆ encia em torno do p´ olo.
6.4. DIAGRAMA DE P
´
OLOS E ZEROS 159
3. A frequˆ encias muito elevadas, a magnitude de cada p´ olo tende para zero e logo o ganho da
resposta em frequˆ encia tende para zero, enquanto que a fase se aproxima de π, dado que a fase
correspondente a cada um dos p´ olos tende para
π
2
.
Com base nestes dois exemplos, fac¸amos as seguintes generalizac¸ ˜ oes sobre a resposta em frequˆ encia
de um sistema linear a partir do diagrama de p´ olos e zeros:
1. Se o sistema tiver mais p´ olos do que zeros, a magnitude da resposta em frequˆ encia tender´ a
para zero. Se o n´ umero de zeros do sistema for superior ao n´ umero de p´ olos, a magnitude
crescer´ a infinitamente com a frequˆ encia. Obviamente que sob o ponto de vista f´ısico isto n˜ ao
´ e poss´ıvel, pois corresponderia a um ganho infinito de energia conferido pelo sistema !!! (por
tal raz˜ ao as FT impr´ oprias se dizem n˜ ao realiz´ aveis)
2. Se o sistema possui um par de zeros complexos, localizados na vizinhanc¸a do eixo ima-
gin´ ario, a magnitude tem um pico de ressonˆ ancia nas frequˆ encias na vizinhanc¸a do p´ olo. Se
o par de p´ olos complexos estiver localizado sobre o eixo imagin´ ario, o ganho ser´ a infinito nas
frequˆ encias dos p´ olos.
3. Se o sistema possui um par de p´ olos complexos, localizados na vizinhanc¸a do eixo imagin´ ario,
a magnitude tem um pico negativo de ressonˆ ancia nas frequˆ encias na vizinhanc¸a do zero.
Se o par de zeros complexos estiver localizado sobre o eixo imagin´ ario, o ganho ser´ a zero
nas frequˆ encias dos zeros e consequentemente o sistema n˜ ao responder´ a a qualquer entrada
sinusoidal a tal frequˆ encia.
4. Um p´ olo na origem do s-plano (correspondente a um termo puro de integrac¸ ˜ ao da func¸ ˜ ao de
transferˆ encia) implica um ganho infinito ` a frequˆ encia zero.
5. Um zero na origem do s-plano (correspondente a um termo puro de derivac¸ ˜ ao da func¸ ˜ ao de
transferˆ encia) implica um ganho nulo ` a frequˆ encia zero.
O diagrama de p´ olos e zeros cont´ em informac¸ ˜ ao suficiente para definir a resposta em frequˆ encia para
uma constante de ganho global arbitr´ aria. Muitas vezes ´ e suficiente conhecer somente a variac¸ ˜ ao do
ganho e n˜ ao os seus valores concretos. O m´ etodo que acab´ amos de descrever permite trac¸ar o ganho
da resposta em frequˆ encia por inspecc¸ ˜ ao, sem ser necess´ ario trac¸ar as curvas de cada componente,
baseando-se no facto de o crescimento do ganho mudar em cada frequˆ encia de corte.
O primeiro passo deste m´ etodo ´ e, logicamente, identificar as frequˆ encias de corte. Isto pode ser
feito atrav´ es do trac¸ado de circunferˆ encias com um compasso: trac¸ar um arco de circunferˆ encia
centrado na origem e a passar no p´ olo/zero e semi-eixo imagin´ ario positivo. Os pontos destes arcos
160 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
de circunferˆ encia pertencentes ao eixo das ordenadas s˜ ao as frequˆ encias de corte. Estas frequˆ encias
de corte podem ser directamente transferidas para o diagrama de Bode. Seguidamente, trac¸amos o
diagrama de Bode, relembrando que cada zero/p´ olo contribui com 0 dB a baixas frequˆ encias, um
zero contribui com uma assimptota com declive 20 dB/decada depois da sua frequˆ encia de corte e
um zero com −20 dB/decada. Os zeros/p´ olos na origem n˜ ao podem ser trac¸ados, porque est˜ ao de
facto ` a esquerda de todas as frequˆ encias de corte. De facto elas correspondem a translac¸ ˜ oes verticais
do diagrama do ganho de Bode.
6.5. O efeito dos zeros na resposta em frequˆ encia
Os p´ olos determinam a forma intr´ınseca da resposta do sistema. Os zeros determinam o efeito de
cada p´ olo na resposta do sistema. Por exemplo, se um zero est´ a muito pr´ oximo de um p´ olo, ent˜ ao
esse p´ olo pode ser negligenciado (falamos de p´ olos e zeros no s.p.e).
Os p´ olos devem estar sempre no s.p.e. para que o sistema seja est´ avel, mas os zeros podem estar no
semiplano direito (s.p.d.) Quando um sistema tem s´ o zeros no s.p.e. diz-se de fase m´ınima.
Os p´ olos determinam a velocidade do sistema, i.e., o tempo que o sistema demora a atingir a sua
resposta estacion´ aria. Os zeros afectam a amplitude dessa mesma resposta.
Vamos analisar o efeito dos zeros atrav´ es de um exemplo. Comecemos pelo exemplo de ordem–2:
G(s) =
1
s
2
+1.6s +1
,
cujo diagrama de Bode ´ e
10
−2
10
−1
10
0
10
1
10
2
−110
−70
−30
10
50 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
6.5. OS ZEROS NA RESPOSTA EM FREQU
ˆ
ENCIA 161
10
−1
10
0
10
1
10
2
10
3
−225
−180
−135
−90
−45
0
45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
`
A custa de G(s) definimos agora as seguintes func¸ ˜ oes de transferˆ encia
˜
G
1
(s) = (s +0.1)G(s)
˜
G
2
(s) = (s +1)G(s)
˜
G
3
(s) = (s +10)G(s)
A tracejado est´ a representada a FT G(s).
10
−2
10
−1
10
0
10
1
10
2.5
−100
−60
−20
20
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
˜
G
1
(s)
˜
G
2
(s)
˜
G
3
(s)
10
−3
10
−2
10
−1
10
0
10
1
10
2
10
3
−180
−135
−90
−45
0
45 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
Enquanto que um zero no s.p.e. induz uma ultrapassagem, um zero no s.p.d., de magnitude idˆ entica,
induzir´ a uma resposta inversa m´ axima, i.e., a resposta comec¸ar´ a no sentido oposto da entrada.
Para melhor analisar este facto, seguem-se os diagramas de Bode de um zero no s.p.e. (a tracejado)
e um zero no s.p.d..
162 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
−2
10
−1
10
0
10
1
10
2.5
−20
20
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
(s +1)
(s −1) −−
10
−2
10
−1
10
0
10
1
10
2
−45
45
135
225 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
(s +1)–
(s −1) −−
Vejamos agora a comparac¸ ˜ ao de (s −1)G(s) (a tracejado) com (s +1)G(s) :
10
−2
10
−1
10
0
10
1
10
2.5
−60
−20
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
10
−2
10
−1
10
0
10
1
10
2
−90
−45
0
45
90
135
180
225 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
Vamos agora analisar o efeito de um zero (sistemas de fase m´ınima) atrav´ es da velocidade dos p´ olos
a partir do zero. Os seguintes diagramas de Bode dizem respeito ` a func¸ ˜ ao
˜
G(s) = (s +1)G(s) = (s +1)
ω
2
n
s
2
+2ξω
n
s +ω
2
n
,
para diferentes valores de ω
n
= 0.25, 0.5, 1, 2, 4
Nos seguintes diagramas, a azul temos s´ o G(s) quando variamos ω
n
, com ξ = 0.2 e a vermelho
temos a variac¸ ˜ ao de
˜
G(s) nas mesmas condic¸ ˜ oes. Um maior ξ amortece o pico.
6.5. OS ZEROS NA RESPOSTA EM FREQU
ˆ
ENCIA 163
10
−2
10
−1
10
0
10
1
10
2.5
−140
−120
−100
−80
−60
−40
−20
0
20
40
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
10
−2
10
−1
10
0
10
1
10
2
−225
−180
−135
−90
−45
0
45
90 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
E se o zero for em s = 0.10?
10
−2
10
−1
10
0
10
1
10
2.5
−140
−120
−100
−80
−60
−40
−20
0
20
40
60 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
164 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
10
−2
10
−1
10
0
10
1
10
2
−225
−180
−135
−90
−45
0
45
90 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
E se o zero for em s = 10?
10
−2
10
−1
10
0
10
1
10
2.5
−140
−120
−100
−80
−60
−40
−20
0
20
40 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
,
2
0
l
o
g
(
[
G
(
j
ω
)
[
)
10
−2
10
−1
10
0
10
1
10
2
−225
−180
−135
−90
−45
0
45
90 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
Quando o zero, visto dos p´ olos ´ e ”muito r´ apido”o seu efeito ´ e desprez´ıvel, uma vez que a sua
contribuic¸ ˜ ao aparece somente quando a magnitude de G(s) ´ e j´ a muito pequena. Em qualquer dos
casos, o zero adiciona 20dB ao declive da ass´ımptota de alta frequˆ encia no ganho e um levantamento
de 90
o
da fase.
A velocidade de um zero vista de um p´ olo ´ e julgada em termos das suas distˆ ancias numa escala
logar´ıtmica, ou seja, log[p[ −log[z[ = log
¸
¸
¸
¸
p
z
¸
¸
¸
¸
; a forma logar´ıtmica mede os seus efeitos relativos.
6.5. OS ZEROS NA RESPOSTA EM FREQU
ˆ
ENCIA 165
Exemplo 6.11 Seja
G(s) =
16(s +1)
(s
2
+6.4s +16)
,
cuja resposta em frequˆ encia est´ a expressa nos seguintes diagramas de Bode
10
−2
10
−1
10
0
10
1
10
2.5
0
20
40 dB
rad/s
10
−2
10
−1
10
0
10
1
10
2
−90
−45
0
45 dB
rad/s
A resposta em frequˆ encia deste sistema tem um m´ aximo de 14.24dB em ω
r
= 3.9 rad/s. Vejamos
[p−z[ =[−3.2+ j2.4+1[ = 3.3 e log
10
¸
¸
¸
¸
p
z
¸
¸
¸
¸
= log
10
4 = 0.6021
Por outro lado
G(s) =
40(s +10)
(s
2
+6.4s +400)
,
cuja resposta em frequˆ encia est´ a expressa nos seguintes diagramas de Bode
10
−2
10
−1
10
0
10
1
10
2.5
−20
0
20
40 dB
rad/s
10
−2
10
−1
10
0
10
1
10
2
−120
−75
−30
15
60 dB
rad/s
A resposta em frequˆ encia deste sistema tem um m´ aximo de 9dB em ω
r
= 19.5 rad/s. Vejamos
[p−z[ =[−3.2+ j19.74+10[ = 20.8806 e log
10
¸
¸
¸
¸
p
z
¸
¸
¸
¸
= 0.3010 que ´ e de facto menor.
Vamos agora entender matematicamente o que se passa.
Temos a FT resultante
˜
G(s) = G(s)(s +z), z ,= 0
166 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
Analisemos o diagrama de Bode para o ganho:
˜
G( jω) = G(ω j)( jω +z) =
ω
2
n
( jω +z)
( jω)
2
+2ξω
n
ω j +ω
2
n
=
ω
n
_
j
ω
ω
n
+
z
ω
n
_
( j
ω
ω
n
)
2
+2ξ
ω
ω
n
j +1
·
ω →∞,
˜
G(s) ·
ω
n
_
j
ω
ω
n
_
( j
ω
ω
n
)
2
=
ω
2
n

(o termo quadr´ atico lidera)
Vejamos ent˜ ao a ass´ımptota de alta frequˆ encia
20log
¸
¸ ˜
G( jω)
¸
¸
:
·
ω →∞, 20log
ω
2
n
ω
=−20log
ω
ω
n
. ¸¸ .
˜ x
+20logω
n
,
ou seja
˜ y =−20˜ x +20logω
n
.
E a ass´ımptota de baixa frequˆ encia
˜
G( jω) = G(ω j)( jω +z), com
·
ω →0 vem
˜
G( jω) ·G(0)z
ou seja
20log
¸
¸ ˜
G( jω)
¸
¸
, com
·
ω →0 vem 20log[z[
ou seja
˜ y = 20log[z[.
Vejamos agora o que acontece ao diagrama da fase
ω →0 : ∠
˜
G( jω) =∠G(ω j) +∠( jω +z) →0
o
+∠z =
_
_
_
0
o
se z > 0
−180
o
se z < 0
ω →∞ : ∠
˜
G( jω) =∠G(ω j) +∠( jω +z) →−180
o
+90
o
=−90
o
A forma atr´ as considerada para a introduc¸ ˜ ao de um zero na FT G(s) n˜ ao ´ e ´ unica. Pois qualquer FT
da forma
˜
˜
G(s) = K
˜
G(s) = KG(s)(s +z)
tem os mesmos p´ olos e o mesmo zero que
˜
G(s). Observe-se ainda poder o diagrama do ganho para
˜
˜
G(s) ser obtido por translac¸ ˜ ao de 20log[K[ dB do correspondente diagrama para
˜
G(s).
Tomando K =
1
[z[
, (z ,= 0) obtemos
˜
˜
G( jω) = G( jω)
jω +z
[z[
ω→0
−→
z
[z[
.
6.6. SISTEMAS DE FASE M
´
INIMA E N
˜
AO M
´
INIMA 167
Pelo que
20log
¸
¸
¸
˜
˜
G( jω)
¸
¸
¸
ω→0
−→20log
z
[z[
= 20log1 = 0.
A ass´ımptota de baixa frequˆ encia para
˜
˜
G ´ e dada portanto por ˜ y = 0, coincidindo com a de G.
6.6. Sistemas de fase m´ınima e n˜ ao m´ınima
Considere-se o sistema de ordem–1 caracterizado por um p´ olo e um zero reais, e com ganho est´ atico
unit´ ario
G(s) =
1+sτ
1+sT
cuja func¸ ˜ ao de transferˆ encia e mapa de p´ olos e zeros se mostra de seguida para T =±τ > 0.
O sistema da esquerda ´ e um sistema de fase m´ınima, pois ambos o p´ olo e o zero se situam no s.p.e.
e o ganho est´ atico ´ e positivo. Pelo contr´ ario, o sistema da direita tem o zero no s.p.d. pelo que
representa um sistema de fase n˜ ao m´ınima.
−2 2
−1
−0.5
0.5
1
R(s)
I(s)
−2 2
−1
−0.5
0.5
1
R(s)
I(s)
Ambas as func¸ ˜ oes de transferˆ encia tˆ em igual magnitude, pois depende apenas da distˆ ancia do zero
ao eixo imagin´ ario. Mas o mesmo n˜ ao se passa com a fase, pois estando o zero em diferentes
semi-planos, temos:
∠G( jω) = arctan(ωτ) −arctan(ωT),
pelo que para ω > 0, a contribuic¸ ˜ ao de um zero para a caracter´ıstica da fase ser´ a positiva ou nega-
tiva de acordo com o semi-plano onde esse mesmo zero se situa. Nomeadamente, o zero no s.p.d.
provoca uma variac¸ ˜ ao da fase de −
π
2
rad, i.e., do ponto de vista da fase, um zero no s.p.d. comporta-
se como um p´ olo no s.p.e.. Sempre que nada ´ e dito em contr´ ario, vamos assumir sistemas de fase
m´ınima. Os sistemas de fase m´ınima s˜ ao caracterizados de forma ´ unica por possuirem todos os p´ olos
168 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
e zeros no s.p.e. e terem ganho est´ atico positivo e como tal a relac¸ ˜ ao entre as caracter´ısticas da fase
e da magnitude ´ e ´ unica.
6.7. Relac¸ ˜ ao entre a resposta ao escal˜ ao
O ganho est´ atico representa o valor final da resposta no tempo do sistema ao sinal de entrada degrau
unit´ ario. Depois de aprendermos a trac¸ar diagramas de Bode, facilmente chegamos ` a conclus˜ ao que
o ganho est´ atico representa o ganho de baixa frequˆ encia. Ou seja, o ganho est´ atito, K
0
, ´ e o ganho da
resposta em frequˆ encia para ω = 0.
6.8. Observac¸ ˜ oes finais
Este cap´ıtulo foi organizado com base nos livros de (Lourtie, 2002; de Carvalho, 2000) e nos apon-
tamentos de (Rocha, 2010)
6.9. Mais exerc´ıcios
1. Um sistema est´ avel, com func¸ ˜ ao de transferˆ encia G(s) =
k
(s + p)
3
, quando actuado pela en-
trada sin(t) apresenta, em regime permanente, a resposta
1
4
sin
_
t −
π
2
_
. Nestas condic¸ ˜ oes,
deterine os valores de k e p, sem recorrer ` a transformada de Laplace.
2. Esboce o trac¸ado assimpt´ otico de cada um dos sistemas:
(a)
1
s(s +1)
(b)
1
(s +1)(s +100)
(c)
s +1
s +10
(d)
1
(s +10)(s +1)
(e)
s +4
s(s +0.2)
(f)
(s +0.2)
s
2
(s +4)
(g)
10(s +5)(s +1)
(s +5.2)(s +6)
(h)
1−s
s +10
(g)
s +5
s
2
+0.5s +0.25
(h)
10−s
s +1
6.9. MAIS EXERC
´
ICIOS 169
3. Use o Matlab para verificar cada um dos exerc´ıcios anteriores.
4. Para cada um dos exerc´ıcios anteriores de fase m´ınima, indique as margens de ganho e fase
bem como as respectivas travessias de corte.
5. Considere a func¸ ˜ ao em malha aberta G(s) =
4k
s(s +4)
2
, calcule as margens de ganho e fase
para o sistema em malha fechada considerando k = 1. Determine os valores de k para os quais
o sistema em MF se mant´ em est´ avel.
6. Usando o Matlab fac¸a o mapeamento dos p´ olos e zeros do sistema.
170 CAP
´
ITULO 6. AN
´
ALISE EM FREQU
ˆ
ENCIA DE SISTEMAS EM MA
7. An´ alise do desempenho de sistemas
realimentados
Este cap´ıtulo tem como objectivo analisar sistemas em malha fechada (MF), a partir dos conheci-
mentos adquiridos nos Cap´ıtulo 3 Cap´ıtulo 6, e restringindo a nossa discuss˜ ao a sistemas est´ aveis.
Muitas situac¸ ˜ oes da vida real s˜ ao model´ aveis atrav´ es de sistemas cuja relac¸ ˜ ao entrada/sa´ıda ´ e linear
e fazendo uso do conceito de retroacc¸ ˜ ao.
Um sistema em malha fechada usa a medida real da sa´ıda do sistema para comparac¸ ˜ ao com a medida
desejada (ou valor de referˆ encia). A diferenc¸a entre estes dois valores, a que se chama erro de segui-
mento, visa corrigir o comportamento do sistema. (Muitos destes erros devem-se a n˜ ao linearidades
do sistema. )
Para analisar o erro do desempenho do sistema em regime permanente s˜ ao utilizadas diferentes
entradas testes. As entradas em degrau s˜ ao utilizadas para avaliar a capacidade de um sistema se
posicionar em relac¸ ˜ ao a um objecto est´ atico, como por exemplo o posicionamento de um sat´ elite ou
de uma antena. O impulso avalia a capacidade de reac¸ ˜ ao de do sistema a um est´ımulo instantˆ aneo.
As entradas em rampa permitem avaliar a capacidade de seguimento de um sistema com velocidade
constante e as em par´ abola com acelarac¸ ˜ ao constante. Observa-se que quanto maior for o n´ umero de
p´ olos da FT na origem, melhor ´ e o seguimento dos sinais de referˆ encia. O que sugere que o uso de
integradores em s´ erie com G(s) poder´ a ser uma forma de melhorar a capacidade de seguimento de
um sistema com retroac¸ ˜ ao.
Num sistema em malha aberta, os p´ olos s˜ ao facilmente determinados por inspecc¸ ˜ ao e n˜ ao variam
com o ganho. Num sistema em malha fechada, os p´ olos s˜ ao usualmente determinados atrav´ es da
fatorizac¸ ˜ ao do polin´ omio caracter´ıstico e variam com o ganho. O lugar geom´ etrico de ra´ızes (LGR)
171
172 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
´ e uma ferramenta gr´ afica muito poderosa de an´ alise e projecto de sistemas tendo em vista a estabi-
lidade e a resposta transit ´ oria. A grande virtude deste m´ etodo ´ e ser capaz de fornecer soluc¸ ˜ oes para
sistemas de ordem superior.
A resposta em frequˆ encia pode ser visualizada de diferentes formas, de que s˜ ao exemplo o dia-
grama polar ou de Nyquist ou os diagramas de Bode. Ambas as representac¸ ˜ oes mostram a mesma
informac¸ ˜ ao, mas de forma diferente. Neste cap´ıtulo vamos aprender a trac¸ar diagramas de Nyquist,
com vista ao estudo da estabilidade relativa de um sistema.
7.1. Definic¸ ˜ ao de sistema com retroacc¸ ˜ ao ou realimentac¸ ˜ ao
Consideremos o seguinte sistema com retroacc¸ ˜ ao ou realimentac¸ ˜ ao (que tamb´ em se diz em malha
fechada):
G(s)
H(s)
r(t) e(t) y(t)

a r(t) chamamos o sinal de referˆ encia. Se pretendermos que y siga r, temos que:
e = r −y
a que chamamos erro de seguimento (ou erro em regime permanente).
7.1. DEFINIC¸
˜
AO DE SISTEMA COM RETROACC¸
˜
AO OU REALIMENTAC¸
˜
AO 173
No dom´ınio das frequˆ encias, temos que:
Y(s) = G(s)E(s)
E(s) = R(s) −H(s)Y(s)
=⇒ Y(s) = G(s)(R(s) −H(s)Y(s)) ⇐⇒
⇐⇒(1+G(s)H(s))Y(s) = G(s)R(s) ⇐⇒
⇐⇒Y(s) =
G(s)
1+G(s)H(s)
R(s)
=⇒ E(s) =
_
1−
G(s)H(s)
1+G(s)H(s)
_
R(s) ⇐⇒
⇐⇒E(s) =
1
1+G(s)H(s)
R(s).
Ora este sistema ´ e equivalente ao sistema em malha aberta
1
1+G(s)H(s)
G(s)
r e
y
Consideremos o sistema de controlo com realimentac¸ ˜ ao:
K(s) G(s)
+
H(s)
r(t) e(t)
d(t)
c(t)

onde d(t) s˜ ao as poss´ıveis perturbac¸ ˜ oes do sistema e G(s) ´ e o sistema a controlar. Seja ent˜ ao:
C(s) = K(s)G(s)E(s) +D(s)
E(s) = R(s) −H(s)C(s)
174 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
o que ´ e equivalente a
C(s) =
K(s)G(s)
1+K(s)G(s)H(s)
R(s) +
1
1+K(s)G(s)H(s)
D(s)
E(s) =
1
1+K(s)G(s)H(s)
R(s) +
−H(s)
1+K(s)G(s)H(s)
D(s).
7.2. An´ alise do desempenho em regime permanente
Chamamos regime permanente quando o sistema atinge a estacionaridade, isto ´ e t →∞.
7.2.1. Erro de seguimento em regime estacion´ ario
Mais ainda, consideremos o seguinte esquema
G(s)
K W(s)
r e
y

com
G(s) =
b
m
s
m
+ b
1
s +1
s

(a
n
s
n
+ +a
1
s +1)
e K ,= 0
Trata-se de um caso particular de um sistema de controlo com K(s) = K e H(s) = 1. Definindo
G(s) = KW(s) obtemos:
G(s)
r e
y

com E(s) =
1
1+G(s)
R(s).
7.2. AN
´
ALISE DO DESEMPENHO EM REGIME PERMANENTE 175
A FT G(s) (e W(s)) tem p´ olos na origem, dizendo-se por isso que G(s) e o sistema por ela repre-
sentado s˜ ao do tipo .
Sistema do tipo
Chamamos erro de seguimento em regime estacion´ ario ao erro de seguimento assimpt ´ otico. Usando
o Teorema do Valor Final, temos:
e
ss
= lim
t→∞
e(t) = lim
s→0
sE(s).
As frequˆ encias presentes em e(t) correspondem:
(i) aos modos naturais do sistema
1
1+G(s)
,
(ii) ` as frequˆ encias presentes na referˆ encia r(t) que n˜ ao s˜ ao canceladas por zeros do sistema.
Portanto se
1
1+G(s)
for inst´ avel lim
t→∞
e(t) =∞, n˜ ao se podendo ent˜ ao falar de regime estacion´ ario.
Por tal raz˜ ao, no que se segue, vamos assumir que
1
1+G(s)
´ e um sistema est´ avel. Mesmo nestas
condic¸ ˜ oes, ainda podemos ter lim
t→∞
e(t) =∞, se as frequˆ encias inst´ aveis de r(t) n˜ ao forem canceladas.
Referˆ encia em degrau
e
ss
1
= lim
t→∞
e(t) = lim
s→0
s
1
1+G(s)
1
s
= lim
s→0
1
1+G(s)
=
1
1+lim
s→0
G(s)
. ¸¸ .
K
p
a K
p
chama-se coeficiente de erro est´ atico de posic¸ ˜ ao. Seja
K
p
= lim
s→0
G(s) = lim
s→0
K(b
m
s
m
+ b
1
s +1)
s

(a
n
s
n
+ +a
1
s +1)
= lim
s→0
K
s

=
_
_
_
K se = 0
∞ se ≥1
Portanto,
e
ss
1
=
_
_
_
1
1+K
se = 0
0 se ≥1
176 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
A resposta ao degrau mede a habilidade de um sistema de controlo regular um sistema em MF
atrav´ es da avaliac¸ ˜ ao da sa´ıda de uma entrada constante.
Referˆ encia em rampa
e
ss
2
= lim
t→∞
e(t) = lim
s→0
s
1
1+G(s)
1
s
2
= lim
s→0
1
1+G(s)
1
s
=
1
lim
s→0
sG(s)
. ¸¸ .
K
v
a K
v
chamamos coeficiente de erro est´ atico de velocidade. Seja
K
v
= lim
s→0
sG(s) = lim
s→0
sK(b
m
s
m
+ b
1
s +1)
s

(a
n
s
n
+ +a
1
s +1)
= lim
s→0
sK
s

=
_
¸
¸
¸
_
¸
¸
¸
_
0 se = 0
K se = 1
∞ se ≥2
Portanto,
e
ss
2
=
_
¸
¸
¸
_
¸
¸
¸
_
∞ se = 0
1
K
se = 1
0 se ≥2
A resposta ` a rampa ´ e a medida da habilidade de um sistema em MF seguir uma traject ´ oria simples
que varia com o tempo.
Referˆ encia parab´ olica
e
ss
3
= lim
t→∞
e(t) = lim
s→0
s
1
1+G(s)
1
s
3
= lim
s→0
1
(1+G(s))s
2
= lim
s→0
1
s
2
G(s)
=
1
lim
s→0
s
2
G(s)
. ¸¸ .
K
a
7.2. AN
´
ALISE DO DESEMPENHO EM REGIME PERMANENTE 177
a K
a
chamamos coeficiente de erro est´ atico de acelerac¸ ˜ ao. Seja
K
a
= lim
s→0
s
2
G(s) = lim
s→0
s
2
K(b
m
s
m
+ b
1
s +1)
s

(a
n
s
n
+ +a
1
s +1)
= lim
s→0
s
2
K
s

=
_
¸
¸
¸
_
¸
¸
¸
_
0 se = 0, 1
K se = 2
∞ se ≥3
Portanto,
e
ss
3
=
_
¸
¸
¸
_
¸
¸
¸
_
∞ se = 0, 1
1
K
se = 2
0 se ≥3
Exerc´ıcio 7.1 Considere uma FT do tipo–
G(s) =
K(b
m
s
m
+ +b
1
s +1)
s

(a
n
s
n
+ +a
1
s +1)
=
K
s

˜
G(s) ( note que
˜
G(0) = 1)
com
1
1+G(s)
est´ avel.
(a) Verifique que
1
1+G(s)
=
s

s

+K
˜
G(s)
tem zeros (e nenhum p´ olo) na origem.
(b) Estude novamente o comportamento assimpt´ otico do erro de seguimento para referˆ encias em
degrau, em rampa e parab´ olica, usando a express˜ ao de
1
1+G(s)
da al´ınea anterior.
O comportamento do erro em regime permanente pode ser resumido na seguinte tabela:
Sinal de entrada G(s) do tipo 0 G(s) do tipo 1 G(s) do tipo 2 G(s) do tipo ≥3
Degrau (1/s)
1
1+K
p
0 0 0
Rampa (1/s
2
) ∞
1
K
v
0 0
Par´ abola (1/s
3
) ∞ ∞
1
K
a
0
Da an´ alise da tabela, observa-se que quanto maior o n´ umero de p´ olos na origem da FT, G(s), melhor
´ e o seguimento dos sinais de referˆ encia estudados. O que sugere que o uso de integradores em s´ erie
com G(s) poder´ a ser uma boa medida para melhorar a capacidade de seguimento do sistema em
malha fechada. No entanto, como veremos no Cap´ıtulo 5, a adic¸ ˜ ao de integradores tem um efeito
prejudicial sobre a estabilidade: no sentido em que a resposta passar´ a a ter transit ´ orios mais lentos.
Exerc´ıcio 7.2 1. (a) Determine as constantes de posic¸ ˜ ao, velocidade e acelerac¸ ˜ ao do erro em
178 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
regime permanente para o seguinte sistema
1
(s +2)(s +3)
R(s) C(s)
(b) Confirme os resultados obtidos na al´ınea anterior, fazendo em matlab:
i. a simulac¸ ˜ ao do sistema em MF.
ii. a simulac¸ ˜ ao do erro permanente considerando as diferentes referˆ encias: emdegrau,
a rampa e a par´ abola.
2. Considere o seguinte sistema
+
100(s +2)(s +6)
s(s +3)(s +4)
R(s) E(s) C(s)

(a) Determine o erro em regime permanente considerando
i. uma entrada em degrau
ii. uma entrada r(t) = 5t, t ≥0
(b) Utilize o Matlab para simular a resposta do sistema com as diferentes entradas e verifi-
car o valor do erro
3. Determine a resposta em regime permanente de cada um dos seguintes sistemas considerando
diferentes entradas. (a) G(s) =
1
s +2
(b) G(s) =
1
s(s +2)
(c) G(s) =
1
s
2
(s +2)
Sugest˜ ao: considere a entrada em degrau e em rampa.
4. Para cada caso, avalie o erro de seguimento.
7.3. M´ etodo do lugar geom´ etrico de ra´ızes
O lugar geom´ etrico de ra´ızes permite examinar a avariac¸ ˜ ao das ra´ızes da equac¸ ˜ ao caracter´ıstica
(p´ olos do sistema em MF) em relac¸ ˜ ao a um determinado parˆ ametro; usualmente o ganho.Pode ser
usado, por exemplo, para projectar o coeficiente de amortecimento e a frequˆ encia natural de sistemas
de ordem superior, atrav´ es da aproximac¸ ˜ ao do sistema pelos seus modos dominantes.
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 179
Consideremos o seguinte esquema
K W(s)
H(s)
r
y

onde Y(s) = T(s)R(s) =
KW(s)
1+KW(s)H(s)
R(s) e K ´ e o ganho puro do controlador.
Quest ˜ ao: Como variam as propriedades da func¸ ˜ ao de transferˆ encia em malha fechada, T(s), e em
particular a estabilidade com ganho K?
Para simplificar, vamos considerar o caso em que H(s) = 1, ou seja T(s) =
KW(s)
1+KW(s)
. Veremos no
final como tratar o caso H(s) ,= 1.
Sabemos j´ a que T(s) ´ e est´ avel quando os seus p´ olos est˜ ao todos no semi-plano esquerdo (s.p.e.).
Vamos comec¸ar por calcular os p´ olos de T(s), o que ´ e equivalente a
1+KW(s) = 0
Equac¸ ˜ ao caracter´ıstica
Para estudar a variac¸ ˜ ao da estabilidade de T(s) para os diferentes valores de K basta analisar onde
est˜ ao situadas, no plano complexo, as ra´ızes da equac¸ ˜ ao caracter´ıstica para diferentes valores de K
−→analisar o LGR da eq. caracter´ıstica para diferentes valores de K
7.3.1. Motivac¸ ˜ ao atrav´ es de um exemplo
De forma a melhor compreendermos o que ´ e o LGR, e da sua a utilidade, vamos examinar de seguida
o comportamento de um sistema de controlo. Seja o sistema definido pela func¸ ˜ ao de transferˆ encia
W(s) =
1
s(s +3)
.
Vamos controlar este sistema com um controlo proporcional muito simples, onde a sa´ıda do sistema
a controlar ´ e proporcional (de ganho K) ` a diferenc¸a entre a entrada, R(s), e a sa´ıda, C(s).
180 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
A func¸ ˜ ao de transferˆ encia em malha fechada ´ e ent˜ ao:
C(s)
R(s)
=
KW(s)
1+KW(s)
=
K
s(s +3)
1+
K
s(s +3)
=
K
s(s +3) +K
=
K
s
2
+3s +K
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 181
Queremos examinar como varia o comportamento do sistema com a variac¸ ˜ ao de K. Vejamos alguns
desses valores:
K F. Transferˆ encia Resposta indicial
K=1
K
s
2
+3s +1
0 2 4 6 8 10 12 14 16
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Resposta ao degrau
Tempo (sec)
A
m
p
litu
d
e
1
K=10
K
s
2
+3s +10
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Resposta ao degrau
Tempo (sec)
A
m
p
litu
d
e
K=100
K
s
2
+3s +100
0 0.5 1 1.5 2 2.5 3 3.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
Resposta ao degrau
Tempo (sec)
A
m
p
litu
d
e
A resposta com K = 1 ´ e muito lenta, mas K = 100 origina uma resposta muito oscilat´ oria. En-
quanto que K = 10 origina uma resposta quase exacta, se conseguirmos ajustar a sobreelongac¸ ˜ ao.
Claramente, por esta via, vamos demorar muito tempo a ajustar o K ...
1
Para obter esta figura em Matlab fac¸a
W=tf(1,[1 3 K]);
step(W)
182 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Um m´ etodo um pouco mais sofisticado ´ e a determinac¸ ˜ ao dos p´ olos do sistema em func¸ ˜ ao de K :
s =
−3±

9−4K
2
,
donde se conclui que o sistema ´ e
→ sobreamortecido se 9 > 4K ⇔K <
9
4
.
→ subamortecido se 9 < 4K ⇔K >
9
4
.
→ (criticamente) amortecido se 9 = 4K ⇔K =
9
4
.
Suponhamos que queremos uma resposta subamortecida, cujo coeficiente de amortecimento ´ e ξ =
1

2
. Facilmente se conclui que
ξ

K =
3
2
=⇒ K =
9
2
=⇒
C(s)
R(s)
=
4.5
s
2
+3s +4.5
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Resposta ao degrau
Tempo (sec)
A
m
p
l
i
t
u
d
e
Figura 7.1: Resposta indicial do sistema com K = 4.5.
A Figura 7.1 mostra a resposta indicial (ou ao degrau) desta func¸ ˜ ao de transferˆ encia. Com relati-
vamente pouco esforc¸o, conseguimos uma resposta superior ` as anteriores. Esta t´ ecnica, ainda que
adequada quando de problemas muito simples, revela-se inadequada na an´ alise de sistemas mais
complexos. Por exemplo, o que faria se o sistema fosse definido pela seguinte func¸ ˜ ao de trans-
ferˆ encia
s +1
s
3
+4s
2
+6s +4
?
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 183
K Ra´ızes
1 −2.62, −0.38
2 −2, −1
4 −1.5± j1.32
10 −1.5± j2.78
20 −1.5± j4.21
40 −1.5± j6.14
100 −1.5± j9.89
Esta tabela ´ e representada na seguinte figura (no caso das ra´ızes conjugadas, s´ o ´ e mostrada a ra´ız si-
tuada no semiplano superior)
2
Muita ´ e a informac¸ ˜ ao expressa neste diagrama. Por exemplo, diz-nos
−3 −2.5 −2 −1.5 −1 −0.5 0
−6
−4
−2
0
2
4
6
Pole−Zero Map
Eixo real
E
i
x
o

i
m
a
g
Figura 7.2: Representac¸ ˜ ao das ra´ızes da equac¸ ˜ ao caracter´ıstica para diferentes valores de K.
que o sistema comec¸a por ser sobreamortecido para pequenos valores de K, tornando-se subamorte-
cido ` a medida que K aumenta.
Entende-se ent˜ ao a necessidade de uma abordagem mais sistem´ atica, a que vamos chamar Lugar
Geom´ etrico de Ra´ızes (LGR). Este m´ etodo consiste em fazer a representac¸ ˜ ao gr´ afica da variac¸ ˜ ao das
2
Para obter esta figura em Matlab fac¸a
W=tf(1,[1 3 0]);
pzmap(W);
hold on;
for K=2:2:30
W=tf(K,[1 3 K]);
pzmap(W);
end;
184 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
ra´ızes do denominador da func¸ ˜ ao de transferˆ encia em malha fechada em func¸ ˜ ao de K. Voltemos ao
nosso exemplo e analisemos as ra´ızes da equac¸ ˜ ao s
2
+3s +K = 0.
Vejamos agora o lugar de ra´ızes deste mesmo sistema. Quando K = 0, temos que s = 0, −3 e ` a
medida que K aumenta, as ra´ızes comec¸am por se movimentar horizontalmente uma em relac¸ ˜ ao ` a
outra at´ e se encontrarem no ponto 1.5 e a partir daqui comec¸am a mover-se na vertical, afastando-
se uma da outra. Ainda que K n˜ ao possa ser lido directamente a partir da figura, ´ e facilmente
encontrado. Por exemplo para s =−1.5, sabemos que
1+KW(s) = 0 ⇔K =−
1
W(s)
¸
¸
¸
¸
s=−1.5
=⇒ K = 2.25.
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.3: LGR do sistema em malha aberta
1
s(s +3)
.
7.3.2. Derivac¸ ˜ ao das regras de LGR
Apresentamos de seguida a derivac¸ ˜ ao das regras para trac¸ar o LGR. Para tal comec¸amos por ob-
ter o m´ aximo de informac¸ ˜ ao a partir da func¸ ˜ ao de transferˆ encia. Escrevemos W(s) =
N(s)
D(s)
com
N(s) = (s −z
1
)(s −z
2
). . . (s −z
m
)
D(s) = (s −p
1
)(s −p
2
). . . (s −p
n
),
com n ≥m e z
i
,= p
j
, i = 1, . . . , m; j = 1, . . . , n, para estudar as ra´ızes de 1+KW(s) = 0.
Donde se tem ser a equac¸ ˜ ao caracter´ıstica equivalente a
D(s) +KN(s) = 0, (7.1)
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 185
que ´ e uma equac¸ ˜ ao de ordem n com n ra´ızes em C, que variam continuamente com K.
As ra´ızes de (7.1) quando K : 0 →+∞
→ S˜ ao sim´ etricas em relac¸ ˜ ao ao eixo real, pois s˜ ao reais ou complexas conjugadas.
→ Variam continuamente com K, pois as ra´ızes de um polin´ omio s˜ ao func¸ ˜ oes cont´ınuas dos seus
coeficientes.
→ Para K = 0, coincidem com os p´ olos de W(s), pois a equac¸ ˜ ao reduz-se a D(s) = 0.

`
A medida que K cresce v˜ ao descrevendo n ramos. (recordemos que n ´ e o n´ umero de p´ olos de
W(s), contando com as suas multiplicidades)
Exerc´ıcio 7.3 Verifique esta ´ ultima afirmac¸ ˜ ao para
N(s) = 1
D(s) = (s +1)
2
,
calculando as ra´ızes de (7.1) em func¸ ˜ ao de K.
→ Tendem para infinito ou para os zeros de W(s) quando K →+∞.
Pois
D(s) +KN(s) = 0 ⇔(K ,= 0)
N(s)
D(s)
=
−1
K
=⇒
N(s)
D(s)
→0 quando K →+∞
=⇒ N(s) →0 ⇔as ra´ızes da EC tendem para as ra´ızes de N(s) = 0 (zeros de W(s))
ou
D(s) →∞ =⇒ [s[ →∞ ⇔as ra´ızes da equac¸ ˜ ao tendem para infinito
Estas observac¸ ˜ oes, conduzem ` as seguintes regras de trac¸ado LGR:
Regra 1 O LGR ´ e sim´ etrico em relac¸ ˜ ao ao eixo real.
Regra 2 O LGR ´ e formado por ramos que s˜ ao curvas cont´ınuas.
Regra 3 Os ramos s˜ ao em n´ umero igual ao n´ umero de p´ olos da func¸ ˜ ao de transferˆ encia em malha
aberta, W(s).
Regra 4 Os ramos comec¸am nos p´ olos da func¸ ˜ ao de transferˆ encia em malha aberta, W(s), e termi-
nam nos seus zeros ou infinito.
186 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Regra 5 Um n´ umero real s

pertence ao LGR se e s´ o se o n´ umero de p´ olos e zeros (reais)
3
da func¸ ˜ ao
de transferˆ encia em malha aberta W(s) que se encontram ` a direita de s

for ´ımpar.
Exemplo 7.1 (Pontos do eixo real pertencentes ao LGR)
W(s) =
(s
2
+1)(s −1)(s +4)
(s
2
+4)(s +2)(s −2)
(7.2)
s

pertence ao LGR ⇔1+KW(s

) = 0 ⇔W(s

) =−
1
K
, para algum K ⇔
⇔∠W(s

) =∠−
1
K
= (2 +1)180
o
, ∈ Z.
Ou seja,
∠W(s

) = ∠
(s
2
+1)(s −1)(s +4)
(s
2
+4)(s +2)(s −2)
= ∠(s
2
+1) +∠(s −1) +∠(s +4) −∠(s
2
+4) −∠(s +2) −∠(s −2)
as ra´ızes complexas conjugadas anulam-se
= ∠(s −1) +∠(s +4) −∠(s +2) −∠(s −2)
= ∠(s −1) +∠(s −(−4)) −∠(s −(−2)) −∠(s −2)
Todas as fases da express˜ ao anterior s˜ ao do tipo ∠(s

−x), x ∈ R :
∠(s

−x) =
_
_
_
0
o
se x < s

x ` a esquerda de s

180
o
se x > s

x ` a direita de s

Donde se conclui que ∠W(s

) ´ e um m´ ultiplo ´ımpar de 180
o
⇔ o n´ umero de p´ olos e zeros reais ` a
direita de s

´ e ´ımpar.
Exerc´ıcio 7.4 Para o exemplo anterior, determine os pontos do LGR que est˜ ao no eixo real.
Regra 6 Os pontos onde os ramos do LGR deixam ou entram o eixo real s˜ ao os pontos onde K,
visto como func¸ ˜ ao K = K(s), atinge um m´ aximo ou um m´ınimo local.
s ∈ R e s est´ a num ramo do LGR ;K =
−1
W(s)
´ e func¸ ˜ ao de var. s : K(s)
K(s) tem um m´ aximo local em s

K

= K(s

) −→Para K > K(s

) (pr´ ox. de K

), o LGR j´ a n˜ ao est´ a no eixo real: ponto de sa´ıda
K(s) tem um m´ınimo local em s

K

= K(s

) −→Para K < K(s

) (pr´ ox. de K

), O LGR ainda n˜ ao est´ a no eixo real: ponto de entrada
3
Uma vez que os p´ olos/zeros complexos aparecem sempre em pares conjugados, n˜ ao s˜ ao portanto relevantes nesta
contabilizac¸ ˜ ao.
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 187
−5 −4 −3 −2 −1 0 1 2 3
−1.5
−1
−0.5
0
0.5
1
1.5
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.4: LGR do sistema W(s) =
(s
2
+1)(s −1)(s +4)
(s
2
+4)(s +2)(s −2)
.
Exerc´ıcio 7.5 Aplique esta regra a W(s) =
s +2
s(s +1)
.
−7 −6 −5 −4 −3 −2 −1 0 1
−1.5
−1
−0.5
0
0.5
1
1.5
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.5: LGR do sistema W(s) =
s +2
s(s +1)
.
Regra 7 O ˆ angulo entre a tangente ao LGR num p´ olo ou num zero de W(s) e o eixo real positivo ´ e
dado pela express˜ ao (7.3) ou (7.4), respectivamente.
Atenc¸ ˜ ao! a escala dos eixos real e imagin´ ario dever´ a ser a mesma.
Seja p

um p´ olo da func¸ ˜ ao de transferˆ encia em malha aberta, W(s).
Seja s

um ponto do LGR pr´ ox. de p

(do ramo que comec¸a em p

)
(2 +1)180
o
=∠W(s

) =

z∈Zeros
∠(s

−z) −

p∈P´ olos
∠(s

−p)
188 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Portanto, quando s

→ p

:
∠(s

−p

) = −(2 +1)180
o
+

z
∠(s

−z) −

p,=p

∠(s

−p)
=
_
_
−(2 +1)180
o
. ¸¸ .
∼180
o
+

z
∠(p

−z) −

p,=p

∠(p

−p)
_
_
s

=p

(7.3)
∠(s

−p

) = ˆ angulo entre a tangente ao LGR em p

e o eixo real positivo
Analogamente, quando s

→z

:
∠(s

−z

) = (2 +1)180
o
+

p
∠(s

−p) −

z,=z

∠(s

−z)
= 180
o
+

p
∠(z

−p) −

z,=z

∠(z

−z) (7.4)
∠(s

−p

) = ˆ angulo entre a tangente ao LGR em z

e o eixo real positivo
Exerc´ıcio 7.6 Aplique esta regra a W(s) =
1
(s
2
+4)(s −2)
.
−10 −8 −6 −4 −2 0 2 4 6
−10
−8
−6
−4
−2
0
2
4
6
8
10
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.6: LGR do sistema W(s) =
1
(s
2
+4)(s −2)
.
Regra 8 OLGRde uma func¸ ˜ ao de transferˆ encia W(s) comn p´ olos e mzeros possui n−mramos que
terminam no infinito. Ests ramos tˆ em como assimptotas linhas rectas com ˆ angulos em relac¸ ˜ ao
ao eixo real, dados por (2 +1)180
o
/(n−m), que intersectam este eixo em p =
∑p
i
−∑z
i
n−m
Seja W(s) =
(s −z
1
). . . (s −z
m
)
(s −p
1
). . . (s −p
n
)
·
1
(s −p)
n−m
com p =
∑p
i
−∑z
i
n−m
e para [s[ grande.
Temos que
K
1
(s −p)
n−m
=−1 ⇔ −(n−m)∠(s −p) =−(2 +1)180
o
⇔ ∠(s −p) = (2 +1)
180
o
(n−m)
, ∈ Z.
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 189
O que significa que o LGR de
1
(s −p)
n−m
seja formado por n −m ramos que partem de p e fazem
ˆ angulos de (2 +1)
180
o
(n−m)
com o eixo real.
Exemplo 7.2 LGR de
1
(s +1)
2
;´ e constitu´ıdo pelos pontos s que satisfazem a relac¸ ˜ ao:
∠(s +1) = (2 +1)
180
o
2
, ∈ Z
= 0 ∠(s +1) =
180
o
2
= 90
o
( par)
= 1 ∠(s +1) =
3180
o
2
= 270
o
( ´ımpar)
Exerc´ıcio 7.7 Aplique esta regra a W(s) =
1
(s
2
+4)(s −2)
.
Regra 9 Os pontos onde o LGR cruza o eixo imagin´ ario e o respectivo ganho podem ser determi-
nados pelo crit´ erio de Routh Hurwitz.
Os valores de K para os quais o LGR est´ a sob o eixo imagin´ ario correspondem a valores em que o
sistema passa de est´ avel a inst´ avel e vice-versa.
Exerc´ıcio 7.8 Verifique esta regra para W(s) =
1
(s +1)
3
−2.5 −2 −1.5 −1 −0.5 0 0.5
−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
LGR
Real Axis
I
m
a
g
.

A
x
is
Figura 7.7: LGR do sistema W(s) =
1
(s +1)
3
.
7.3.3. M´ etodo do LGR inverso
Consiste no estudo das ra´ızes da equac¸ ˜ ao caracter´ıstica 1+KW(s) = 0 para K ≤0.
Neste caso, s

∈ LGR ⇔∠W(s

) = 360
o
, ∈ Z.
190 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Todas as regras do LGR directo se mant´ em, ` a excepc¸ ˜ ao das regras 5,7 e 8. Sendo substitu´ıdas da
seguinte forma:
Regra 5 (LGR inverso) Um n´ umero real s

pertence ao LGR inverso se e s´ o se o n´ umero de p´ olos
e zeros (reais) da func¸ ˜ ao de transferˆ encia em malha aberta W(s) que se encontram ` a direita de
s

for par.
Regra 7 (LGR inverso) O ˆ angulo entre a tangente ao LGR num p´ olo ou num zero de W(s) e o
eixo real positivo ´ e dado pelas express˜ oes, respectivamente:
∠(s

−p

) =

z
∠(p

−z) −

p,=p

∠(p

−p) (7.5)
∠(s

−z

) =

p
∠(z

−p) −

z,=z

∠(z

−z) (7.6)
(7.7)
Regra 8 (LGR inverso) An´ aloga ` a do LGR directo, mas com os ˆ angulos dados por
360
o
n−m
, ∈ Z.
7.3.4. Retroacc¸ ˜ ao n˜ ao unit´ aria
No in´ıcio, tinhamos considerado a malha de realimentac¸ ˜ ao com H(s), que depois se simplificou para
H(s) = 1. Para H(s) ,= 1, a equac¸ ˜ ao caracter´ıstica ´ e 1+KHW = 0. Esta equac¸ ˜ ao pode ser estudada
de igual maneira se redefinirmos H(s)W(s) como a nova func¸ ˜ ao de transferˆ encia em malha aberta.
O esquema anterior, mas com realimentac¸ ˜ ao positiva d´ a origem ` a equac¸ ˜ ao caracter´ıstica
1−KW(s)H(s) = 0, K > 0 ⇔1+
˜
KW(s)H(s) = 0,
˜
K < 0,
podendo assim ser estudado como o LGR inverso.
7.3.5. Exemplos
Nesta secc¸ ˜ ao vamos trabalhar alguns exemplos t´ıpicos que nos ajudaram a melhor compreender as
regras de contruc¸ ˜ ao do LGR.
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 191
W(s) =
1
s(s +3)
Temos ent˜ ao uma func¸ ˜ ao de transferˆ encia com p´ olos em s = 0, −3.
A equac¸ ˜ ao caracter´ıstica do sistema em malha fechada ´ e s
2
+3s +K = 0.
O LGR ´ e sim´ etrico em relac¸ ˜ ao ao eixo dos xx e tem dois ramos (igual ao n´ umero de p´ olos).
Estes ramos iniciam-se nos p´ olos e terminam nos zeros (temos (n−m) zeros em +inf).
O LGR existe no eixo real entre s =−3 e s = 0.
O ˆ angulo das assimptotas ´ e ±
180
o
2
=±90
o
.
Falta agora calcular o ponto de intersecc¸ ˜ ao das assimptotas:
∑p
i
−∑z
i
n−m
=
0+(−3)
2
=−1.5.
Vamos agora determinar os pontos de entrada e sa´ıda do eixo real.
Sabendo que
K(s) =−
1
W(s)
, K
/
(s) = 0 =⇒ N(s)D
/
(s) −N
/
(s)D(s) = 0.
Fazendo as contas, obtemos s =−1.5.
Como n˜ ao existem p´ olos complexos, n˜ ao calculamos os ˆ angulos de partida e chegada.
O LGR s´ o cruza o eixo imagin´ ario em K = 0, i.e., s = 0, onde o sistema ´ e marginalmente est´ avel.
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
LGR
Real Axis
I
m
a
g
.

A
x
i
s
192 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
W(s) =
1
s(s
2
+5s +6)
Este exemplo tem 3 p´ olos em s =−3, −2, 0 e 0 zeros.
A equac¸ ˜ ao caracter´ıstica ´ e s
3
+5s
2
+6s +K = 0.
O LGR ´ e sim´ etrico em relac¸ ˜ ao ao eixo real e tem 3 ramos, sendo que estes ramos se iniciam nos
p´ olos e tendem para +∞.
O LGR existe no eixo real entre os p´ olos 0 e −2 e tamb´ em entre −3 e −∞.
O ˆ angulo das assimptotas ´ e ±
±180
o
n−m = 3
=±60
o
.
O ponto de intersecc¸ ˜ ao das assimptotas ´ e
−3−2
3
=
−5
3
=−1.67.
N(s)D
/
(s) −N
/
(s)D(s) = 0 ⇔3s
2
+10s +6 = 0 ⇔s =−2.5, −0.78.
Como o primeiro destes pontos n˜ ao pertence ao LGR, temos que s =−0.78.
Como n˜ ao existem p´ olos complexos, n˜ ao temos ˆ angulos de partida dos p´ olos e entrada nos zeros.
Apliquemos agora o LGR ` a equac¸ ˜ ao caracter´ıstica s
3
+5s
2
+6s +K = 0 :
s
3
1 6
s
2
5 K
s −
1
5
(K−30) 0
s
0
K
Donde imediatamente se tem que K < 30.
−10 −8 −6 −4 −2 0 2 4
−8
−6
−4
−2
0
2
4
6
8
LGR
Real Axis
I
m
a
g
.

A
x
i
s
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 193
W(s) =
s +3
s
2
−s −2
Neste exemplo temos n = 2 p´ olos s =−1, 2 e m = 1 zeros s =−3.
A equac¸ ˜ ao caracter´ıstica ´ e s
2
−s −2+K(s +3) = 0.
O LGR ´ e sim´ etrico em torno do eixo real. O LGR existe no eixo real para s ∈] −∞, −3] ∪[−1, 2].
As assimptotas fazem entre si um ˆ angulo de ±
180
o
n−m = 1
e intersectam-se no ponto
2−1−(−3)
1
=
4, ou seja existe uma ´ unica assimptota que em ±180
o
. (esta informac¸ ˜ ao n˜ ao ´ e relevante)
Calculemos os pontos de entrada e sa´ıda a partir de
N(s)D
/
(s) −N
/
(s)D(s) = 0 ⇔s
2
+6s −1 = 0 ⇔s =−6.2, 0.16.
Ambos estes pontos pertencem ao lugar de ra´ızes.
Como n˜ ao existem p´ olos complexos, n˜ ao temos ˆ angulos de partida dos p´ olos e entrada nos zeros.
Vejamos agora o cruzamento do eixo imagin´ ario pelo LGR. Seja a equac¸ ˜ ao caracter´ıstica s
2
+(K−
1)s +(3K−2) = 0
s
2
1 3K-2
s (K−1) 0
s
0
3K-2 0
Donde se tem que K < 1∧K >
2
3
=⇒ K > 1.
−15 −10 −5 0 5
−4
−3
−2
−1
0
1
2
3
4
LGR
Real Axis
I
m
a
g
.

A
x
i
s
194 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
W(s) =
s +1
s
3
+4s
2
+6s +4
Este sistema tem 3 p´ olos em s =−2, −1± j e um zero em s =−1.
A equac¸ ˜ ao caracter´ıstica ´ e s
3
+4s
2
+6s +4+K(s +1) = 0.
O LGR tem 3 ramos, igual ao n´ umero de p´ olos. Um dos ramos movimenta-se de um p´ olo para o
zero e os outros dois ramos movimentam-se de dois p´ olos para infinito.
Existe LGR no eixo real entre s =−2 e s =−1.
As assimptotas fazem entre si um ˆ angulo de
±180
o
2
= 90
o
e intersectam-se no ponto
∑p
i
−∑z
i
n−m
=
−2−1± j +1
2
=
−3
2
.
Calculemos os pontos de entrada e sa´ıda a partir de N(s)D
/
(s) −N
/
(s)D(s) = 0 ⇔2s
3
+7s
2
+8s +
2 = 0 ⇔ s = −1.6 ±0.65 j, −0.34, onde s´ o a ´ ultima das ra´ızes ´ e real, mas n˜ ao pertence ao LGR;
como tal n˜ ao existem pontos de entrada/sa´ıda no eixo real.
Como este exemplo tem p´ olos reais, vamos ter de estudar os ˆ angulos, mas vamos fazˆ e-lo atrav´ es de
uma regra pr´ atica.
W(s) =
s +1
s
3
+4s
2
+6s +4
=
s +1
(s +2)(s +1+ j)(s +1− j)
s +1
(s +2)(s +1− j)
¸
¸
¸
¸
s=−1−j
=
1
2−2i
=⇒ ∠1−∠(2−2i) = 45
o
s +1
(s +2)(s +1+ j)
¸
¸
¸
¸
s=−1+j
=
1
2+2i
=⇒ ∠1−∠(2+2i) =−45
o
s +1
(s
2
+2s +2)
¸
¸
¸
¸
s=−2
=−
1
2
=⇒ ∠−
1
2
= 0
o
Vejamos agora o cruzamento do eixo imagin´ ario pelo LGR.
Seja a equac¸ ˜ ao caracter´ıstica s
3
+4s
2
+(6+K)s +4+K = 0
7.3. M
´
ETODO DO LUGAR GEOM
´
ETRICO DE RA
´
IZES 195
s
3
1 6+K
s
2
4 4+K
s
1
4
(20+3K) 0
s
0
4+K 0
Donde se tem que 20+3K > 01∧4+K > 0 =⇒ K >−4.
−2.5 −2 −1.5 −1 −0.5 0 0.5
−8
−6
−4
−2
0
2
4
6
8
LGR
Real Axis
I
m
a
g
.

A
x
i
s
W(s) =
s
2
+2s +2
s(s
4
+9s
3
+33s
2
+51s +26)
Este fica como exerc´ıcio. Para ajudar, pode fazer o download de um RootlocusGui a partir do
enderec¸o
http://www.home.utad.pt/ tazevedo/SistemasControlo/.
−12 −10 −8 −6 −4 −2 0 2 4
−10
−8
−6
−4
−2
0
2
4
6
8
10
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Pode fazer simplesmente em Matlab:
196 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
G=tf([1 2 2],[1 9 33 51 26 0]);
rlocus(G)
7.4. Diagrama de Nyquist (ou polar)
O diagrama polar, a que vulgarmente chamamos Nyquist, ´ e uma curva descrita no plano complexo
por G( jω) ∼(R(G( jω)), I(G( jω))), quando ω varia de 0 a +∞.
Como G(−jω) = G

( jω), os valores de G( jω) para ω < 0 podem ser representados no plano
complexo por reflex˜ ao do diagrama de Nyquist relativamente ao eixo real.
Vejamos como trac¸ar o diagrama de Nyquist para uma func¸ ˜ ao de transferˆ encia de ordem–1:
G(s) =
1
τs +1
=
1/τ
s +1/τ
=
p
1+ p
com p =
1
τ
> 0
G( jω) = . . . =
p
2
p
2

2
− j
ωp
p
2

2
(R(G( jω)), I(G( jω))) =
_
_
_
_
_
x
1
¸ .. ¸
p
2
p
2

2
,
x
2
¸ .. ¸

ωp
p
2

2
_
_
_
_
_
Por exemplo (x
1
, x
2
)[
ω=0
= (1, 0).
O diagrama de Nyquist de G(s) ´ e a semicircunferˆ encia centrada em
_
1
2
, 0
_
e de raio
1
2
:
_
x
1

1
2
_
2
+(x
2
−0)
2
=
_
1
2
_
2
e x
2
≤0.
R
e
I
m
G(0)
7.4. DIAGRAMA DE NYQUIST (OU POLAR) 197
Como vemos se isto est´ a correcto?
Comec¸amos por analisar o ganho:
[G( jω)[ =
¸
_
p
2
p
2

2
_
2
+
_

ωp
p
2

2
_
2
=
1
_
1+(ω/p)
2
Para cada frequˆ encia fixa ω : Se p cresce =⇒[G( jω)[ cresce
Para cada valor de p fixo: Se ω cresce =⇒[G( jω)[ decresce
Procedemos de igual modo para o argumento:
∠G( jω) = arctan

ωp
p
2

2
p
2
p
2

2
= −arctan
ω
p
ω = 0 =⇒ ∠G( jω) = 0
ω = p =⇒ ∠G( jω) =−45
o
ω >> p =⇒ ∠G( jω) =−90
o
Vejamos agora como trac¸ar o diagrama de Nyquist para uma func¸ ˜ ao de transferˆ encia de ordem–2,
que sabemos ser da forma:
G(s) =
ω
2
n
s
2
+2ξw
n
s +ω
2
n
[G( jω)[ = . . . =
ω
2
¸
ω
4
n
−2ω
2
ω
2
n
(1−2ξ
2
) +ω
4
n
. ¸¸ .
:=f (ω)
Temos ent˜ ao que
f
/
(ω) = 4ω
_
ω
2
−ω
2
n
(1−2ξ
2
)
_
= 0 ⇔
⇔ 4ω = 0∨ω = ω
n
¸
¸
¸
¸
¸
_
1−2ξ
2
. ¸¸ .
≥0,i.e.ξ

2
2
Exerc´ıcio 7.9 Atrav´ es da an´ alise de f (ω), conclua que:
198 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Para ξ ≥

2
2
, [G( jω)[ decresce com ω
Para 0 < ξ <

2
2
, [G( jω)[ tem um m´ aximo em com ω = ω
n
_
1−2ξ
2
, onde ω
n
´ e a frequˆ encia de
ressonˆ ancia.
Chegamos finalmente ` a seguinte representac¸ ˜ ao gr´ afica:
Re
Im
G(0)
Ou seja
ω = 0 ←− 1∠0
o
(7.8)
ω =∞ ←− 0∠−180
o
(7.9)
e considerando diferentes valores (e decrescentes) de ξ1, 0.7, 0.5, 0.4 obtemos:
7.4. DIAGRAMA DE NYQUIST (OU POLAR) 199
Re
Im
0.71
1
0.4
0.5
ω
n
ω
n
ω
n
ω
n
7.4.1. Exemplos
Dada a func¸ ˜ ao de transferˆ encia G(s), a primeira coisa a fazer ´ e escrever esta func¸ ˜ ao na forma
G( jω) =[G( jω)[ ∠G( jω),
onde chamamos ganho a [G( jω)[ e argumento ou fase a ∠G( jω).
−→G(s) =
1
s
G( jω) =
1

=
−j
ω
G( jω) =
1
ω
∠−90
o
ω = 0 −→ [G( jω)[ →∞, ∠G( jω) =−90
o
ω =∞ −→ [G( jω)[ →0, ∠G( jω) = 0
o
200 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
R
e
I
m
G(0)
G(∞)
−→G(s) = s
R
e
I
m
G(∞)
G(0)
7.4. DIAGRAMA DE NYQUIST (OU POLAR) 201
G( jω) = jω
G( jω) = ω∠90
o
ω = 0 −→ [G( jω)[ →0, ∠G( jω) = 0
o
ω =∞ −→ [G( jω)[ →∞, ∠G( jω) = 90
o
−→G(s) =
1
1+s
G( jω) =
1
1+ jω
=
1
1+ω
2
− j
ω
1+ω
2
G( jω) =
1

1+ω
2
∠−90
o
ω = 0 −→ [G( jω)[ →1, ∠G( jω) = 0
o
ω =∞ −→ [G( jω)[ →0, ∠G( jω) =−90
o
R
e
I
m
G(0)
202 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
−→G(s) = 1+s
G( jω) = 1+ jω
G( jω) =
_
1+ω
2
∠90
o
ω = 0 −→ [G( jω)[ →1, ∠G( jω) = 0
o
ω =∞ −→ [G( jω)[ →∞, ∠G( jω) = 90
o
R
e
I
m
G(0)
G(∞)
−→G(s) =
4
s
2
+2s +4
G( jω) =
1
1+2ξ
ω
ω
n
j −
_
ω
ω
n
_
2
G( jω) =
1−
ω
2
ω
2
n
1+(4ξ
2
−2)
ω
2
ω
2
n
+
ω
4
ω
4
n
− j

ω
ω
n
1+(4ξ
2
−2)
ω
2
ω
2
n
+
ω
4
ω
4
n
7.4. DIAGRAMA DE NYQUIST (OU POLAR) 203
∠G( jω) = arctan
−2ξ
ω
ω
n
1−
ω
2
ω
2
n
[G( jω)[ =
1
¸
1+2(2ξ
2
−2)
ω
2
ω
2
n
+
ω
4
ω
4
n
ω = 0 −→ 1∠0
o
ω =∞ −→ 0∠−180
o
No nosso exemplo, temos que ξ = 0.5 e ω
n
= 2, temos ent˜ ao
Re
Im
ω
n
ω
r
onde ω
r
´ e a frequˆ encia de ressonˆ ancia.
204 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
−→G(s) = s
2
+2s +4
G( jω) = 1+2ξ
ω
ω
n
j −
ω
2
ω
2
n
= 1−
ω
2
ω
2
n
+2ξ
ω
ω
n
j
∠G( jω) = arctan

ω
ω
n
1−
ω
2
ω
2
n
[G( jω)[ = 1+2
_

2
−1
_
ω
2
ω
2
n
+
ω
4
ω
4
n
ω = 0 −→ 1∠0
o
ω =∞ −→ ∞∠−180
o
R
e
I
m
G(0)
G(∞)
−→G(s) =
1
s(s +1)
G( jω) =
1
jω( jω +1)
=
−ω
ω
2
+1
− j
1
ω
2
+1
7.4. DIAGRAMA DE NYQUIST (OU POLAR) 205
∠G( jω) = arctan
1
ω
[G( jω)[ =
1
ω

ω
2
+1
ω = 0 −→ ∞∠−90
o
ω =∞ −→ 0∠−180
o
R
e
I
m
G(+∞)
G(0
+
)
G(0

)
−→G(s) = e
−sT
G( jω) = e
−jωT
∠G( jω) = −ωT e [G( jω)[ = 1
206 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
ω = 0 −→ 1∠−0
o
ω =∞ −→ 1∠−∞
o
Em Matlab:
sys = tf(1,1,’Inputdelay’,1);
w=0:0.1:pi;
nyquist(sys,w)
R
e
I
m
G(0) = G(∞)
−→G(s) =
2e
−sT
1+2s
G( jω) = =
2e
−jωT
1+2 jω
G( jω) = = 2
cosωT −2ωsinωT
1+4ω
2
− j2
sinωT +2ωcosωT
1+4ω
2
∠G( jω) = arctan
_

sinωT +2ωcosωT
cosωT −2ωsinωT
_
[G( jω)[ =
2

1+4ω
2
ω = 0 −→ 2∠−0
o
ω =∞ −→ 0∠−arctan(2tanω)
Em Matlab:
w=0:0.01:2
*
pi;
[re im]=nyquist(sys,w);
7.5. CRIT
´
ERIO DE NYQUIST 207
x=reshape(re,1,length(re));
y=reshape(im,1,length(im));
plot(x,y)
−1.5 −1 −0.5 0.5 1 1.5 2 2.5
−1.4
−1.2
−1
−0.8
−0.6
−0.4
−0.2
0.2
0.4
Figura 7.8: Diagrama polar de uma FT com atraso.
7.5. Crit´ erio de Nyquist
Esta secc¸ ˜ ao tem como objectivo o estudo da estabilidade de um sistema realimentado, com K > 0, a
partir do diagrama de Nyquist da func¸ ˜ ao em malha aberta.
O teste de estabilidade usado no dom´ınio das frequˆ encias ´ e conhecido por crit´ erio de estabilidade de
Nyquist e baseia-se no princ´ıpio do argumento de Cauchy. A importˆ ancia do crit´ erio de estabilidade
de Nyquist reside no facto de poder tamb´ em ser usado para determinar o grau relativo da estabilidade
do sistema atrav´ es das suas margens de ganho e de fase. Margens estas necess´ arias ao projecto de
controladores no dom´ınio das frequˆ encias.
Relembremos que
208 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
K G(s)
H(s)
r
y

onde Y(s) = T(s)R(s) =
KG(s)
1+KG(s)H(s)
R(s) e K ´ e o ganho puro do controlador.
Os p´ olos de T(s) s˜ ao os zeros do polin´ omio caracter´ıstico 1+KG(s)H(s). Isto ´ e,
1+KG(s)H(s) = 0 ⇔−
1
K
= G(s)H(s).
Sendo T(s) =
KG(s)
1+KG(s)H(s)
=
N(s)
D(s)
conhecida, calculamos os zeros de 1+KG(s)H(s) e analisa-
mos ent˜ ao a sua estabilidade. Mas se n˜ ao forem conhecidos N(s) e D(s)?
De facto, mesmo nestas condic¸ ˜ oes, ´ e poss´ıvel analisar a estabilidade do sistema atrav´ es do crit´ erio
de estabilidade de Nyquist, que se baseia no seguinte princ´ıpio:
Seja F(s) uma func¸ ˜ ao de vari´ avel complexa s, anal´ıtica numa regi˜ ao D do plano complexo, excepto
num n´ umero finito de p´ olos, e Γ um caminho
a
fechado em D, orientado segundo o sentido dos
ponteiros do rel ´ ogio, que n˜ ao cont´ em nem p´ olos nem zeros de F.
O n´ umero de envolvimentos da imagem de Γ por F, N,em torno da origem e no sentido dos ponteiros
do rel ´ ogio, ´ e Z −P, sendo
Z o n´ umero de zeros (incluindo multiplicidades)
P o n´ umero de p´ olos (incluindo multiplicidades)
pertencentes ao caminho fechado F(Γ).
Este resultado pode ser escrito como
arg¦F(s)¦ = (Z −P)2π = 2πN
que justifica a terminologia do princ´ıpio do argumento.
a
Caminho ´ e uma aplicac¸ ˜ ao cont´ınua de um intervalo fechado [a, b] da recta real no conjunto dos n´ umeros complexos.
Princ´ıpio do Argumento de Cauchy
7.5. CRIT
´
ERIO DE NYQUIST 209
z
1
s
z
i
[s −z
i
[
p
i
R(s)
I(s)
Γ
R
R(s)
I(s)
D(Γ
R
)
Figura 7.9: A figura da direita mostra a imagem de Γ
R
segundo D(s).
A D(s) chamamos polin´ omio caracter´ıstico. Fazendo a sua factorizac¸ ˜ ao em factores irredut´ıveis de
ordem–1, podemos escrever:
D(s) = K
(s −z
1
)(s −z
2
) (s −z
m
)
(s −p
1
)(s −p
2
) (s −p
n
)
(7.10)
e ainda que
∠D(s) =∠K+∠(s −z
1
) +∠(s −z
2
) + +∠(s −z
m
) −∠(s −p
1
) −∠(s −p
2
) − −∠(s −p
n
)
(7.11)
z
1
z
2
s
z
i
[s −z
i
[
p
i
R(s)
I(s)
Γ
R
D(Γ
R
)
R(s)
I(s)
Figura 7.10: A figura da direita mostra a imagem de Γ
R
segundo D(s). Como tem dois zeros no
interior do contorno, ent˜ ao a imagem d´ a duas voltas, em sentido hor´ ario, em torno da origem.
210 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
z
1
p
1
s
z
i
[s −z
i
[
p
i
R(s)
I(s)
Γ
R
D(Γ
R
)
R(s)
I(s)
Figura 7.11: A figura da direita mostra a imagem de Γ
R
segundo D(s). Como tem um zero e um p´ olo
no interior do contorno, ent˜ ao a imagem d´ a uma volta em torno da origem no sentido hor´ ario e outra
em sentido contr´ ario.
Os zeros no interior de Γ
R
originam envolvimentos em torno da origem no sentido hor´ ario, como na
Figura 7.10, e os p´ olos no sentido anti-hor´ ario, como na Figura 7.11.
Aplicando o princ´ıpio do argumento de Cauchy ` a FT em malha aberta, obtemos informac¸ ˜ ao sobre a
estabilidade da FT em malha fechada, chegando assim ao crit´ erio de estabilidade de Nyquist.
Γ
R
−jR
jR
R
R(s)
I(s)
Figura 7.12: Este caminho compreende todo o s.p.d., R →∞.
Seja
Γ
R
, o contorno do s.p.d., com R →∞
N, o n´ umero de voltas de Γ
R
por D em torno da origem no sentido hor´ ario
Z, o n´ umero de zeros de D(s) no interior de Γ
R
(no s.p.d.)
7.5. CRIT
´
ERIO DE NYQUIST 211
P, o n´ umero de p´ olos de D(s) no interior de Γ
R
(no s.p.d.)
e temos que N = Z −P. Ou seja
T(s) ´ e est´ avel ⇔N =−P
o que significa que o n´ umero de voltas, no sentido anti-hor´ ario, ´ e igual ao n´ umero de p´ olos. E como
tal n˜ ao existem zeros de D(s) (ou p´ olos da FT em malha fechada).
Vejamos ent˜ ao que o diagrama de Nyquist corresponde ` a representac¸ ˜ ao polar da func¸ ˜ ao D(s) =
1+KG(s)H(s) quando s se desloca ao longo do caminho mostrado na Figura 7.12.
O n´ umero de p´ olos pertencentes ao s.p.d. da malha fechada (zeros de D(s)) ´ e ent˜ ao igual ` a soma
do n´ umero de p´ olos pertencentes ao s.p.d. da malha aberta ( p´ olos de D(s)) mais o n´ umero de
envolvimentos da origem apresentados pela representac¸ ˜ ao polar da func¸ ˜ ao D(s).
A aplicac¸ ˜ ao deste crit´ erio pode ser simplificada se em vez de trac¸armos o diagrama polar da func¸ ˜ ao
D(s) = 1+KG(s)H(s) trac¸armos o diagrama de G(s)H(s) e contarmos os envolvimentos da func¸ ˜ ao
G(s)H(s) em torno do ponto
_
−1
K
, 0 j
_
.
R(s)
I(s)
D(Γ) GH(Γ)
−1 0
Figura 7.13: Nesta figura consideramos K = 1.
Quando D(Γ
R
) d´ a N voltas em torno da origem, GH(Γ
R
) d´ a essas mesmas voltas em torno do
ponto
_
−1
K
+0 j
_
. Posto isto, redefinimos N como o n´ umero de voltas de GH em torno do ponto
_
−1
K
+0 j
_
e mant´ em-se a definic¸ ˜ ao de P e Z.
Supondo que a FT em malha aberta G(s)H(s) :
• ´ e estritamente pr´ opria
212 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
• n˜ ao tem p´ olos no eixo imagin´ ario ( jR)
• tem um diagrama de Nyquist que n˜ ao passa em
_
−1
K
, 0 j
_
temos o seguinte crit´ erio de Nyquist que vamos utilizar na pr´ atica:
O n´ umero de p´ olos inst´ aveis da malha fechada, Z, ´ e igual ` a soma do n´ umero de p´ olos inst´ aveis da
malha aberta, P, com o n´ umeros de envolvimentos (em sentido hor´ ario), N, do ponto
_
−1
K
, 0j
_
pelo
diagrama de Nyquist da func¸ ˜ ao G(s)H(s).
Crit´ erio de Nyquist
Temos que T(s) est´ avel ⇔Z = 0. Ou seja, a FT em malha fechada ´ e est´ avel se e s´ o se N =−P.
Se H(s)G(s) for est´ avel ent˜ ao P = 0, donde se conclui que assumindo a func¸ ˜ ao em malha aberta
est´ avel, a FT em malha fechada, T(s), ser´ a est´ avel se e s´ o se N = 0 ⇔o ponto
_
−1
K
, 0 j
_
se encon-
trar ` a esquerda do diagrama de Nyquist de H(s)G(s).
Exemplo 7.3
G(s)H(s) =
1
(s +1)(s +2)(s +3)


1
K

1
60
−0.2 −0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2
−0.2
−0.15
−0.1
−0.05
0
0.05
0.1
0.15
0.2
Eixo imagin´ ario
E
i
x
o
r
e
a
l
Diagrama de Nyquist
A FT em malha aberta ´ e est´ avel. Como −
1
K
est´ a ` a esquerda do diagrama de Nyquist da func¸ ˜ ao
H(s)G(s) ⇔−
1
K
< −
1
60
⇔K < 60, conclui-se que o sistema em malha fechada ´ e est´ avel se n˜ ao
houver envolvimentos do ponto −
1
K
, o que acontecer´ a sempre que 0 < K < 60.
7.5. CRIT
´
ERIO DE NYQUIST 213
Γ
R,ε
−jR
jR
R
ε
ε
R(s)
I(s)
Figura 7.14: Consideramos um contorno Γ
R
com R →∞ e os p´ olos do eixo imagin´ ario contornados
pela direita (para simplificar).
Quando H(s)G(s) tem p´ olos no eixo imagin´ ario, se se mantiverem todas as outras condic¸ ˜ oes, nome-
adamente:
• ´ e estritamente pr´ opria
• tem um diagrama de Nyquist que n˜ ao passa em
_
−1
K
, 0 j
_
o crit´ erio de Nyquist, e todas as suas consequˆ encias, continuam v´ alidos, mas ... em vez de conside-
rarmos somente o diagrama de Nyquist de H(s)G(s) temos de o fechar por um arco de circunferˆ encia
de raio ∞, percorrido no sentido hor´ ario, e ter em conta a multiplicidade dos p´ olos no eixo imagin´ ario
para contar o n´ umero de envolvimentos do ponto
_
−1
K
, 0j
_
.
Em particular, a FT em malha fechada, T(s), ´ e est´ avel se e s´ o se o ponto
_
−1
K
, 0 j
_
est´ a ` a esquerda
do diagrama de Nyquist de H(s)G(s) fechado como acima referido.
Exemplo 7.4 Consideremos
H(s)G(s) =
1
s(s +2)(s +6)
Exerc´ıcio 7.10 Analise a estabilidade do sistema em malha fechada para os diferentes valores de
K ,= 0, i.e. K > 0 e K < 0.
Nota 1 Cada envolvimento no sentido anti-hor´ ario conta como −1 no sentido hor´ ario.
214 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF


1
K

1
96
−0.06 −0.04 −0.02 0 0.02 0.04 0.06 0.08 0.1 0.12
−0.1
−0.08
−0.06
−0.04
−0.02
0
0.02
0.04
0.06
0.08
0.1
Eixo imagin´ ario
E
i
x
o
r
e
a
l
Diagrama de Nyquist
Figura 7.15: Diagrama de Nyquist do sistema G(s) =
1
s(s +2)(s +6).
O crit´ erio de Nyquist continua v´ alido, assim como as suas consequˆ encias, para func¸ ˜ oes de trans-
ferˆ encia em malha aberta que contenham um atraso puro, i.e. quando
H(s)G(s) = e
T
s
˜
F(s),
onde
˜
F(s) ´ e func¸ ˜ ao racional.
Antes de comec¸armos a resolver alguns exemplos, queremos ainda tecer algumas considerac¸ ˜ oes.
G(s)H(s) tem de ser pr´ opria ou bipr´ opria para que o sistema seja realiz´ avel. Ou seja, considerando
GH(s) =
b
m
s
m
+b
m−1
s
m−1
+ +b
0
s
n
+a
n−1
s
n−1
+ +a
0
temos n ≥m.
Consideremos s = Re

, e substituimos na FT:
GH(Re

) =
b
m
R
m
e
jmθ
+b
m−1
R
m−1
e
j(m−1)θ
+ +b
0
R
n
e
jnθ
+a
n−1
R
n−1
e
j(n−1)θ
+ +a
0
= R
m−n
b
m
e
jmθ
+b
m−1
R
−1
e
j(m−1)θ
+ +b
0
R
−m
e
jnθ
+a
n−1
R
−1
e
j(n−1)θ
+ +a
0
R
−n
n > m, lim
R→∞
GH
_
Re

_
= lim
R→∞
b
m
R
m−n
e
j(n−m)θ
= 0
n = m, lim
R→∞
GH
_
Re

_
= lim
R→∞
b
m
= b
m
7.5. CRIT
´
ERIO DE NYQUIST 215
donde se conclui que quando R →∞ a imagem de GH(s) ´ e sempre um ponto. Lembrando que
−jω = ( jω)

=⇒ GH(−jω) = (GH( jω))

,
conclui-se que o trac¸ado de GH(Γ) ´ e sim´ etrico em relac¸ ˜ ao ao eixo real e, como tal, s´ o necessitamos
do trac¸ado polar de G( jω), ω > 0, ou seja, do trac¸ado de Nyquist.
Vejamos agora alguns exemplos t´ıpicos. Comec¸amos por uma FT de ordem-1:
7.5.1. GH(s) =
K
s + p
, p > 0
GH( jω) =
K
jω + p
=
K(p− jω)
ω
2
+ p
2
=
Kp
ω
2
+ p
2
− j

ω
2
+ p
2
GH( jω) =
K
_
ω
2
+ p
2
e
−j arctan
ω
p
R(s)
I(s)
ω →0
+
K/2p K/p
Figura 7.16: Trac¸ado polar da FT
K
s + p
, p > 0.
lim
ω→0
+
GH( jω) = GH(0 j) =
K
p
lim
ω→+∞
GH( jω) = 0
+
− j0
+
= 0∠−
π
2
216 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Temos ent˜ ao que o trac¸ado de Nyquist ´ e uma circunferˆ encia:
_
X −
K
2p
_
2
+(Y −0)
2
=
_
K
2p
_
2
.
Provemos que de facto assim ´ e:
¸
¸
¸
¸
GH( jω) −
k
2p
¸
¸
¸
¸
=
¸
¸
¸
¸
k
jω + p

k
2p
¸
¸
¸
¸
=
K
2p
(7.12)
e o raio da circunferˆ encia n˜ ao depende de ω.
Vemos que o sistema em malha aberta ser´ a sempre est´ avel. Podemos confirmar este resultado com
o lugar de ra´ızes:
−8 −7 −6 −5 −4 −3 −2 −1 0 1 2
−0.4
−0.3
−0.2
−0.1
0
0.1
0.2
0.3
0.4
Root Locus
Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
Figura 7.17: LGR do sistema
1
s +2
.
Seja agora GH(s) =
K
s −p
, p > 0
GH( jω) =
K
jω −p
=
K(−p− jω)
ω
2
+ p
2
=−
Kp
ω
2
+ p
2
− j

ω
2
+ p
2
GH( jω) =
K
_
ω
2
+ p
2
e
j
_
arctan
ω
p
_
7.5. CRIT
´
ERIO DE NYQUIST 217
lim
ω→0
+
GH( jω) = GH(0 j) =−
K
p
∠180
o
lim
ω→+∞
GH( jω) = −0
+
− j0
+
= 0∠
π
2
lim
ω→0

GH( jω) = GH(0 j) =−
K
p
∠−180
o
lim
ω→−∞
GH( jω) = −0
+
+ j0
+
= 0∠−
π
2
R(s)
I(s)
ω →−∞
ω →+∞
ω →0

ω →0
+
−1 −K/p
Figura 7.18: Trac¸ado polar da FT
K
s −p
, p = 1.
• Analisando o diagrama vemos que com

K
p
<−1 ⇔
K
p
> 1 =⇒ K > p,
se aplicarmos o crit´ erio de Nyquist: N = −1 (1 volta no sentido anti-hor´ ario em torno do ponto
(-1,0)), P = 1 (1 p´ olo no s.p.d.), fazemos
N = Z −P ⇔−1 = Z −1 =⇒ Z = 0 sistema est´ avel.
Lembremos que Z ´ e o n´ umero de p´ olos da FT do sistema em malha fechada.
O LGR em Matlab pode ser visto na Figura 7.19.
Por outro lado,

K
p
>−1 ⇔
K
p
< 1 =⇒ K < p
e ao aplicarmos o crit´ erio de Nyquist: N = 0, P = 1 (1 p´ olo no s.p.d.), fazemos
N = Z −P ⇔0 = Z −1 =⇒ Z = 1 sistema inst´ avel.
218 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Characteristic Equation is 1+KG(s)H(s)=0, or
1+KN(s)/D(s)=0,
or D(s)+KN(s) = s - 1+ K( 1 ) = 0
So, by choosing K we determine the characteristic
equation
whose roots are the closed loop poles.
For example with K=0.965489, then the characteristic
equation is
D(s)+KN(s) = s - 1 + 0.96549( 1 ) = 0, or
s - 0.034511= 0
This equation has 1 root at s = 0.035.
These are shown by the large dots on the root locus
plot
Use slider to change K from this initial value and
see the
resulting location of the closed loop poles (roots
of
characteristic equation).
Note: this allows you to choose a large range of
values
between 0 and infinity. For larger values of K the
roots
Figura 7.19: LGR do sistema
1
s −1
.
7.5.2. GH(s) =
K
s(s + p)
, p > 0
Neste caso temos um p´ olo no eixo imagin´ ario. Procedemos de igual maneira, mas contornando os
zeros localizados no eixo imagin´ ario para manter a analiticidade da func¸ ˜ ao.
Γ
R,ε
−jR
jR
R
ε
R(s)
I(s)
Figura 7.20: Contorno do s.p.d. com zeros no eixo imagin´ ario.
Podemos contornar os p´ olos do eixo imagin´ ario pela direita ou pela esquerda. No entanto, se fosse-
mos pela esquerda ir´ıamos incrementar N de uma unidade, pois o p´ olo na origem ficaria dentro do
contorno. Para manter N e tornar a imagem de GH(Γ) mais simples, opt´ amos por n˜ ao incluir o p´ olo
na origem no interior do contorno Γ e, por isso, contornamos pela direita.
7.5. CRIT
´
ERIO DE NYQUIST 219
Vamos ver como fica ent˜ ao a imagem
GH( jω) =
K
jω( jω + p)
=−
K j(p− jω)
ω(ω
2
+ p
2
)
= −
K
ω
2
+ p
2
− j
Kp
ω(ω
2
+ p
2
)
repres. cartesiana
GH( jω) =
K
ω
_
ω
2
+ p
2
e
−j arctan
p
ω
repres. polar
lim
ω→0
+
GH( jω) = GH(0j) =−
K
p
2
− j∞ =∞e
−j
π
2
lim
ω→+∞
GH( jω) = −0
+
− j0
+
= 0e
−π
lim
ω→0

GH( jω) = GH(0j) =−
K
p
2
+ j∞ =∞e
j
π
2
lim
ω→−∞
GH( jω) = −0
+
− j0

= 0e
π
Logo a fase varia de
π
2
a −
π
2
. O arco que fecha o diagrama liga ent˜ ao a imagem de 0

a 0
+
.

K
p
2
ω →0

ω →0
+
ω →−∞
ω →+∞
R(s)
I(s)
Figura 7.21: Diagrama de Nyquist para a FT GH(s) =
K
s(s + p)
, p > 0
Como existem p´ olos sobre o eixo imagin´ ario, o diagrama de Nyquist tem de ser fechado com um
arco de circunferˆ encia de raio infinito.
220 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Apliquemos o crit´ erio de Nyquist:
N = 0
P = 0 p´ olos estritamente no s.p.d.
N = Z −P =⇒ Z = 0 =⇒ sistema est´ avel para ∀K
Como contorn´ amos o p´ olo na origem pela direita, n˜ ao contamos os p´ olos na origem e P ´ e igual ao
n´ umero de p´ olos estritamente positivos de GH. Podemos trac¸ar o LGR que confirma a estabilidade
do sistema.
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.22: LGR do sistema para GH(s) =
1
s(s +3)
.
7.5.3. GH(s) =
K
s(s + p
1
)(s + p
2
)
p
1
> 0, p
2
> 0
Passamos agora a considerar uma FT com trˆ es zeros, um dos quais na origem.
GH( jω) =
K
jω( jω + p
1
)( jω + p
2
)
= −
K(p
1
+ p
2
)

2
+ p
2
1
)(ω
2
+ p
2
2
)
− jK
p
1
p
2
−ω
2
ω(ω
2
+ p
2
1
)(ω
2
+ p
2
2
)
GH( jω) =
K
ω
_

2
+ p
2
1
)(ω
2
+ p
2
2
)
e
−j
_
π
2
+arctan
ω
p
1
+arctan
ω
p
2
_
7.5. CRIT
´
ERIO DE NYQUIST 221
lim
ω→0
+
GH( jω) = GH(0 j) =−
K(p
1
+ p
2
)
p
2
1
p
2
2
− j∞ =∞e
j
π
2
lim
ω→+∞
GH( jω) = −0
+
− j0
+
= 0e
−j
π
2
lim
ω→0

GH( jω) = GH(0 j) =−
K(p
1
+ p
2
)
p
2
1
p
2
2
+ j∞ =∞e
−j
π
2
lim
ω→−∞
GH( jω) = −0
+
− j0

= 0e
j
π
2

K(p
1
+ p
2
)
p
3
1
p
2
2
x
ω →0

ω →0
+
ω →+∞
ω →−∞
R(s)
I(s)
Figura 7.23: Diagrama de Nyquist da FT GH(s) =
K
s(s + p
1
)(s + p
2
)
, p
1
> 0, p
2
> 0.
Se x >−1 : N = 0, P = 0 =⇒ Z = 0, i.e., sistema est´ avel
Se x <−1 : N = 2, P = 0 =⇒ Z = 2, i.e., sistema inst´ avel
Se x =−1 o sistema diz-se no limite da estabilidade.
Comparemos estas conclus˜ oes com o LGR:
222 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
−10 −8 −6 −4 −2 0 2 4
−8
−6
−4
−2
0
2
4
6
8
LGR
Real Axis
I
m
a
g
.

A
x
i
s
Figura 7.24: LGR do sistema
1
s(s
2
+5s +6)
.
7.5.4. GH(s) =
K
s
2
(s + p)
Continuamos com uma FT de ordem-3, mas agora com dois p´ olos na origem.
GH( jω) =
K
−ω
2
( jω + p)
(7.13)
= −
Kp
ω
2

2
+ p
2
)
+ j

ω
2

2
+ p
2
)
(7.14)
(7.15)
GH( jω) =
K
ω
2
_
ω
2
+ p
2
e
−j arctan
ω
p
(7.16)
lim
ω→0
+
GH( jω) = GH(0j) =−∞+ j∞ =∞e
−jπ
lim
ω→+∞
GH( jω) = −0
+
+ j0
+
= 0e

π
2
lim
ω→0

GH( jω) = GH(0j) =−∞− j∞ =∞e

lim
ω→−∞
GH( jω) = −0
+
+ j0

= 0e
π
2
Temos ent˜ ao que:
N = 2, P = 0 =⇒ Z = 2, i.e., sistema inst´ avel.
Observe que o n´ umero de voltas em torno da origem coincide com o n´ umero de p´ olos no eixo
imagin´ ario.
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 223
ω →0
+
ω →0

ω →+∞
ω →+∞
ω →−∞
R(s)
I(s)
Figura 7.25: GH(s) =
K
s
2
(s + p)
.
7.6. Estabilidade relativa: margens de ganho e margens de fase
Dado um sistema est´ avel, duas noc¸ ˜ oes muito importantes fornecem o grau de estabilidade relativa
do sistema, ou seja a distˆ ancia de um sistema (est´ avel) ` a instabilidade.
Vamos assumir a estabilidade do sistema em malha aberta. Vimos anteriormente que se T(s) for
est´ avel, o diagrama de Nyquist de KG(s)H(s) n˜ ao envolve o ponto
_
−1
K
, 0 j
_
o que quer dizer que
o ponto
_
−1
K
, 0 j
_
se encontra ` a esquerda deste diagrama.
No que se segue basta considerar a parte do diagrama correspondente a ω > 0.
A partir do diagrama de Nyquist, s˜ ao derivadas a margem de ganho e a margem de fase.
A margem de ganho do sistema indica de quanto deve ser aumentado o ganho para chegar ` a insta-
bilidade. Multiplicando KG(s) por MG, o sistema em malha fechada passa a ser inst´ avel porque o
diagrama de Nyquist de MG KG(s)H(s) fica a passar por
_
−1
K
, 0 j
_
.
Aumentamos o ganho at´ e que a fase seja −180
o
, ou seja procuramos ω
f
tal que ∠MGW( jω
f
)H( jω
f
) =
−180
o
. Temos ent˜ ao que
¸
¸
W( jω
f
)H( jω
f
)
¸
¸
. ¸¸ .
A
MG =
1
K
⇔MG =
1
KA
224 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
a ω
f
chamamos frequˆ encia de travessia de fase.
Se a fase de G(s)H(s) sofresse umacr´ escimo de MF, ` a frequˆ encia ω
g
, o diagrama de Nyquist passaria
por
_

1
K
, 0 j
_
, ou seja [G(s)H(s)[ =1 ⇔20log
10
[G(s)H(s)[ =0dB, e o sistema em malha fechada
passaria a ser inst´ avel, ou seja, −180
o
=MF +KW( jω
g
)H( jω
g
) onde ω
g
´ e a frequˆ encia de travessia
de ganho. Posto isto, a margem de fase indica de quanto deve ser aumentada a fase at´ e chegar ` a
instabilidade.
Exemplo 7.5 Consideremos GH(s) =
8
s(s +2)
2
, representado no seguinte diagrama de blocos. O
sistema em malha aberta ´ e marginalmente est´ avel.
K
8
s(s +2)
2
H(s)
r
y

Para manter o sistema est´ avel temos que respeitar K < K
max
, sendo que K
max
´ e a margem de ganho.
Por margem de ganho entendemos o ganho m´ aximo que podemos imprimir ao sistema por forma a
que se mantenha est´ avel.
Comec¸amos por trac¸ar o diagrama de Nyquist para este exemplo:
−2

1
2
ω →0

ω →0
+
ω →+∞
ω →−∞
R(s)
I(s)
MF
Figura 7.26: Trac¸ado de Nyquist para o sistema GH(s) =
8
s(s +2)
2
.
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 225
Como calculamos estes valores?
GH( jω) =
8
jω( jω +2)
2
= −
32

2
+4)
2
+ j8
ω
2
−4
ω(ω
2
+4)
2
GH( jω) =
8
ω(ω
2
+4)
e
−j
_
π
2
+2arctan
ω
2
_
lim
ω→0
+
GH( jω) = GH( j0) =−2− j∞ =∞e
j
π
2
lim
ω→+∞
GH( jω) = −0
+
+ j0
+
= 0e

π
2
lim
ω→0

GH( jω) = GH( j0) =−2+ j∞ =∞e
−j
π
2
lim
ω→−∞
GH( jω) = −0
+
+ j0

= 0e
π
2
Para calcular o ponto x fazemos I(GH(s)) = 0 ⇔ω
2
−4 = 0 =⇒ ω
π
= 2
e R(GH( jω
π
)) =−
32

2
π
+4)
2
=−
32
64
=−
1
2
.
Passamos agora ` a determinac¸ ˜ ao da margem de ganho, e fazemo-lo atrav´ es da determinac¸ ˜ ao da
primeira frequˆ encia, ω
f
, para a qual GH( jω) atravessa o eixo real negativo:
ω
f
: ∠GH( jω) =−π ⇔I(GH( jω)) = 0 e R(GH( jω)) < 0
ou seja ω
f
= ω
π
= 2. Temos ainda que
¸
¸
KGH( jω
f
)
¸
¸
< 1 ⇔
⇔ K <
1
[GH( jω
π
)[
= MG
MG
dB
= 20logMG = 20log
1
[GH( jω
π
)[
=−20log[GH( jω
π
)[ =−20log
1
2
= 6.0206.
Se MG>1(MG
dB
>0) ent˜ ao o sistema ´ e est´ avel. Se MG≤1(MG
dB
≤0) ent˜ ao o sistema ´ e inst´ avel.
A margem de ganho s´ o se define para sistemas est´ aveis em malha aberta e para o primeiro cruza-
mento de GH( jω) com o eixo real negativo.
226 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
MG ´ e um ´ındice de estabilidade relativa, pois mede a distˆ ancia do sistema ` a instabilidade. Quanto
maior for MG, maior ´ e a estabilidade do sistema.
Vamos agora calcular a margem de fase:
[GH( jω)[ = 1
[GH( jω)[
2
= 1
8
ω(ω
2
+4)
= 1
ω
3
+4ω −8 = 0 e ω > 0 =⇒ ω
g
= 1.365
MF[
ω
g
=1.365
= 180
o
+∠G(1.365)H( j1.365)
= 180
o
−197.53
o
· 17.5349
o
Para sistemas de fase m´ınima, podemos ver as margens de ganho e de fase no diagrama de Bode da
seguinte forma:
• ω
f
(frequˆ encia de travessia de fase): no diagrama de fase, procuramos a frequˆ encia que cor-
responde a −180
o
. A margem de fase em dB ´ e a distˆ ancia de 20log
10
¸
¸
GH(ω
f
)
¸
¸
a 0 dB.
• ω
g
(frequˆ encia de travessia de ganho): no diagrama de ganho, procuramos a frequˆ encia que
corresponde a 0dB. A margem de ganho ´ e a distˆ ancia de ∠GH(ω
g
) a −180
o
.
Exemplo 7.6 Vejamos agora como ver as margens de ganho e fase nos diagramas de Bode. Fazendo
em Matlab
bode(G)
margin(G)
o que devolve os seguintes resultados:
MG=6.02 dB a 2 rad/seg
MF=21.4 grau a 1.36 rad/seg
Para que o sistema seja est´ avel, ´ e necess´ ario que as margens sejam positivas. Fac¸a o mapeamento
deste sistema em malha fechada.
Exerc´ıcio 7.11 Para o sistema G(s) =
10s +3
s(s +2)(s
2
+s +2)
fac¸a:
1. O mapeamento dos p´ olos e zeros (usando zpk(G)) de G(s).
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 227
ω
f
ω
f
ω
g
MF
10
−2
10
−1
10
0
10
1
10
2
−270
−225
−180
−135
−90
F
a
s
e
(
g
r
a
u
)
20 log MG
10
−2
10
−1
10
0
10
1
10
2
−100
0
100
M
a
g
n
i
t
u
d
e
(
d
B
)
Figura 7.27: Diagramas de Bode da func¸ ˜ ao de transferˆ encia G(s) =
8
s(s +2)
2
.
2. O mapeamento dos p´ olos e zeros da malha fechada.
3. Trace o diagrama de Bode e as margens de estabilidade (usando bode(G) e margin(G) ).
Atenc¸ ˜ ao que o sistema n˜ ao ´ e de fase m´ınima!!
4. Fac¸a igual estudo, mas retirando o zero na origem ao sistema.
5. Comente os resultados obtidos nas al´ıneas anteriores.
Exemplo 7.7
G(s)H(s) =
20
(s +1)(s +2)(s +3)
Temos ent˜ ao que
G( jω)H( jω) =
20
6(1−ω
2
) + jω(11−ω
2
)
[G( jω)H( jω)[
2
=
20
2
36(1−ω
2
)
2

2
(11−ω
2
)
2
∠G( jω)H( jω) = −∠
_
6(1−ω
2
) + jω(11−ω
2
)
_
228 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
Se quisermos calcular a margem de ganho:
∠G( jω)H( jω) =−180
o
⇔ ∠
_
6(1−ω
2
) + jω(11−ω
2
)
_
= 180
o
⇔ ω
_
11−ω
2
)
_
= 0, ω > 0 =⇒
⇒ ω
g
=

11
MG[
ω
g
=

11
=
1
¸
¸
¸G( j

11)HG( j

11)
¸
¸
¸
= 3
De igual forma se quisermos calcular a margem de fase, fazemos:
K[G( jω)H( jω)[ = 1(= 0 em dB)
⇔ K[G( jω)H( jω)[
2
= 1
⇔ ω
6
+49ω
2
+14ω
4
−364 = 0
⇔ ω
f
·1.84, ω ∈ R, ω > 0
MF[
ω
f
=1.84
= 180
o
+∠G( j1.84)H( j1.84)
= 180
o
−∠
_
6(1−1.84
2
) + j1.84(11−1.84
2
)
_
= 180
o
−∠−14.31+ j14.01 ·180
o
−(180
o
−44.5
o
)
· 44.5
o
Podemos determinar as margens de fase e de ganho com o Matlab, usando os comandos:
s=tf(’s’);
GH=20/((s+1)
*
(s+2)
*
(s+3));
[MG,MF,wg,wf]= margin(GH)
e obtendo-se os seguintes valores:
MG =3.0000 % (n˜ao em dB)
MGdb=20
*
log10(MG)
MF =44.4630 % (em graus)
wg =3.3166
wf =1.8382
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 229
e o seguinte diagrama obt´ em-se fazendo
nyquist(GH)
[G( jω)H( jω)[ = 1
−1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Eixo imagin´ ario
E
i
x
o
r
e
a
l
Diagrama de Nyquist
Exemplo 7.8
G(s)H(s) =
1
(s +1)(s +2)(s +3)
Como podemos ver no seguinte diagrama, MF = ∞, pois o diagrama nunca intersecta a circun-
ferˆ encia unit´ aria.
230 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
−0.2 −0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2
−0.2
−0.15
−0.1
−0.05
0
0.05
0.1
0.15
0.2
Eixo imagin´ ario
E
i
x
o
r
e
a
l
Diagrama de Nyquist
MG=
1
60
Vejamos agora como calcular as margens de ganho e de fase a partir do diagrama de Bode.
ω
f
ω
f
ω
g
MF
10
−2
10
−1
10
0
10
1
10
2
−270
−180
−90
0
Frequˆ encia (rad/seg)
F
a
s
e
(
g
r
a
u
s
)
10
−2
10
−1
10
0
10
1
10
2
−100
−50
0
20 log MG
G
a
n
h
o
(
d
B
)
Figura 7.28: Diagramas de Bode do sistema G(s) =
20
(s +1)(s +2)(s +3).
Exerc´ıcio 7.12 A seguinte figura representa o trac¸ado assimpt´ otico de Bode para o ganho de um
sistema de fase m´ınima com func¸ ˜ ao de transferˆ encia G(s) :
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 231
FEUP – MIEEC
Teoria do Controlo – Exerc´ıcios
An´alise de Sistemas Realimentados
ASR 4– Considere o sistema realimentado da figura, em que G
p
(s) =
s+1
s(s+3)
.

!
"
# $ %
!
a) Recorrendo `as constante de erro de posi¸c˜ao e velocidade (respectivamente k
p
e k
v
), determine
os erros em regime permanente para uma entrada em degrau unit´ario e para uma entrada em
rampa unit´aria.
b) Determine a fun¸c˜ao de transferˆencia de malha fechada,
Y (s)
R(s)
.
c) Determine a sa´ıda, y(t), quando a entrada ´e:
i. Um degrau unit´ario.
ii. Uma rampa unit´aria.
d) A partir dos resultados obtidos na al´ınea anterior, confirme o valor dos erros em regime per-
manente.
ASR 5– A figura seguinte representa o tra¸cado assint´otico de Bode, para o ganho de um sistema de fase
m´ınima com fun¸c˜ao de transferˆencia G(s):
!
!"#$% & ' ! "!
! ( ) * )+ ,!
("-./-01 !
!"-./-01 !
+"-./-01 !
+"-./-01 !
"-.
a) Fa¸ca um esbo¸co do correspondente tra¸cado de Nyquist.
b) Quantos p´olos na origem tem G(s)?
c) Determine o erro, em regime permanente, `as entradas degrau e rampa unit´arios.
ASR 6– Considere o sistema da figura, em que G
p
(s) =
s+3
s(s+1)
. Calcule a express˜ao da sa´ıda y(t), sabendo
que r(t) = 1 para t > 0, e que:
a) r(0

) = 0.5; y(0

) = 0.5; ˙ y(0

) = 0.
b) r(0

) = 1; y(0

) = 1; ˙ y(0

) = 0.

!
"
# $ %
!
2
1. Fac¸a um esboc¸o do correspondente trac¸ado de Nyquist.
2. Quantos p´ olos na origem tem G(s)?
3. Determine o erro em regime permanente ` as entradas em degrau e em rampa.
Exemplo 7.9 Considere-se o diagrama do ganho para uma func¸ ˜ ao de transferˆ encia G(s) de fase
m´ınima.

Licenciatura em
Engenharia Electrotécnica
Sistemas de Controlo
Caderno de Exercícios

U.T.A.D. – Departamento de Engenharias
José Boaventura Cunha, Raul Morais @2000
Pág - 16

b)
) 2 s )( 5 s ( s
10
) s ( G

e)
) 1 s 05 . 0
) s 5 . 0 1 ( 4
) s ( G
) s 125 . 0 (
2

c)
) 10 s ( s
1 s
) s ( G

f)
200 s 230
1
) s ( G
s 31 s
2 3



!"#$%&'()*+

Desenhe um esboço do diagrama de Bode para os seguintes sistemas:
a)

100
( 1)(0.1 1) s s

b)

2
10( 3)
( 2)( 2)
s
s s s s

c)

ª º
¬ ¼
2
4(1 0.5 )
(1 2 ) 1 0.05 (0.125 )
s
s s s s


!"#$%&'()*,

Determinado sistema de fase mínima apresenta a seguinte resposta em frequência:

Z[rad/s]
dB
1 1
20 20
10 10
11.4 11.4
2.7 2.7 Z
1
0.1 0.1
--40dB/dec 40dB/dec
Z[rad/s]
dB
1 1
20 20
10 10
11.4 11.4
2.7 2.7 Z
1
0.1 0.1
--40dB/dec 40dB/dec


a) Determine a função de transferência do sistema.


!"#$%&'()**

G(s)
+
-
Y(s)
R(s) E(s)
1
1. A partir dos diagramas de Bode de G(s), determine a margem de ganho e a frequˆ encia de
cruzamento de ganho. Use tamb´ em o Matlab.
2. Corrija o ganho de G(s) de tal forma que G(0.1) = 1.
Resoluc¸ ˜ ao:
1. Em Matlab:
figure(3)
[mod,fase,w]=bode(Hsys);
232 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
[Gm,Pm,Wcg,Wcp] =margin(Hsys);%Gm n. em dB
margin(Hsys)%marca as margens de ganho e fase no diagrama
Gm_dB=20
*
log10(Gm);%Para converter o ganho em dB
2. figure(4)
bode(Hsys)
w=0.1;
sprintf(’w=:%2f’,w)
evalfr(Hsys,w
*
j)
[mag,phase]=bode(Hsys,w)%para obter a magnitude em w em dB
magdB=20
*
log10(mag)
K=1/mag;
% %verificar
magdB+20
*
log10(K) %igual a 20dB=20log10(10)
sysK=tf([K],[1]);
figure(5)
bode(Hsys,’b’,sysK,’r’)
figure(6)
HsysK=series(Hsys,sysK);
[mag1,phase1]=bode(HsysK,w)
mag1dB=20
*
log10(mag1)
Exemplo 7.10 1. Para o sistema de func¸ ˜ ao de transferˆ encia
G(s) = k
10(s +3)
s(s +2)(s
2
+s +2)
,
com k =1 determine as margem de ganho e de fase, e bem como as frequˆ encias de cruzamento
de fase e de ganho, a partir dos diagramas de Bode de G(s).
2. Determine k tal que a margem de ganho seja 20 dB.
Resoluc¸ ˜ ao:
1. Em Matlab:
[mod,fase,w]=bode(Hsys);
7.6. ESTABILIDADE RELATIVA: MARGENS DE GANHO E MARGENS DE FASE 233
[Gm,Pm,Wcg,Wcp] =margin(Hsys);%Gm n˜ao est´a em dB
margin(Hsys)%marca as margens de ganho e fase no diagrama
Gm_dB=20
*
log10(Gm);%Para obter o ganho em dB
2. Qual a frequˆ encia de cruzamento da fase na al´ınea anterior? Wcp
Ent˜ ao:
20log
10
GH(Wcp) = x
20log
10
k +20log
10
GH(Wcp) = ? +x = 20 ⇔
⇔? = 20−x ⇔
⇔20log
10
k = 20−20log
10
GH(Wcp)
. ¸¸ .
:=Gm
inicial

⇔log
10
k =
20−20log
10
GH(Wcp)
20

⇔k = 10
20−20log
10
GH(Wcp)
20
Em Matlab:
Gm_inicial=Gm_dB;
Gm_final=20; \% em dB
\% a Margem de Ganho final ´e dada por:
K=10ˆ((Gm_final-Gm_inicial)/(20)); \%Gm_final=-20
*
log10(K)+Gm_inicial;
sprintf(’O valor de K ´e:\%2f’,K)
\%verificac¸˜ao dos resultados
[ modf, fasef, wf] = bode([K],[1 3 4 4 0 ]);
margin(modf, fasef, wf)
234 CAP
´
ITULO 7. AN
´
ALISE DE SISTEMAS EM MF
8. Projecto e t´ ecnicas de compensac¸ ˜ ao
Entende-se por compensac¸ ˜ ao a modificac¸ ˜ ao da dinˆ amica de um sistema de forma a satisfazer certas
especificac¸ ˜ oes. As abordagens descritas neste cap´ıtulo s˜ ao (i) o m´ etodo de lugar de ra´ızes e (ii) a
resposta em frequˆ encia.
Os sistemas de controlo s˜ ao projectados com vista ao desempenho de determinadas tarefas. Os
requisitos impostos ao sistema de controlo s˜ ao usualmente as especificac¸ ˜ oes de desempenho:
(i) exactid˜ ao
(ii) estabilidade relativa
(iii) velocidade da resposta.
Na maioria dos casos, o m´ etodo escolhido ´ e determinado pelas especificac¸ ˜ oes particulares de um
dado sistema. Sendo assim, se num projecto de um sistema de controlo as especificac¸ ˜ oes s˜ ao dadas
em termos de caracter´ısticas do sistema no dom´ınio dos tempos, tais como o tempo de subida, a
sobre-elongac¸ ˜ ao m´ axima ou tempo de assentamento, ent˜ ao optamos pela abordagem do LGR; Se por
outro lado, as especificac¸ ˜ oes de desempenho forem dadas em termos de margem de fase, margem de
ganho, pico de ressonˆ ancia ou largura de banda ent˜ ao melhor ser´ a optar por um m´ etodo de resposta
em frequˆ encia.
A alterac¸ ˜ ao do ganho ´ e sempre o primeiro passo no ajuste de um sistema com vista a um determinado
desempenho. No entanto, como vimos no cap´ıtulo anterior, o aumento do ganho melhora o compor-
tamento estacion´ ario do sistema, mas eventualmente ` a custa da estabilidade do sistema! Torna-se
ent˜ ao necess´ ario redesenhar o sistema com vista ` a obtenc¸ ˜ ao do desempenho requerido. A tal ”re-
desenhar do sistema”, ou adic¸ ˜ ao de um dispostivo conveniente, chama-se compensac¸ ˜ ao. Chama-se
compensador ao dispositivo adicional introduzido no sistema, ou seja, o compensador compensa o
235
236 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
deficit de desempenho pretendido.
De entre os diversos tipos de compensadores, largamente utilizados s˜ ao os compensadores de atraso
e avanc¸o de fase, os de atraso-avanc¸o e os de retroacc¸ ˜ ao da velocidade (ou tachometros). Neste curso,
vamos limitar a nossa discuss˜ ao a este tipo de compensadores. Os compensadores de atraso, avanc¸o
e atraso-avanc¸o s˜ ao dispositivos electr´ onicos ou malhas RC (el´ ectricas, mecˆ anicas, peneum´ aticas,
hidr´ aulicas ou combinac¸ ˜ oes destas) ou amplificadores.
O tipo de compensador usado ´ e escolhido com base na planta a ser controlada.
Um bom compensador deve assegurar:
(i) Robustez; resiliente a erros de modelac¸ ˜ ao.
(ii) Estabilidade; a dinˆ amica do sistema deve ser insens´ıvel a pequenas variac¸ ˜ oes (por ex, as
perturbac¸ ˜ oes devem ser atenuadas).
(iii) Boa capacidade de seguimento (ou rastreamento); o sistema deve exibir erros t˜ ao pequenos
quanto poss´ıvel na sua resposta a uma entrada do sistema.
A forma geral dos compensadores ´ e a seguinte:
G
p
(s) G
c
(s)
R(s) Y(s)

8.1. Compensadores por atraso de fase (lag compensators)
Os compensadores de atraso de fase s˜ ao por vezes o melhor compensador a usar de forma a obter
um requerido desempenho. S˜ ao usados por ajuste da resposta atrav´ es da adic¸ ˜ ao de igual n´ umero de
p´ olos e zeros a um sistema. As singularidades adicionadas s˜ ao manipuladas com vista a uma melhor
estabilidade ou desempenho.
S˜ ao da forma
G
c
(s) =
s +ω
z
s +ω
p
com ω
z
> ω
p
> 0
8.1. COMPENSADORES POR ATRASO DE FASE 237
temos que
∠G
c
( jω) = ∠( jω +ω
z
) −∠( jω +ω
p
)
⇐⇒∠G
c
( jω) = arctan
ω
ω
z
−arctan
ω
ω
p
(8.1)
Para ter um atraso de fase, ´ e necess´ ario que:
∠G
c
( jω) < 0 =⇒ ω
z
> ω
p
.
Podemos ainda escrever ω
p
= αω
z
, com 0 < α < 1.
R
e
I
m
φ
1
1
α

A partir da figura, temos que sendo φ =∠G
c
( jω)
sinφ =
raio
raio+1
=
1−α
1+α
, sendo raio =
_
1
α
−1
_
1
2
Tem-se ainda que a sua fase m´ınima ocorre para ω
min
=

ω
z
ω
p
, o que facilmente se conclui deri-
vando a express˜ ao (2.1) e igualando a zero.
Vamos considerar os diagramas de Bode para o exemplo G
c
(s) =
s +3
s +1
:
238 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
R
e
I
m
1
ω
z
ω
p
Da observac¸ ˜ ao da figura, conclu´ımos que o ganho nunca ´ e inferior a 1.
Vejamos agora os diagramas de Bode:
10
−1
10
0
10
1
−10
0
10
20 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
ω
p ω
z
10
−1
10
0
10
1
−40
−20
0 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
ω
p ω
z

ω
z
ω
p
Da observac¸ ˜ ao dos diagramas de Bode, vemos que estes compensadores actuama baixas frequˆ encias,
ou seja em regime estacion´ ario. Aumentam as constantes de erro de um factor
ω
z
ω
p
, diminuindo assim
o erro de seguimento em regime permanente.
Diminuem tamb´ em a fase o que pode ser problem´ atico. Uma diminuic¸ ˜ ao da fase provoca uma
rotac¸ ˜ ao no sentido hor´ ario que poder´ a colocar o ponto −1+0j ` a direita do diagrama.
8.2. COMPENSADORES POR AVANC¸ O DE FASE 239
R
e
I
m
-1 1
dim. fase
Este tipo de compensador poder´ a ser implementada atrav´ es do seguinte circuito

+
E
s
C
R
2
R
1
E
i
E
o
(s)
E
i
(s)
=
A
α
s +
1
τ
s +
1
ατ
τ = R
2
C
α =
R
1
+R
2
R
1
.
8.2. Compensadores por avanc¸o de fase (lead compensators)
Os compensadores por avanc¸o de fase s˜ ao, ` a semelhanc¸a dos por atraso de fase, por vezes o melhor
compensador a usar de forma a obter um requerido desempenho. S˜ ao usados por ajuste da resposta
atrav´ es da adic¸ ˜ ao de igual n´ umero de p´ olos e zeros a um sistema. As singularidades adicionadas s˜ ao
tamb´ em manipuladas com vista a uma melhor estabilidade ou desempenho.
240 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
S˜ ao da forma
G
c
(s) =
s +ω
z
s +ω
p
com ω
p
> ω
z
> 0
temos que
∠G
c
( jω) = ∠( jω +ω
z
) −∠( jω +ω
p
)
⇐⇒∠G
c
( jω) = arctan
ω
ω
z
−arctan
ω
ω
p
Para ter um avanc¸o de fase, ´ e necess´ ario que:
∠G
c
( jω) > 0 =⇒ ω
z
< ω
p
.
Podemos ainda escrever ω
z
= αω
p
, com 0 < α < 1.
R
e
I
m
1
α

Tem-se ainda a sua fase m´ axima ocorre para ω
max
=

ω
z
ω
p
, . Da observac¸ ˜ ao da figura, tem-se que
sinφ =
raio
raio+α
=
1−α
1+α
R
e
I
m
1
ω
z
ω
p
Da observac¸ ˜ ao da figura, conclu´ımos que o ganho ´ e nunca superior a 1.
8.2. COMPENSADORES POR AVANC¸ O DE FASE 241
Considerem-se os diagramas de Bode para o exemplo G
c
(s) =
s +1
s +3
:
10
−1
10
0
10
1
−20
−10
0
10 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
ω
z
ω
p
10
−1
10
0
10
1
0
20
40 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
ω
z
ω
p

ω
z
ω
p
Da observac¸ ˜ ao dos diagramas de Bode, vemos que os compensadores actuam a altas frequˆ encias, ou
seja, afectam o regime transit´ orio.
Diminuem as constantes de erro de um factor
ω
z
ω
p
< 1, aumentando assim o erro de seguimento em
regime permanente.
Aumentam tamb´ em a fase. Um aumento da fase provoca uma rotac¸ ˜ ao no sentido anti-hor´ ario, sem
perigo de colocar o ponto −1+0 j ` a direita do diagrama.
R
e
I
m
-1 1
aum. fase
Este tipo de compensador poder´ a ser implementada atrav´ es do seguinte circuito
242 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO

+
E
s
R
2
R
1
C
E
i
E
o
(s)
E
i
(s)
=
A
α
s +
1
τ
s +
1
ατ
τ = R
1
C
α =
R
2
R
2
+R
1
.
8.3. Compensadores por avanc¸o-atraso de fase (lead-lag compensa-
tors)
Este tipo de compensadores usa-se quando se pretende actuar simultaneamente no regime transit ´ orio
e no regime permanente.
A sua forma consiste na ligac¸ ˜ ao em s´ erie de um ganho simples, um compensador de avanc¸o e um
compensador de atraso, isto ´ e:
G
c
(s) = K
s +ω
z
1
s +ω
p
1

s +ω
z
2
s +ω
p
2
com
0 < ω
p
1
< ω
z
1
0 < ω
z
2
< ω
p
2
(8.2)
A baixas frequˆ encias requer-se um atraso de fase enquanto que a altas ferquˆ encias se requer um
avanc¸o.
8.4. COMPENSADORES CORTA-FAIXA 243
8.4. Compensadores corta-faixa (notch compensators)
Este tipo de compensadores atenuam o ganho numa determinada faixa de frequˆ encias. Um exemplo
deste tipo de compensadores ´ e G
c
(s) =
s
2
+2s +100
s
2
+2s +400
.
10
0
10
1
10
2
10
3
−30
−20
−10
0
10 dB
rad/s
Frequˆ encia, ω
G
a
n
h
o
ω =
10
0
10
1
10
2
10
3
−20
0
20
40
60
80
100
120 dB
rad/s
Frequˆ encia, ω
F
a
s
e
,

G
(
j
ω
)
)
8.5. Compensac¸ ˜ ao por lugar geom´ etrico de ra´ızes
Tal como foi dito na introduc¸ ˜ ao este m´ etodo ´ e apropriado quando as especificac¸ ˜ oes do sistema s˜ ao
expressas no dom´ınio dos tempos.
No caso que passamos a estudar, o sistema compensado tem um par de p´ olos complexos conjugados
dominantes. As especificac¸ ˜ oes s˜ ao ent˜ ao dadas para esse par de p´ olos, o mesmo ´ e dizer que os p´ olos
dominantes definem os parˆ ametros do compensador.
244 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
Vamos usar um compensador por avanc¸o ou atraso de fase:
G
c
(s) = K
c
s +ω
z
s +ω
p
8.5.1. Compensac¸ ˜ ao por avanc¸o de fase
Suponhamos que queremos determinar o ganho para ter os p´ olos complexos colocados como espe-
cificado. Dado n˜ ao estarem estes p´ olos sobre o LGR, n˜ ao podem ser alcanc¸ados somente por um
ajuste de ganho.
´
E preciso puxar todo o LGR para a esquerda.
Um compensador deste tipo tem a forma G
c
(s) = K
c
s +ω
z
s +ω
p
, K
c
> 0, 0 < ω
z
< ω
p
. O efeito deste
compensador no LGR ´ e efectuar uma translac¸ ˜ ao ` a esquerda das ass´ımptotas do LGR, ao longo
do eixo real, da quantidade
−ω
z
−ω
p
n−m
< 0, sendo n −m o excesso de zeros do processo, G
p
(s)
(de acordo com o c´ alculo do ponto de intersecc¸ ˜ ao das ass´ımptotas); Escolhendo ω
z
−ω
p
de forma
adequada, pode fazer-se passar o LGR pelos p´ olos que estejam ` a nossa esquerda.
Uma vez escolhidas as frequˆ encias ω
z
, ω
p
de forma a que o LGR passe pelos p´ olos desejados, basta
depois ajustar o K
c
para se obter esses p´ olos no sistema compensado.
Vejamos o seguinte exemplo G
c
(s) =
1
s(s
2
+5s +6)
−5 −4 −3 −2 −1 0 1 2 3
−6
−4
−2
0
2
4
6
8.5. COMPENSAC¸
˜
AO POR LUGAR GEOM
´
ETRICO DE RA
´
IZES 245
Consideremos por exemplo o compensador G
c
(s) = K
c
s +2
s +8
−5 −4 −3 −2 −1 0 1 2 3
−6
−4
−2
0
2
4
6
Projecto do compensador
Sejam p
d
, ¯ p
d
os p´ olos especificados do sistema em malha fechada:
1+G
c
(p
d
)G
p
(p
d
) = 0
⇔G
c
(p
d
)G
p
(p
d
) = −1

s +ω
z
s +ω
p
G
p
(p
d
) = −1
implica
a)∠
s +ω
z
s +ω
p
+∠G
p
(p
d
) = (2 +1)180
o
=⇒ ∠
s +ω
z
s +ω
p
=−∠G
p
(p
d
) +(2 +1)180
o
. ¸¸ .
conhecido
Regra heur´ıstica: ω
z
·[p
d
[ = ω
n
b)K
c
¸
¸
¸
¸
s +ω
z
s +ω
p
¸
¸
¸
¸
¸
¸
G
p
(p
d
)
¸
¸
= 1
sendo K
c
o ganho que permite alcanc¸ar os p´ olos especificados, p
d
, ¯ p
d
, no sistema compensado.
Uma vez conhecidos o p´ olo e o zero do compensador, calculamos K
c
de forma usual.
Exemplo 8.1 Seja G
p
(s) =
4
s(s +2)
, tem-se ent˜ ao que a FT em malha fechada ´ e G
CL
=
4
s
2
+2s +4
246 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
cujos p´ olos s˜ ao s =−1±

3 j, ω
n
= 2 e ξ = 0.5.
Suponhamos agora que pretendemos um sistema com ω
n
= 4 e igual ξ. Os p´ olos especificados s˜ ao
p
d
, ˆ p
d
=−2±2

3 j. Facilmente se conclui que estes p´ olos n˜ ao podem ser alcanc¸ados por simples
variac¸ ˜ ao do ganho, pois ω
n
=

4K e ξ =
1

4K
!
Vamos tentar fazˆ e-lo com um compensador por avanc¸o de fase G
c
(s) = K
c
s +αω
p
s +ω
p
, 0 < α < 1.
Como determinar os parˆ ametros do compensador?
O primeiro passo ´ e a determinac¸ ˜ ao do ˆ angulo que precisa de ser adicionado:

s +αω
p
s +ω
p
= (2 +1)180
o
−∠G
p
(s).
G
p
(s) =
4
s(s +2)
¸
¸
¸
¸
s=p
d
, ˆ p
d
=−
3
12
+

3
12
=⇒ tanθ =

3
3
=⇒ θ = 30
o
Como o ˆ angulo est´ a no segundo quadrante (p
d
) ou no terceiro ( ˆ p
d
), ent˜ ao
∠G
c
(s) = 180
o
−210
o
.
Uma f´ acil escolha para o zero do compensador ´ e ω
z
·[p
d
[ = ω
n
= 4, caso seja poss´ıvel.
Temos ent˜ ao
G
c
(s) = K
c
s +4
s +ω
p
∠G
c
(s) = 30
o

s +4
s +ω
p
= ∠(s +4) −∠(s +ω
p
) = 30
o
tan(30
o
+β) =
[ −2−ω
p
2

3
tan(90−β) =
2

3
2
=⇒ tan

3 = 58.34
o
=⇒ β = 31.66
8.5. COMPENSAC¸
˜
AO POR LUGAR GEOM
´
ETRICO DE RA
´
IZES 247
=⇒ tan(30
o
+31.66) = 1.8539
ent˜ ao
1.85392

3+2 = −ω
p

⇔ω
p
= −8.42
Logo
G
c
(s) = K
c
s +4
s +8.42
=⇒ K =
1
¸
¸
¸
¸
s +4
s +8.42
¸
¸
¸
¸
¸
¸
¸
¸
1
s(s +4)
¸
¸
¸
¸
=
1
¸
¸
¸
¸
1
s(s +8.42)
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
s=s=p
d
, ˆ p
d
8.5.2. Compensac¸ ˜ ao por atraso de fase
Um compensador deste tipo tem a forma G
c
(s) = K
c
s +ω
z
s +ω
p
, K
c
> 0, 0 < ω
p
< ω
z
. O efeito deste
compensador no LGR ´ e efectuar uma translac¸ ˜ ao ` a direita das ass´ımptotas do LGR, ao longo do eixo
real, da quantidade
−ω
z
−ω
p
n−m
> 0, sendo n −m o excesso de zeros do processo, G
p
(s) (de acordo
com o c´ alculo do ponto de intersecc¸ ˜ ao das ass´ımptotas); Escolhendo ω
z
−ω
p
de forma adequada,
pode fazer-se passar o LGR pelos p´ olos que estejam ` a direita. Um compensador deste tipo tem ainda
o efeito de aumentar as constantes de erro de um factor
ω
z
ω
p
=
1
α
.
Projecto de um compensador
Dado o factor de aumento
1
α
desejado para uma constante de erro, determinar ω
z
, ω
p
atrav´ es de:
ω
z
ω
p
=
1
α
+ Regra heur´ıstica: ω
z
·
ω
n
10
sendo ω
n
·[p
d
[ e p
d
, ˆ p
d
os p´ olos dominantes da malha fechada sem compensador.
Pois G
c
(p
d
) =
p
d
+
ω
n
10
p
d
+
αω
n
10
·1
e portanto os p´ olos dominantes do sistema em malha fechada compensado n˜ ao diferem muito de
p
d
, ˆ p
d
, pelo que o regime transit ´ orio n˜ ao ´ e mito afectado.
Exemplo 8.2 (Cruise control) Vamos aqui retomar o Exemplo ??, cuja FT ´ e G
p
(s) =
1
ms +b
com:
248 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
m=1000;
b=50;
u=10
Relembremos serem as especificac¸ ˜ oes as seguintes:
Tempo de subida t
r
< 5s
Sobre-elongac¸ ˜ ao M
p
< 10%
Erro em regime permanente < 2%
Temos G
CL
=
K
p
ms +(b+K
p
)
.
Para usarmos o comando sgrid do Matlab, temos que calcular o amortecimento e a frequˆ encia
natural do sistema:
ω
n

1.8
t
r
ξ ≥
¸
¸
¸
¸
¸
¸
_
(
_
lnM
p
π
_
)
2
1+(
_
lnM
p
π
_
)
2
Obtendo-se ω
n
> 0.36 e ξ > 0.6. Vamos agora geral o LGR
m=1000;
b=50;
u=10;
num=[1];
den=[m b];
cruise=tf(num,den);
rlocus(cruise);
axis([-0.6 0 -0.6 0.6]);
sgrid(0.6,0.36)
[Kp,poles]=rlocfind(cruise)
sys_cl=feedback(Kp
*
cruise,1);
t=0:0.1:20;
step(u
*
sys_cl,t)
axis([0 20 0 10])
8.5. COMPENSAC¸
˜
AO POR LUGAR GEOM
´
ETRICO DE RA
´
IZES 249
obtendo-se ent˜ ao
−0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
Verifique que as linhas a tracejado indicam um amortecimento constante de ξ = 0.6 e a semi-elipse
representa uma ω. De forma a cumprir as especificac¸ ˜ oes, temos que escolher um ponto fora da
semi-elipse e entre as linhas que definem o amortecimento. A partir do Matlab, escolhemos um
ponto nestas condic¸ ˜ oes. Escolhemos o ponto −0.4443 +0.0019j cujo ganho ´ e Kp = 394.3172. A
respectiva resposta ao degrau ´ e:
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
De forma a diminuir o erro em regime permanente adicionamos um controlador por atraso G
c
=
s +ω
z
s +ω
p
,
Sendo a FT (sem considerar K
p
) G
c
(s)G
p
(s) =
s +ω
z
ms
2
+(b+mω
p
)s +bω
p
250 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
Escolhemos ω
z
=−0.3 e ω
p
=−0.03. Executemos os seguintes ficheiros em Matlab
m=1000;
b=50;
u=10;
Z=0.3;
P=0.03;
num=[1];
den=[m b];
cruise=tf(num,den);
contr=tf([1 Z] , [1 P]);
rlocus(contr
*
cruise);
axis([-0.6 0 -0.4 0.4]);
sgrid(0.6,0.36)
[Kp,poles]=rlocfind(contr
*
cruise)
sys_cl=feedback(Kp
*
contr
*
cruise,1);
t=0:0.1:20;
step(u
*
sys_cl,t)
axis([0 20 0 10])
donde resulta o seguinte LGR:
−0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0
−0.4
−0.2
0
0.2
0.4
obtendo-se a seguinte resposta:
8.6. COMPENSAC¸
˜
AO NO DOM
´
INIO DAS FREQU
ˆ
ENCIAS 251
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
12
8.6. Compensac¸ ˜ ao no dom´ınio das frequˆ encias
No que se segue explicamos como desenhar compensadores no dom´ınio das frequˆ encias. Por exem-
plo a partir da especificac¸ ˜ ao da margem de ganho e fase, frequˆ encia de corte, largura de banda, pico
de ressonˆ ancia, etc.
8.6.1. Compensadores por avanc¸o de fase
Sabemos j´ a ter um compensador deste tipo a forma G
c
(s) = K
c
s +ωz
s +ω
p
, 0 < ω
z
< ω
p
.
Este tipo de compensadores usa-se para aumentar as margens de estabilidade, tendo ainda que, em
geral, as especificac¸ ˜ oes dadas nos deixam um grau de liberdade na escolha do zero ou do p´ olo.
A escolha do zero e do p´ olo segue a seguinte regra heur´ıstica

ω
z
ω
p
= ω
f
, sendo ω
f
a frequˆ encia
de travessia de ganho. Esta escolha garante ser m´ axima a contribuic¸ ˜ ao da fase do compensador ` a
frequˆ encia ω
f
, evitando-se desta forma um acr´ escimo excessivo da fase. Um acr´ escimo excessivo
da fase ´ e indesej´ avel, dado que quanto maior for a fase m´ axima do compensador, menor o quociente
ω
z
ω
p
e consequentemente a atenuac¸ ˜ ao das constantes de erro, o que ´ e obviamente indesej´ avel.
252 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
Exemplo 8.3 Consideremos o processo
G
p
(s) =
500
s(s +1)
,
pretende-se determinar umcompensador do tipo descrito nesta secc¸ ˜ ao tal que o sistema compensado
tenha uma margem de fase de 65
o
e uma frequˆ encia de ganho ω
f
= 35rad/s.
Comec¸amos por calcular o ganho e a fase do processo ` a frequˆ encia ω
f
= 35rad/s :
¸
¸
G
p
(35 j)
¸
¸
= 0.41
∠G
p
(35 j) = −178.4
o
De acordo com as especificac¸ ˜ oes, o sistema compensado ter´ a de ser tal que:
¸
¸
G
c
(35 j)G
p
(35 j)
¸
¸
= 1 =⇒ [G
c
(35 j)[ =
1
¸
¸
G
p
(35 j)
¸
¸
=
1
0.41
∠G
c
(35 j)G
p
(35 j) = 65
o
−180
o
=−115
o
=⇒ ∠G
c
(35 j) =−115
o
−G
p
(35 j) = 63.4
o
Em resumo, temos ent˜ ao que:
∠G
c
(35 j) = 63.4
o
⇔∠
s +ω
z
s +ω
p
= 63.4
o
[G
c
(35 j)[ = 1 ⇔0.41
¸
¸
¸
¸
s +ω
z
s +ω
p
¸
¸
¸
¸
= 1
Temos portanto trˆ es inc´ ognitas e duas equac¸ ˜ oes, logo um grau de liberdade. N˜ ao nos esquec¸amos
de usar a regra heur´ıstica

ω
z
ω
p
= ω
f
.
8.6.2. Compensadores por atraso de fase
Sabemos j´ a ter um compensador deste tipo a forma G
c
(s) = K
c
s +ωz
s +ω
p
, 0 < ω
p
< ω
z
.
Este tipo de compensadores usa-se para aumentar as constantes de erro de um factor
1
α
=
ω
z
ω
p
, 0 <
α < 1.
A escolha do zero segue a regra heur´ıstica ω
z
=
ω
f
10
, sendo ω
f
a frequˆ encia de travessia de ganho do
sistema a compensar. Sabendo que
G
c
( jω
f
) = K
c

f
+ωz

f

p
= K
c

f
+
ω
f
10

f

ω
f
10
·1
8.6. COMPENSAC¸
˜
AO NO DOM
´
INIO DAS FREQU
ˆ
ENCIAS 253
e como tal a margem de fase n˜ ao ´ e muito alterada.
ou em alternativa ω
z
=
ω
c
10
, sendo w
c
a frequˆ encia de corte da malha fechada sem compensador.
Sabendo que
G
c
( jω
c
) = K
c
jω +ωz
jω +ω
p
= K
c
jω +
ω
c
10
jω +α
ω
c
10
·1 ω >> ω
c
ou seja, a influˆ encia de G
c
a baixas frequˆ encias (ou no regime transit ´ orio) ´ e pequena.
Exemplo 8.4 Dado o processo G
p
(s) =
1
s(s +1)
, determinar um compensador
s +ω
z
s +ω
p
de modo a
duplicar a constante de erro da velocidade sem alterar muito a margem de fase do sistema.
Seja
ω
z
ω
p
= 2. Temos agora que determinar a frequˆ encia de travessia de ganho ω
f
:
¸
¸
G
p
_
ω
f

¸
= 1 ⇔ ω
f
= 0.79rad/s.
Aplicando a regra heur´ıstica, temos: ω
z
=
ω
f
10
. Logo
_
_
_
ω
z
= 2ω
p
ω
z
=
ω
f
10

_
_
_

p
=
ω
f
10


_
_
_
ω
p
= 0.04
ω
z
= 0.08
Portanto G
c
(s) =
s +0.04
s +0.08
Exemplo 8.5 (Cruise control) Retomando o Exemplo 3.4, vamos analisar a soluc¸ ˜ ao deste pro-
blema, desta vez usando a resposta em frequˆ encia.
cuja FT ´ e G
p
(s) =
1
ms +b
com:
m=1000;
b=50;
u=10
Relembremos serem as especificac¸ ˜ oes as seguintes:
Tempo de subida t
r
< 5s
Sobre-elongac¸ ˜ ao M
p
< 10%
Erro em regime permanente < 2%
Consideremos as definic¸ ˜ oes iniciais em Matlab
254 CAP
´
ITULO 8. PROJECTO E T
´
ECNICAS DE COMPENSAC¸
˜
AO
m=1000;
b=50;
u=500;
Kp=1;
num=1;
den=[m b];
cruise=tf(num,den);
contr=Kp;
step(u
*
contr
*
cruise)
A. Quest ˜ oes de linguagem
Acc¸ ˜ ao por antecipac¸ ˜ ao ´ e o caminho depois do ponto soma que caminha atrav´ es da planta em
direcc¸ ˜ ao ` a sa´ıda do sistema. (em inglˆ es: feedforward)
? (em inglˆ es: feedbackward)
Amortecimento cr´ıtico caso em que o amortecimento est´ a na fronteira entre o subamortecimento
e o sobre-amortecimento.
An´ alise de um sistema estuda o comportamento de um sistema quando excitado por sinais de en-
trada. Podem ser (i) quantitativa: em que se calculam e caracterizam as repostas a sinais
particulares, determin´ısticos e estoc´ asticos, de que s˜ ao exemplo a an´ alise no dom´ınio dos tem-
pos e das frequˆ encias. S˜ ao muito importantes as ferramentas de simulac¸ ˜ ao de sistemas em
computador. (ii) qualitativa: propriedades estruturais dos sistemas (controlabilidade, obser-
vabilidade e estabilidade). Procura-se calcular as caracter´ısticas do sistema sem a calcular
expl´ıcitamente.
Aproximac¸ ˜ ao linear um aproximac¸ ˜ ao (simplificac¸ ˜ ao) do modelo da qual resulta uma relac¸ ˜ ao linear
entre a entrada e a sa´ıda do sistema.
Oscilac¸ ˜ ao amortecida oscilac¸ ˜ ao na qual a amplitude decresce com o tempo.
Controlador ou compensador ´ e um sistema adicional que ´ e copulado ` a planta de forma a controlar
a planta. O sistema pode ter v´ arios compensadores e podem aparecer em qualquer parte do
sistema (depois de um ponto soma, antes ou depois da planta e na malha de realimentac¸ ˜ ao).
Entrada do sistema ´ e um est´ımulo ou excitac¸ ˜ ao aplicada a um sistema de controlo por uma fonte
externa, de forma a produzir uma resposta espec´ıfica desse sistema.
255
256 AP
ˆ
ENDICE A. QUEST
˜
OES DE LINGUAGEM
Erro ´ e a diferenc¸a entre o est´ımulo do sistema e a sua sa´ıda, i.e., a diferenc¸a entre a entrada e
realimentac¸ ˜ ao do sistema.
MIMO multiple input multiple output.
Modelac¸ ˜ ao abstrac¸ ˜ ao da realidade f´ısica.
Modelo representac¸ ˜ ao matem´ atica de um sistema.
MISO multiple input single output.
Perturbac¸ ˜ ao
´
E o perturbar de condic¸ ˜ oes estacion´ arias. Em teoria do controlo, uma perturbac¸ ˜ ao ´ e
entendida como um sinal que afecta o sinal de sa´ıda, internamente se for gerada pelo sistema.
Se a perturbac¸ ˜ ao for externa ´ e entendida como um sinal de entrada.
Planta este termo importando da engenharia qu´ımica designa o processo principal. A planta ´ e o
sistema inicial (sem qualquer controlador ou compensador) que n˜ ao verifica as especificac¸ ˜ oes
pretendidas.
Ponto soma ´ e um s´ımbolo num diagrama de blocos que soma dois ou mais sinais de entrada e
produz um ´ unico sinal de sa´ıda.
Princ´ıpio da sobreposic¸ ˜ ao a sa´ıda do sistema provocada por v´ arias entradas ´ e igual ` a soma da sa´ıda
produzida por cada uma das entradas (individualmente).
Retroacc¸ ˜ ao (ou realimentac¸ ˜ ao) quando a sa´ıda do sistema vai realimentar o sistema de forma a mo-
dificar a sua entrada. Serve para monitorizar o desempenho do sistema. (em inglˆ es: feedback)
Realimentac¸ ˜ ao unit´ aria quando o fator multiplicativo da realimentac¸ ˜ ao ´ e .
Resposta indicial resposta do sistema cuja entrada ´ e o degrau unit´ ario.
Sa´ıda do sistema
´
E a resposta obtida pelo sistema a um dado est´ımulo.
S´ıntese de um sistema sempre que o comportamento de um sistema n˜ ao ´ e a desejado, ´ e poss´ıvel
modific´ a-lo actuando nos seus parˆ ametros ou associando-lhe compensadores devidamente
projectados.
SIMO single input multiple output.
Simulac¸ ˜ ao modelo do sistema que ´ e usado para investigar o seu comportamento quando submetido
a sinais de entrada.
SISO single input single output.
257
Sistema modelo de um sistema f´ısico.
Sistema causal sistema cuja sa´ıda num dado instante s´ o depende da entrada nos instantes anteriores
e nunca dos instantes futuros.
Sistemas cont´ınuos sistemas cuja variac¸ ˜ ao temporal se faz de modo cont´ınuo.
Sistemas discretos sistemas cuja variac¸ ˜ ao temporal se faz de modo discreto.
Sistema em malha aberta sistema sem retroac¸ ˜ ao. O desempenho destes sistemas ´ e depende de
uma adequada calibrac¸ ˜ ao e n˜ ao compensa qualquer perturbac¸ ˜ ao. Um exemplo ´ e a m´ aquina de
lavar roupa.
Sistema em malha fechada sistema com retroac¸ ˜ ao. Como a entrada ´ e regulada pela sa´ıda, tem a
capacidade de compensar as perturbac¸ ˜ oes. Um exemplo ´ e a bicicleta.
Sistema invariante no tempo sistema cujos parˆ ametros n˜ ao dependem da vari´ avel tempo.
Sistema linear sistema cuja sa´ıda ´ e uma combinac¸ ˜ ao linear das diferentes entradas. Os sistemas
lineares obedecem ao princ´ıpio da sobreposic¸ ˜ ao.
Sistema n˜ ao linear sistema que n˜ ao ´ e linear.
Teoria do controlo quando a teoria de sistemas interv´ em na evoluc¸ ˜ ao dos mesmos ou fase de
s´ıntese.
Teoria do controlo cl ´ assica analisa sistema em malha fechada no dom´ınio das frequˆ encias. O con-
junto de t´ ecnicas do dom´ınio das frequˆ encias inclui ferramentas de an´ alise e projecto de siste-
mas, tais como o Lugar Geom´ etrico de ra´ızes, Realocac¸ ˜ ao de p´ olos (Pole placement), diagra-
mas de Bode e Nyquist. Tem especial enfoque nos sistemas SISO.
Teoria do controlo moderno analisa sistemas no dom´ınio dos tempos, fazendo uso da representa
de um sistema em espac¸o de estados. Esta abordagem ´ e muito adequada para analisar sistemas
MIMO, podendo ainda representar-se/analisar-se sistemas com componentes n˜ ao lineares e
condic¸ ˜ oes iniciais n˜ ao nulas.
Tipos de controlo:
Regulator (e.g. flyball governor) — mant´ em uma sa´ıda constante apesar das perturbac¸ ˜ oes.
Compensator (e.g. elevador) — leva o sistema de um estado inicial para um estado final de acordo
com a especificac¸ ˜ ao da resposta transit´ oria.
258 AP
ˆ
ENDICE A. QUEST
˜
OES DE LINGUAGEM
Rastreamento tracking (e.g. robot espacial) — a sa´ıda do sistema deve condizer com uma entrada
n˜ ao estacion´ aria apesar das perturbac¸ ˜ oes.
Controlo ´ optimo (e.g. disco duro) — leva o sistema de um estado inicial para um estado final,
otimizando uma func¸ ˜ ao de m´ erito.
Combinac¸ ˜ oes dos tipos acima referidos (e.g. Segway) deve regular uma trajet ´ oria constante or
levar o sistema de um estado transit ´ orio para mudar de traject ´ oria enquanto minimiza o con-
sumo.
B. Matlab em sistemas de controlo
O objectivo deste apˆ endice ´ e ajudar os alunos a obterem o conhecimento m´ınimo de Matlab, de
forma a poderem usar esta ferramenta na UC de Sistemas de Controlo.
Control System Toolbox ´ e uma ferramenta do Matlab cujo objectivo ´ e auxiliar na an´ alise de sistemas
de controlo lineares.
B.1. Conhecimentos b´ asicos em Matlab
Nesta secc¸ ˜ ao fazemos uma breve introduc¸ ˜ ao ao Matlab, assumindo conhecimento nulo desta ferra-
menta por parte dos alunos.
Para definir uma vari´ avel em Matlab fazemos:
>> a=1+2
ou
>> a=3
O Matlab utiliza os seguintes operadores aritm´ eticos:
+ adic¸ ˜ ao
− subtracc¸ ˜ ao
∗ multiplicac¸ ˜ ao
/ divis˜ ao

potˆ encia
/
transposic¸ ˜ ao
259
260 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
Em Matlab ”a”´ e diferente de ”A”.
Os comandos who e whos d´ a o nome das vari´ aveis definidas no espac¸o de trabalho.
A prenda ainda a utilizar os comandos clear clear all ou clear nome var.
Vectores
Criac¸ ˜ ao de um vector com determinados elementos:
>> a = [1 2 3 4 5 6 9 8 7]
Criac¸ ˜ ao de um vector com elementos entre 0 e 20 e espac¸ados entre si com incrementos de 2:
>> t = 0:2:20
A indexac¸ ˜ ao de vectores em Matlab comec¸a sempre em 1, ou seja, a localizac¸ ˜ ao do primeiro ele-
mento de um vector ´ e sempre 1. No vector anterior:
>> t(1)
Somar 2 a cada um dos elementos do vector a:
>> b=a+2
Para somar dois vectores:
>> c=a+b
A subtracc¸ ˜ ao funciona exactamente da mesma forma.
Para multiplicar dois vectores, temos que ter cuidados com a ordem dos vectores. Comec¸amos ent˜ ao
sempre por ver a sua ordem:
>> size(a)
>> size(b)
Agora tem de relembrar a
´
Algebra Linear para saber como multiplicar estes vectores ... Uma possi-
bilidade ´ e:
>> a
*
b’
Sendo b’ o transposto de b. Para multiplicar dois vectores elemento a elemento, i.e., c(i) ←
a(i)
*
b(i), fazemos:
B.1. CONHECIMENTOS B
´
ASICOS EM MATLAB 261
>> c=a.
*
b
O Matlab disp˜ oe de outras operac¸ ˜ oes elemento a elemento. Suponhamos que queremos construir um
vector com as potˆ encias de 2:
>> potencias=[1 2 3 4 5];
>> poten2=2.ˆpotencias
Sempre que adicionamos o ”;”no final de um comando, esse comando n˜ ao produz qualquer eco. Da
mesma forma ´ e poss´ıvel criar um vector com os cinco primeiros quadrados perfeitos:
>> bases=1:5;
>> quadrados=bases.ˆ2
O vector bases cont´ em elementos de 1 a cinco. Por defeito o incremento entre os elementos ´ e 1.
´
E
tamb´ em poss´ıvel a divis˜ ao elemento a elemento
>> d=a.\ b
Matrizes
As matrizes s˜ ao arrays de dimens˜ ao 2. Como tal se aprendermos a trabalhar commatrizes, saberemos
trabalhar com arrays de qualquer dimens˜ ao. Por exemplo, os arrays de dimens˜ ao 3 s˜ ao muito ´ uteis.
Ao criar matrizes, temos somente de separar os elementos de cada dimens˜ ao atrav´ es de ”;”ou um
return (prefira o ”;”)
>> B = [1i 1; 2i 2]
”i”e ”j”representam os n´ umeros complexos

−1.
Em Matlab s˜ ao poss´ıveis v´ arias operac¸ ˜ oes de matrizes. A primeira dessas operac¸ ˜ oes ´ e a transposic¸ ˜ ao
de matrizes. No caso de a matriz ser uma matriz cujas entradas s˜ ao n´ umeros complexos, temos que
em Matlab a transposic¸ ˜ ao de uma matriz devolve a matriz transconjugada:
>> B_complexa_conjTransposta=B’;
Se quisermos mesmo s´ o a transposta de uma matriz de elementos complexos, temos que fazer:
>> B_Transposta=B.’;
A multiplicac¸ ˜ ao segue igual ao que foi definido anteriormente para vectores, permitindo obviamente
todas as operac¸ ˜ oes elemento a elemento. Vamos treinar um bocadinho ... atenc¸ ˜ ao ` as dimens˜ oes!
262 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
>> C = [16 35 35 26; 43 56 59 18; 18 57 46 40]
>> D = [63 28 83; 67 95 45; 47 78 44; 16 49 37]
>> E1 = C
*
D
>> E2 = D
*
C
Tome atenc¸ ˜ ao ` as diferentes ordens das matrizes E1 e E2 . Sendo as matrizes da mesma ordem,
podemos ainda fazer:
>> F = [1 2; 3 4]
>> G= [2 3; 4 5]
>> H =F .
*
G
Vamos ainda distinguir F
ˆ
3 devolve BBB enquanto que F.
ˆ
3 devolve o cubo de cada elemento da
matriz.
>> Fˆ3
>> F.ˆ3
Para calcular a inversa de uma matriz:
>> X = inv(F)
Para calcular os valores pr´ oprios de uma matriz:
>> eig(F)
Podemos ainda calcular os coeficientes do polin´ omio caracter´ıstico de uma matriz:
>> p = poly(F)
Concerteza que se recorda que os valores pr´ oprios de uma matriz s˜ ao as ra´ızes do polin´ omio carac-
ter´ıstico. Como tal, existe uma forma alternativa para calcular os valores pr´ oprios de F:
>> p = poly(F);
>> roots(p)
Caso n˜ ao se lembre destas noc¸ ˜ oes de
´
Algebra Linear, est´ a na hora de refrescar a mem´ oria. N˜ ao vale
a pena adiar esta tarefa, porque ela vai mesmo ter de ser feita!
B.1. CONHECIMENTOS B
´
ASICOS EM MATLAB 263
Func¸ ˜ oes
O Matlab disp˜ oe de v´ arias func¸ ˜ oes pr´ e-definidas e que d˜ ao imenso jeito. Um exemplo destas func¸ ˜ oes
´ e size, func¸ ˜ ao esta j´ a nossa conhecida. Todas as func¸ ˜ oes matem´ aticas elementares, como por
exemplo o seno, o co-seno, a exponencial, a ra´ız quadrada, est˜ ao dispon´ıveis. Disp˜ oe tamb´ em de
constantes pr´ e-definidas, como por exemplo pi:
>> sin(pi/4)
Para aprender a usar uma dada func¸ ˜ ao, deve fazer
>> help nome_func
Pode ainda escrever as suas pr´ oprias func¸ ˜ oes. Mas para tal ter´ a de dedicar mais umas horitas a
aprender Matlab. Mas para abrir o apetite vamos definir s´ o uma func¸ ˜ ao muito simples:
function z=yplusx(y,x)
z=y+x;
O ficheiro M.file onde ´ e guardada esta func¸ ˜ ao deve chamar-se yplusx.m. Chama-se
yplusx(2,3)
Se pretender saber o valor de uma dada vari´ avel, escreve simplesmente o seu nome e depois return:
>> C
Representac¸ ˜ ao gr´ afica
Para j´ a um exemplo muito simples. S´ o tem que recordar-se de que um gr´ afico tem duas coordenadas:
>> t=0:0.25:7;
>> y = sin(t);
>> plot(t,y)
Para comec¸ar a aprofundar os seus conhecimentos sobre a representac¸ ˜ ao gr´ afica em Matlab, porque
n˜ ao visitar a p´ agina plotting .
264 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
Polin´ omios
Em Matlab, um polin´ omio ´ e representado por um vector. Por exemplo se pretender representar o
seguinte polin´ omio s
4
+3s
3
−15s
2
−2s +9 fazemos
>>x = [1 3 -15 -2 9]
Temos que para representar um polin´ omio de grau-n necessitamos de um vector de comprimento
n+1 :
>> length(X)
Atenc¸ ˜ ao se o polin´ omio n˜ ao for completo, os coeficientes em falta devem constar como entradas
nulas. Vejamos por exemplo s
4
+1 :
>> y = [1 0 0 0 1]
Para determinar s
4
+1[
s=2
fazemos
>> polyval([1 0 0 0 1],2)
Isto pode dar muito jeito ao fazer a representac¸ ˜ ao gr´ afica de polin´ omios:
>> t = -6:.1:4;
>> x = [1 3 -15 -2 9];
>> plot(t, polyval(x,t))
>> grid on
Como determinar os pontos em que o gr´ afico cruza o eixo do xx??
roots([1 3 -15 -2 9])
Como sabe o produto de dois polin´ omios pode ser determinado considerando a convoluc¸ ˜ ao dos seus
coeficientes:
>> x = [1 2]; y = [1 4 8];
>> z = conv(x,y)
´
E l´ıcito ter mais do que uma instruc¸ ˜ ao na mesma linha, conquanto que estejam separadas por ”;”ou
”,”. Dividir dois polin´ omios ´ e tamb´ em muito f´ acil:
>> [xx, R] = deconv(z,y)
R ´ e o resto da divis˜ ao.
B.1. CONHECIMENTOS B
´
ASICOS EM MATLAB 265
M-files
chamamos M.files a ficheiros cuja extens˜ ao ´ e .m, como por exemplo aula1.m. Nestes ficheiro
escrevemos func¸ ˜ oes, procedimentos ou fragmentos de c´ odigo que estejamos sempre a utilizar.
Para criar um M.file , abrimos um novo ficheiro e gravamos com a extens˜ ao .m. Depois deposi-
tamos neste ficheiro o conjunto de instruc¸ ˜ oes pretendidas, Sempre que necess´ ario fazemos correr o
ficheiro M.file a partir do editor ou fazemos
>> aula1
Atenc¸ ˜ ao que o ficheiro aula1.m deve estar na directoria corrente. O nosso M.file pode ser por
exemplo:
% criar a vari´avel independente (´e um vector)
t=0:0.25:7;
%definir as func¸˜oes da vari´avel (s˜ao tb vectores)
y=sin(t); y2=cos(t);
%Representac¸˜ao gr´afica das func¸˜oes com as seguintes caracter´ısticas:
%o seno ´e uma linha com circulos nos pontos .25
%o co-seno ´e uma linha a tracejado
%inclua uma legenda
plot(t,y,’-o’, t,y2,’--’)
legend(’sin’, ’cos’)
Todo o M.file deve ser devidamente comentado. Em Matlab os coment´ arios vˆ em precedidos de
%
Obter ajuda em Matlab
Para obter ajuda em Matlab basta fazer
help nomeComando
Claro que temos que saber o nome do comando de que necessitamos ... (?) Existem outras formas
para obter ajuda em Matlab, como por exemplo lookfor. Mas vai ter que investigar um bocadinho
...
266 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
Pode ainda recolher o valor de vari´ aveis atrav´ es do comando:
T=input(’Input the value of T:’)
B.2. Resoluc¸ ˜ ao de uma equac¸ ˜ ao diferencial
Vamos determinar a soluc¸ ˜ ao de uma equac¸ ˜ ao diferencial (EDO) de ordem 2 usando um M.file .
A EDO que vamos resolver ´ e a seguinte:
M¨ z +B˙ z +Kz = F (B.1)
550¨ z +7000˙ z +90000z = 21610
z(0) = 0.3
˙ z(0) =−4
sendo M a massa, B o amortecimento, K a constante da mola e F a forc¸a motriz do sistema. Sabemos
que a soluc¸ ˜ ao desta EDO ´ e do tipo:
z(t) = z
h
(t) +z
p
(t)
sendo z
h
(t) soluc¸ ˜ ao homog´ enea e z
p
(t) soluc¸ ˜ ao particular. Vamos agora construir o nosso M.file
%
% diffeq.m 12/9/11
% author: Teresa Perdico´ulis
% Matlab Basics Tutorial
%Definic¸˜ao das constantes
M = 550;
B = 7000;
K = 90000;
F = 21610;
%C´alculo da soluc¸˜ao particular
%z_p=Cte (as derivadas s˜ao nulas)
%K z_p=F
%z_p=F/K
B.2. RESOLUC¸
˜
AO DE UMA EQUAC¸
˜
AO DIFERENCIAL 267
>> zp = F/K
%C´alculo da soluc¸˜ao homog´enea
%temos que calcular a soluc¸˜ao da equac¸˜ao caracter´ıstica
%M lambdaˆ2+B lambda +K =0
>> lambda = roots([M B K])
Com os valores considerados temos os lambdas s˜ ao complexos, vamos ent˜ ao obter uma resposta
oscilat ´ oria.
A nossa soluc¸ ˜ ao ´ e tal que
z(t) = z
p
+C
1
e
λ
1
+C
2
e
λ
2
Falta s´ o determinar os valores das constantes C
1
,C
2
, o que vamos fazer usando as condic¸ ˜ oes iniciais:
z(0) = C
1
+C
2
+z
p
= 0.3−z
p
˙ z(0) = λ
1
C
1

2
C
2
=−4
o que ´ e equivalente a
_
_
1 1
λ
1
λ
2
_
_
_
_
C
1
C
2
_
_
=
_
_
0.3−z
p
−4
_
_
continuando com o nosso M.file
%C´alculo dos coeficientes
a = [1 1; lambda(1) lambda(2)];
b = [0.3-zp;-4];
C = a\ b
%Representac¸˜ao da soluc¸˜ao
t=0:.01:2;
z = zp + C(1)
*
exp(lambda(1)
*
t) + C(2)
*
exp(lambda(2)
*
t);
%Representac¸˜ao gr´afica da soluc¸˜ao
plot(t,z)
grid on
title(’Solution to Differential Equation’)
268 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
xlabel(’t’)
ylabel(’z’)
0 0.5 1 1.5 2
0.05
0.1
0.15
0.2
0.25
0.3
Sol. ED
t
z
(
t
)
B.3. Transformada de Laplace
>> syms t; % define t como var.
>> laplace(t)
ans = 1/s

2
>> f = t

4 + t

3 + sin(t);
>> L=laplace(f)
L = 24/s

5+6/s

4+1/(s

2+1)
>> pretty(ans)
F = ilaplace(L) %Laplace inverse
B.4. Func¸ ˜ oes de transferˆ encia
Vamos determinar a FT do problema (B.1). Ao determinarmos a FT consideramos sempre condic¸ ˜ oes
iniciais nulas. Aplicamos ent˜ ao a transformada de Laplace ` a equac¸ ˜ ao e obtemos:
Z(s)
F(s)
=
1
Ms
2
+Bs +K
B.4. FUNC¸
˜
OES DE TRANSFER
ˆ
ENCIA 269
%
% diffeq.m 12/9/11
% author: Teresa Perdico´ulis
% Matlab Basics Tutorial
%Definic¸˜ao das constantes
M = 2;
B = 5;
K =3;
F = 1;
%Definic¸˜ao da FT
>> num=[1];
>> den=[M B K];
>> transfFunction=tf(num,den)
Para determinar os zeros, os p´ olos e o ganho da func¸ ˜ ao da transferˆ encia:
[z,p,k]=tf2zp(num,den)
Os zeros s˜ ao guardados em z, os p´ olos em p e o ganho em k.
[num,den]=zp2tf(z,p,k)
Para reduzir um sistema com retroacc¸ ˜ ao a um sistema simples: T(s) =
G(s)
1+G(s)H(s)
[numT,denT]=feedback(numG,denG,numH,denH);
Considerando um feedback unit´ ario:
[numT,denT]=feedback(numG,denG,-1);
Ou ainda:
H=tf(1,1);
sys=feedback(sysOL,H) % por defeito um feedback unit´ ario negativo
Para reduzir um sistema em s´ erie a uma FT simples: T(s) = G(s)H(s) :
270 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
[numT,denT]=series(numG,denG,numH,denH);
Para reduzir um sistema em paralelo a uma FT simples: T(s) = G(s) +H(s) :
[numT,denT]=parallel(numG,denG,numH,denH);
[r,p,k]=residue(num,den)
Dispomos ainda de
isproper(transfFunction)
B.4.1. Simulac¸ ˜ ao no tempo
O m´ etodo anal´ıtico para determinar a resposta do sistema requer o c´ alculo da TF inversa de Y(s).
O Matlab ajuda neste processo calculando a expans˜ ao de Y(s) em elementos simples, atrav´ es do
comando residue:
Os res´ıduos s˜ ao guardados em r, os p´ olos em p e o ganho em k. Uma vez obtida a expans˜ ao em
elementos simples, y(t) ´ e calculado atrav´ es da TL inversa, ` a m˜ ao ou com a ajuda do Matlab.
Para representar a resposta do sistema ao degrau unit´ ario:
>> step(transfFunction)
Para func¸ ˜ oes degrau com magnitude superior a 1:
step(u
*
transfFunction)
sendo u ´ e a magnitude do degrau. Por exemplo, para determinar a resposta do sistema com u = 4 :
>> u=4;
>> step(u
*
transfFunction)
Para representar a resposta impulsional do sistema:
Resposta ao degrau unit´ ario
B.4. FUNC¸
˜
OES DE TRANSFER
ˆ
ENCIA 271
impulse(u
*
transfFunction)
sendo u ´ e a magnitude do impulso.
Para simular a resposta ` a rampa de um sistema:
%a=instante inicial
%b=incremento no tempo
%c=instante final
>> t=a:b:c
%definir a f. rampa
>> x=t
%simular o sistema
>> lsim(num,den,x,t)
%simular a resposta do sistema para condi\c c˜oes iniciais n˜ao nulas
>> lsim(num,den,x,t,x0)
B.4.2. An´ alise do sistema
Para obter os p´ olos do sistema:
pole(transfFunction) ou eig(transfFunction)
Para obter os zeros do sistema:
tzero(transfFunction)
Para obter tudo
[z,p,k]=zpkdata(transfFunction)
Para obter o ganho do sistema a baixas frequˆ encias:
272 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
dcgain(transfFunction) O ganho DC ´ e ainda definido como a raz˜ ao entre a resposta per-
manente ao degrau e a magnitude desse mesmo degrau.
Para sistema de segunda ordem, dispomos ainda de
damp(transfFunction) que fornece o coeficiente de amortecimento ξ
B.4.3. Transformac¸ ˜ ao entre diferentes representac¸ ˜ oes
Passar uma FT num modelo de estados:
[A,B,C,D]=tf2ss(num,den)
Para determinar o modelo de estados completo:
statespace=ss(transfFunction)
B.5. Representac¸ ˜ ao gr´ afica da resposta em frequˆ encia
Para calcular a resposta em frequˆ encia de um sistema, proceda-se do seguinte modo:
H=freqs(num,den,w)
sendo num e den o numerador e denominador da func¸ ˜ ao de transferˆ encia e w=amin:b:amax
cont´ em o vector de frequˆ encias para as quais se pretende calcular a sua resposta H; amin ´ e a
frequˆ encia m´ınima considerada amax ´ e a frequˆ encia maxima.
Podemos fazer ainda
H = freqresp(transfFunction,w)
que calcula a resposta emfrequˆ encia de modelos lineares e invariantes no tempo (LTI) nas frequˆ encias
especificadas no vector w.
B.5.1. Diagramas de Bode
Para obter um diagrama de Bode, fazemos:
B.5. REPRESENTAC¸
˜
AO GR
´
AFICA DA RESPOSTA EM FREQU
ˆ
ENCIA 273
bode(num,den)
Podemos usar este comando de forma mais personalisada. Comec¸amos por definir o definir o
dom´ınio das frequˆ encias, w, em que estamos interessados. Dado que w deve ser definido na escala
logar´ıtmica, fazemos
w=logspace(-1,2);
obtendo desta forma as frequˆ encias w=0.1 ... 100.
e seguidamente
bode(num,den,w)
Para obtermos o valor da fase e magnitude para uma dada frequˆ encia, acrescentamos:
[mag,phase]=bode(num,den,w).
Para representar a magnitude em decib´ eis:
magdb=20
*
log10(mag)
Para representar os resultados numa escala semi-logar´ıtmica, i.e., a escala do eixo do yy ´ e linear e a
do xx ´ e logar´ıtmica:
semilogx(w,magdb)
obtendo desta forma uma representac¸ ˜ ao logar´ıtmica da magnitude. De igual modo para a fase:
semilogx(w,phase)
Fac¸a antes
semilogx(w,unwrap(phase))
para remover os saltos indesej´ aveis nos pontos ±2π que a representac¸ ˜ ao gr´ afica da fase possa ter.
B.5.2. Representac¸ ˜ ao polar
Para obter um diagrama de Nyquist
[Re,Im] = nyquist(transfFunction,w)
274 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
B.6. Identificac¸ ˜ ao de sistemas
Parˆ ametros do sistema, tais como o coeficiente de amortecimento, a frequˆ encia natural do sistema ou
o ganho DC podem ser estimados a partir da resposta ao degrau de um sistema ou de um diagrama
de Bode.
No que se segue vamos usar o seguinte exemplo com uma entrada em degrau de magnitude 3.
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Step Response
Time (sec)
A
m
p
l
i
t
u
d
e
cujos diagramas de Bode s˜ ao
−60
−50
−40
−30
−20
−10
0
M
a
g
n
i
t
u
d
e

(
d
B
)
10
−2
10
−1
10
0
10
1
−180
−135
−90
−45
0
P
h
a
s
e

(
d
e
g
)
Bode Diagram
Frequency (rad/sec)
B.6. IDENTIFICAC¸
˜
AO DE SISTEMAS 275
B.6.1. Estimac¸ ˜ ao da ordem do sistema
A ordem e o grau relativo de um sistema podem ser estimados a partir da sua resposta ao degrau ou
diagrama de Bode. Chamamos grau relativo de um sistema ` a diferenc¸a entre a ordem do numerador
e do denominador.
´
E ainda a ordem mais baixa que o sistema pode ter.
Resposta ao degrau
Se a resposta do sistema a uma entrada em degrau n˜ ao nula tem declive nulo em t = 0, o sistema
deve ser de ordem-2 ou superior, dado ter o sistema grau relativo n˜ ao inferior a dois. Sempre que
a resposta ao degrau mostrar oscilac¸ ˜ oes, o sistema deve ser um sistema amortecido de ordem–2 ou
superior e ter um grau relativo n˜ ao inferior a dois.
No exemplo, o sistema ´ e claramente amortecido de ordemsegunda, ou superior, dado a sua oscilac¸ ˜ ao.
O facto de a resposta ao degrau ser detentora de um declive nulo no instante inicial reforc¸a esta
an´ alise. Posto isto, assumimos ser o sistema amortecido de segunda ordem.
Diagramas de Bode
O diagrama de Bode da fase pode fornecer uma boa indicac¸ ˜ ao da ordem do sistema. Se a fase decai
at´ e −90 graus ou inferior, ent˜ ao o sistema deve ser de ordem n˜ ao inferior a dois. O grau relativo
deve ser pelo menos t˜ ao grande como o n´ umero de m´ ultiplos de −90 graus alcanc¸ados no ponto
mais baixo do diagrama assimpt ´ otico da fase.
No exemplo, dado o diagrama de fase atingir −180
o
, dois m´ ultiplos de −90
o
, o sistema ´ e pelo menos
de ordem–2.
B.6.2. Identificac¸ ˜ ao de um sistema a partir da resposta ao degrau
Chama-se identificac¸ ˜ ao ` a estimac¸ ˜ ao dos parˆ ametros de um dado modelo do sistema.
276 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
Coeficiente de amortecimento
Para um sistema de ordem–2 subamortecido, o coeficiente de amortecimento pode ser calculado a
partir da percentagem de sobreelongac¸ ˜ ao, %M
p
que pode ser estimada a partir do gr´ afico da resposta
ao degrau do sistema. Depois ´ e s´ o usar a f´ ormula:
ξ =
−ln
%M
p
100
_
π
2
+ln
%M
p
100
.
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: untitled1
Time (sec): 3.72
Amplitude: 1.37
System: untitled1
Time (sec): 19.8
Amplitude: 1
Step Response
Time (sec)
A
m
p
l
i
t
u
d
e
Olhando para a figura, fazemos:
>> peak= 1.37;
>>ss=1;
>> os=100
*
(peak-ss)/ss
os =
37.0000
Calculamos agora o coeficiente de amortecimento:
>> dampingRatio=-log(os/100)/sqrt(piˆ2+(log(os/100))ˆ2)
B.6. IDENTIFICAC¸
˜
AO DE SISTEMAS 277
dampingRatio =
0.3017
Ganho DC
O ganho DC ´ e a raz˜ ao entre a resposta permanente ao degrau e a magnitude desse mesmo degrau:
resposta permanente
degrau
magnitude do degrau
.
>> u=3
u =
3
>> ss=1
ss =
1
>> dcganho=ss/u
dcganho =
0.3333
Frequˆ encia natural
A frequˆ encia natural, ω
n
, de um sistema de ordem–2 subamortecido pode ser calculada a partir
da sua frequˆ encia amortecida ou de oscilac¸ ˜ ao, ω
d
e do coeficiente de amortecimento, sendo que a
frequˆ encia amortecida pode ser estimada a partir do gr´ afico da resposta ao degrau: ω
d
=

D
t
, sendo
278 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
D
t
o intervalo de tempo, em segundos, entre dois picos consecutivos da resposta. Depois ´ e s´ o usar a
f´ ormula:
ω
n
=
ω
d
_
1−ξ
2
.
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: untitled1
Time (sec): 3.77
Amplitude: 1.37
System: untitled1
Time (sec): 11.1
Amplitude: 1.05
Step Response
Time (sec)
A
m
p
l
i
t
u
d
e
Olhando para a figura, fazemos:
>> dt=(11.1-3.77);
>> wd=2
*
pi/dt;
>> wn=wd/sqrt(1-dampingRatioˆ2)
wn =
0.8991
B.6. IDENTIFICAC¸
˜
AO DE SISTEMAS 279
B.6.3. Identificac¸ ˜ ao de um sistema a partir do seu diagrama de Bode
−60
−50
−40
−30
−20
−10
0
System: G
Frequency (rad/sec): 0.0109
Magnitude (dB): −9.54
M
a
g
n
i
t
u
d
e

(
d
B
)
10
−2
10
−1
10
0
10
1
−180
−135
−90
−45
0
P
h
a
s
e

(
d
e
g
)
Bode Diagram
Frequency (rad/sec)
Ganho DC
O ganho DC pode ser calculado a partir do valor da magnitude em s = 0, M(0) lida a partir do
diagrama de Bode do ganho. Recordemos que no diagrama de Bode, a magnitude aparece em
decib´ eis e como tal:
M(0) = 20log
10
DCganho ≡DCganho10
M(0)
20
A partir da figura, fazemos:
>> M0=-9.54;
>> dcGanho=10ˆ(M0/20)
dcGanho =
0.3334
280 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
Frequˆ encia natural
A frequˆ encia natural de um sistema de ordem–2 ocorre quando a fase da resposta atinge um desfa-
samento de −90
o
em relac¸ ˜ ao ` a entrada:
ω
n
= ω
−90
o
sendo ω
−90
o a frequˆ encia ` a qual o diagrama da fase se encontra a −90
o
.
>> P = bodeoptions;
P.Grid = ’on’;
>> bode(G,P)
10
−2
10
−1
10
0
10
1
−180
−135
−90
−45
0
System: G
Frequency (rad/sec): 0.893
Phase (deg): −90.8
P
h
a
s
e

(
d
e
g
)
Bode Diagram
Frequency (rad/sec)
−60
−50
−40
−30
−20
−10
0
System: G
Frequency (rad/sec): 0.892
Magnitude (dB): −5.1
M
a
g
n
i
t
u
d
e

(
d
B
)
temos ent˜ ao que ω
n
= ω
−90
0 = 0.893
Coeficiente de amortecimento
O coeficiente de amortecimento pode ser calculado a partir do ganho DC e da magnitude quando a
fase ´ e −90
o
, M(−90
o
) :
ξ =
DCganho
2∗10
M(−90
o
)
20
>> M90=-5.1;
>> dampingRatio=dcganho/(2
*
10ˆ(M90/20))
dampingRatio =
B.6. IDENTIFICAC¸
˜
AO DE SISTEMAS 281
0.2998
B.6.4. Identificac¸ ˜ ao dos parˆ ametros do sistema
Uma vez conhecido o tipo/ordem do sistema, os seus parˆ ametros podem ser estimados a partir da
resposta ao degrau ou dos diagramas de Bode. Este assunto foi abordado quando estud´ amos a
resposta no tempo de sistemas de primeira e segunda ordem. Para tal ´ e necess´ ario relembrar as suas
formas gerais:
Sistema de primeira ordem: G(s) =
b
s +a
=
K
τs +1
Sistema de segunda ordem: G(s) =
a
s
2
+bs +c
=

2
n
s
2
+2ξω
n
s +ω
2
n
No exemplo, temos ent˜ ao a seguinte func¸ ˜ ao de transferˆ encia estimada a partir da resposta ao degrau:
G(s) =

2
n
s
2
+2ξω
n
s +ω
2
n
=
0.33∗0.8991
2
s
2
+2∗0.3017∗0.8991s +0.8991
2
Fac¸amos
>> num=[0.8991ˆ2
*
0.33];
>> den=[1 2
*
0.3017
*
0.8991 0.8991ˆ2];
>> Gest=tf(num,den)
Transfer function:
0.2668
-----------------------
sˆ2 + 0.5425 s + 0.8084
>> hold on
>> step(3
*
Gest,’r’)
e obtemos a seguinte figura:
282 AP
ˆ
ENDICE B. MATLAB EM SISTEMAS DE CONTROLO
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Step Response
Time (sec)
A
m
p
l
i
t
u
d
e
A partir dos diagramas de Bode, obtemos a seguinte func¸ ˜ ao de transferˆ encia, estando o sistema
representado a verde na figura acima.
>> num=[dcganho
*
wnˆ2]
num =
0.2658
>> den=[1 2
*
dampingRatio
*
wn wnˆ2]
den =
1.0000 0.5355 0.7974
>> Gest2=tf(num,den)
Transfer function:
0.2658
-----------------------
sˆ2 + 0.5355 s + 0.7974
Exerc´ıcio B.1 Fac¸a a identificac¸ ˜ ao de um sistema sobre-amortecido de segunda ordem.
C. Simulac¸ ˜ ao de um sistema mecˆ anico
de translac¸ ˜ ao em Matlab
Consideramos um modelo sistema mecˆ anico de translac¸ ˜ ao t´ıpico: mass-mola-amortecimento.
Vamos escrever um script em Matlab, vai-se analisar a resposta livre do sistema para diferentes valo-
res do amortecimento e frequˆ encia natural. Esta an´ alise ´ e feita com base na representac¸ ˜ ao anal´ıtica
da resposta livre no dom´ınio dos tempos.
Considere-se o sistema
M¨ y(t) +b˙ y +ky(t) = r(t),
sendo M a massa do corpo (Kg), b o amortecimento (Ns/m), k a constante de elasticidade da mola
(N/m) e r(t) ´ e a entrada do sistema.
Outra forma mais intuitiva de escrever este mesmo sistema ´ e
¨ y(t) +2ω
n
ζ ˙ y +ω
2
n
y(t) = ω
2
n
r(t), ω
n
, ζ ≥0
sendo ω
n
a frequˆ encia natural do sistema e ζ o seu amortecimento. Vamos calcular os valores
283
284AP
ˆ
ENDICE C. SIMULAC¸
˜
AODE UMSISTEMAMEC
ˆ
ANICODE TRANSLAC¸
˜
AOEMMATLAB
caracter´ısticos
λ =
−2ξω
n
±
_

2
ω
2
n
−4ω
2
n
2
=
−2ξω
n
±2ω
n
_
ξ
2
−1
2
= −ξω
n
±ω
n
_
ξ
2
−1 =−ξω
n
±ω
n
j
_
1−ξ
2
= −ω
n
_
ξ ∓
_
ξ
2
−1
_
=−ω
n
_
ξ ∓ j
_
1−ξ
2
_
Vejamos o que acontece para diferentes valores do amortecimento:
ξ = 0 (caso cr´ıtico) movimento harm´ onico
0 < ξ < 1 subamortecido: 2 ra´ızes complexas λ =−ξω
n
±ω
n
j
_
1−ξ
2
ξ > 1 sobre-amortecido: 2 ra´ızes reais e distintas λ =−ω
n
_
ξ ∓
_
ξ
2
−1
_
ξ = 1 amortecido: 2 ra´ızes reais iguais λ =−ω
n
Vamos determinar uma representac¸ ˜ ao para a soluc¸ ˜ ao, que sabemos ser composta por duas partes:
y(t) = y
h
(t) +y
p
(t).
A y
h
(t) chamamos resposta livre do sistema e a y
p
(t) resposta forc¸ada.
Comc¸amos por analisar a resposta livre do sistema. Com λ =−ξω
n
±ω
n
j
_
1−ξ
2
vem :
y
h
(t) = e
−ξω
n
t
_
c
1
cos
_
ω
n
_
1−ξ
2
t
_
+c
2
sin
_
ω
n
_
1−ξ
2
t
__
Considerando as condic¸ ˜ oes iniciais y
h
(0) e ˙ y
h
= 0. Tem-se ent˜ ao:
c
1
= y(0)
c
2
=
ξy
h
(0)
_
1−ξ
2
ent˜ ao
y
h
(t) = e
−ξω
n
t
y(0)
_
cos
_
ω
n
_
1−ξ
2
t
_
+
ξ
_
1−ξ
2
sin
_
ω
n
_
1−ξ
2
t
_
_
y
h
(t) = e
−ξω
n
t
y(0)
1
_
1−ξ
2
_
_
_
1−ξ
2
. ¸¸ .
cosθ
cos
_
ω
n
_
1−ξ
2
t
_
+ ξ
.¸¸.
sinθ
sin
_
ω
n
_
1−ξ
2
t
_
_
_
y
h
(t) =
y(0)
_
1−ξ
2
e
−ξω
n
t
_
cosθ cos
_
ω
n
_
1−ξ
2
t
_
+sinθ sin
_
ω
n
_
1−ξ
2
t
__
y
h
(t) =
y(0)
_
1−ξ
2
e
−ξω
n
t
sin
__
ω
n
_
1−ξ
2
t
_

_
285
sendo θ = cos
−1
ζ.
Vamos agora simular a resposta do sistema para duas situac¸ ˜ oes distintas, considerando os seguintes
os valores y(0) = 0.15m, ω
n
=

2:
Caso–1: sobre-amortecido (2 ra´ızes reais diferentes): ξ =
3
2

2
Caso–2: subamortecido (2 ra´ızes complexas): ξ =
1
2

2
Listing C.1: Script Matlab
1 %Se t t he s i mu l a t i o n c o n d i t i o n s
2 y0 =0. 15; wn=s qr t ( 2 ) ;
3 qs i 1 =3/ ( 2∗ s qr t ( 2 ) ) ; qs i 2 =1/ ( 2∗ s qr t ( 2 ) ) ;
4 t =0 : 0 . 1 : 1 0 ;
5
6 %c a l c u l u s of t he s y s t em f r e e answer t o an i n i t i a l c o n d i t i o n
7 %d e f i n e t h e t a
8 t h e t a 1 =acos ( qs i 1 ) ∗ ones ( 1 , l e ngt h ( t ) ) ;
9 t h e t a 2 =acos ( qs i 2 ) ∗ ones ( 1 , l e ngt h ( t ) ) ;
10 %d e f i n e t he c o e f f i c i e n t s
11 c1=y0 / s qr t (1−qs i 1 ˆ 2 ) ; c2=y0 / s qr t (1−qs i 2 ˆ 2 ) ;
12 y1=c1∗exp(−qs i 1 ∗wn∗ t ) . ∗ s i n ( wn∗ s qr t (1−qs i 1 ˆ 2 ) ∗ t + t h e t a 1 ) ;
13 y2=c2∗exp(−qs i 2 ∗wn∗ t ) . ∗ s i n ( wn∗ s qr t (1−qs i 2 ˆ 2 ) ∗ t + t h e t a 2 ) ;
14 %d e f i n e t he e x p o n e n t i a l par t of t he s o l u t i o n
15 bu=c2∗exp(−qs i 2 ∗wn∗ t ) ; bl =bu ;
16
17 pl ot ( t , y1 , ’−’ , t , y2 , ’−’ , t , bu , ’−−’ , t , bl , ’−−’ ) , gri d
18 xl abe l ( ’ Tempos ( s ) ’ ) , yl abe l ( ’ Desl ocament o y ( t ) (m) ’ )
19 t e x t ( 0 . 2 , 0 . 8 5 , [ ’ qs i 1 , s obr e −a mor t e c i do = ’ , num2str ( qs i 1 ) ] , ’ s c ’ )
20 t e x t ( 0 . 2 , 0 . 8 0 , [ ’ qs i 2 , s uba mor t e c i do = ’ , num2str ( qs i 2 ) ] , ’ s c ’ )
286AP
ˆ
ENDICE C. SIMULAC¸
˜
AODE UMSISTEMAMEC
ˆ
ANICODE TRANSLAC¸
˜
AOEMMATLAB
0 2 4 6 8 10
−0.05
0
0.05
0.1
0.15
0.2
Tempos (s)
D
e
s
l
o
c
a
m
e
n
t
o

y
(
t
)

(
m
)
qsi1,sobre−amortecido=1.0607
qsi2,subamortecido=0.35355
Referˆ encias 287
Referˆ encias
A. N. Michel, P. J. A. (1997). Linear systems. Berlin: Birkh¨ auser.
Andrei, N. (2007, October). Modern control theory - a historical perspective. http://camo
.ici.ro/neculai/history.pdf.
Astrom, K., & Murray, R. (2008). Feedback systems: an introduction. New Jersey (NJ), USA:
Princeton University Press.
Chen, C. T. (1999). Linear system theory and design, 3rd edition. New York (NY), USA: Oxford
University Press, Inc.
de Carvalho, J. M. (2000). Sistemas de controle autom´ atico. LTC Editora, Rio de Janeiro, Brasil.
Grossman, S., & Derrick, W. R. (1988). Advanced engineering mathematics. Harper Collins
Publishers, NY, USA.
Lourtie, I. (2002). Sinais e sistemas. Escolar Editora, Lisboa.
Mauch, S. (2004). Introduction to methods of applied mathematics or advanced mathematical
methods for scientists and engineers. http://www.its.caltech.edu/sean.
Ogata, K. (1990). Modern control engineering, second edition. London, UK: Prentice-Hall Interna-
tional Editions.
Perdico´ ulis, T.-P. A. (2010). Equac¸ ˜ oes diferenciais para engenheiros, teoria, modelac¸ ˜ ao e
exerc´ıcios (No. 390). Vila Real, Portugal: Universidade de Tr´ as-os-Montes e Alto Douro.
Rocha, P. (2010, April). Apontamentos de sistemas de control.
Zill, D. (1997). A first course in differential equations with modelling applications. London:
Brooks/Cole Publishing Company.

Sign up to vote on this title
UsefulNot useful