You are on page 1of 29

i

UNIVERSIDADE FEDERAL DO CEARÁ
CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA ELÉTRICA
DISCIPLINA DE CONTROLE E AUTOMAÇÃO INDUSTRIAL





AVALIAÇÃO PARCIAL 1







FRANCISCO EVANDO CORREIA FILHO – 0320764
FRANCISCO FERNANDES PRAXEDES NETO - 0345368
JEHOVAH TAVARES COELHO NETO – 032768
GUSTAFFSON PARENTES QUEIROZ VIEIRA – 0320763

PROFESSOR: DR. BISMARK CLAURE TORRICO














FORTALEZA
03 DE ABRIL DE 2014

ii

Sumário

Introdução ..................................................................................................................................... 1
I.1) Modelo de 3 parâmetros: ................................................................................................... 1
I.2) Método das áreas: .............................................................................................................. 3
I.3) Método dos momentos. ..................................................................................................... 3
Problema 1 .................................................................................................................................... 4
Conclusão Problema 1 ................................................................................................................. 13
Problema 2 .................................................................................................................................. 14
Conclusão Problema 2 ................................................................................................................. 19
Referências Bibliográficas ........................................................................................................... 20
Anexos ......................................................................................................................................... 21

Avaliação Parcial 1 - Controle e Automação Industrial
1

Introdução
I.1) Modelo de 3 parâmetros:
O modelo de três parâmetros consiste em um dos modelos que apresenta uma boa aproximação
e, por isso, é o modelo de processo mais usado em artigos sobre controladores PID. O modelo é
dado por:
() =

1 +



Onde:
 K = Ganho estático;
 T = Constante de tempo (ou constante de tempo aparente);
 L = Tempo morto (ou tempo morto aparente)
Tal modelo tem como resposta ao degrau:
() = (1 −
−(−) ⁄
)
Realizando-se as devidas manipulações matemáticas, obtém que o tempo de residência média
e o atraso de transporte normalizado são dados, respectivamente, por:

=
∫ ((∞) −())

0

= +
=

+
=

Os parâmetros para esse modelo podem ser obtidos graficamente:

Figura 1 - Determinação dos parâmetros para sistemas com uma resposta ao degrau monótona
 Parâmetro K:
o Obtido a partir do nível no qual a resposta torna-se estacionária
 Parâmetro L:
o Obtido a partir da interseção da tangente de maior inclinação com o eixo
horizontal

Avaliação Parcial 1 - Controle e Automação Industrial
2

 Parâmetro T:
 Duas formas de obtenção:
1. Obtido a partir da distância AC, onde C é o ponto no qual a tangente de maior inclinação
intersecta a linha do nível no qual a resposta ao degrau torna-se estacionária. Essa forma
tende a gerar um valor muito grande de T. Assim, realizando-se as devidas substituições,
obtém-se o seguinte modelo:

3
() =
1
1 +6.7

−4.3


2. Obtido a partir da distância AB, onde B é o ponto no qual a resposta ao degrau atingiu
63% do valor final, ou seja, 0.63K. Essa forma normalmente gera melhores
aproximações. Assim, realizando-se as devidas substituições, obtém-se o seguinte
modelo:

3
() =
1
1 +4.3

−4.3

Além desse modelo, pode-se calcular a derivada da resposta ao degrau e aplicar um modelo
para sistemas integradores. Tais sistemas não atingem um nível estacionário quando a entrada
é um sinal de degrau. Entretanto, o sistema atinge um nível estacionário quando a entrada é
um sinal de impulso. Assim, utilizando-se essa metodologia, obtém-se um modelo mais
sofisticado que fornece uma melhor aproximação em frequências mais altas. Tal modelo tem
como função de transferência:
() =

(1 +)



O que acarreta na seguinte resposta ao degrau:
() = ( − −(1 −
−(−) ⁄
))
Os parâmetros também podem ser obtidos graficamente:

Figura 2 - Determinação dos parâmetros para um processo de integração
Avaliação Parcial 1 - Controle e Automação Industrial
3

É importante ressaltar que esses modelos foram encontrados avaliando-se a resposta degrau
em pontos específicos. Assim, tais métodos de obtenção são relativamente sensíveis a ruídos. A
seguir, serão explicitados outros métodos de obtenção dos parâmetros do modelo. Tais
métodos são baseados no cálculo de uma área.
I.2) Método das áreas:
Nesse método, o ganho estático K e o tempo de residência média Tar são determinados a partir
do gráfico para o modelo de dois parâmetros:

Figura 3 – Gráfico para o modelo de dois parâmetros
Considerando-se a função de transferência G(s)= K/(1+sT) e^(-sL), calcula-se a área A1:

1
= ∫ ()

0
= ∫(1 −
− ⁄
) =
−1

0

Logo, tem-se que:
=

1

=

− =

0

1

I.3) Método dos momentos.
Esse método tem como vantagem mostrar que os valores da função de transferência e da sua
derivada em s=0 podem ser determinados a partir de integrais da resposta ao impulso.
Considerando-se que h(t) seja a resposta ao impulso e G(s) a função de transferência, tem-se
que:
() = ∫

ℎ()

0

Aplicando-se a derivada em relação à “s”, tem-se:

()

=
()
() = (−1)


ℎ()

0

()
(0) = (−1)

ℎ()

0

Para a solução das questões, a equipe utilizou-se do método dos momentos para a
determinação dos parâmetros do modelo.
Avaliação Parcial 1 - Controle e Automação Industrial
4

Problema 1

O Problema foi solucionado com o processo mostrado abaixo na figura 4:

Figura 4 - Planta do Processo

Onde a planta G(s) é dada por:
() =
2
( +1)
3
(0.5 +1)
2
(0.2 +1)


a) Aplicando os modelos estudados durante o curso, previamente explanados, obtemos as
seguintes aproximações para o modelo de três parâmetros, método das áreas e método
dos momentos, respectivamente:
3() =
2 ∗
−1.626
2.8510 +1


3() =
2 ∗
−1.626
4.5844 +1


() =
2 ∗
−1.02
4.178 +1


() =
2 ∗
−2.32
1.881 +1


Portanto valemo-nos da resposta ao degrau, bem como o critério de Nyquist de
estabilidade para escolhermos a melhor aproximação.
Avaliação Parcial 1 - Controle e Automação Industrial
5

A figura 5 abaixo mostra a resposta ao degrau das plantas aproximadas acima:

Figura 5- Resposta ao degrau das plantas aproximadas.

Percebemos a resposta do método dos momentos é bastante próxima da planta original
entretanto, apresenta o maior atraso de transporte o que acarreta em uma grande variação
entre 3 e 4 segundos. Desta forma existe duas aproximações coerentes com a planta, são elas:
G3a(s) e Gmomento, sendo aquela aproximada pelo o modelo de três parâmetros.
Observando o diagrama de Nyquist podemos concluir a nossa observação conforme a
figura abaixo:
0 5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2


Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
G(s)
G3a(s)
G3b(s)
Garea(s)
Gmomento
Avaliação Parcial 1 - Controle e Automação Industrial
6


Figura 6 - Diagrama de Nyquist para as aproximações nominais.
Concluímos então que o modelos G3a é o que apresenta maior margem de fase e
ganho e fase, conforme a tabela a seguir:
Tabela 1 - Margem de Fase e Margem de Ganho segundo o diagrama de Nyquist.
Margem de Ganho (dB) Margem de Fase (dB)
Goriginal(s) 2.96 31.6
G3a(s) 4.67 63.4
G3b(s) 8.11 84.8
Garea(s) 11 95.8
Gmomento(s) -0.102 -2.28

A incerteza multiplicativa pode-se então ser plotada:
Nyquist Diagram
Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
-1.5 -1 -0.5 0 0.5 1 1.5 2
-2
-1.5
-1
-0.5
0
0.5
1


G(s)
G3a(s)
G3b(s)
Garea(s)
Gmomento(s)
Avaliação Parcial 1 - Controle e Automação Industrial
7


Figura 7 - Incerteza Multiplicativa das modelagens.

b) Após analisarem os gráficos mostrados acima, o modelo G3a mostrou-se o mais
adequado para o nosso estudo, apresentando uma Margem de Ganho de 4.67 dB e
Margem de Fase igual a 63.4 dB, além de expressar uma resposta ao degrau bem estável
e definida.
Portanto,
() = 3() =
2 ∗
−1.626
2.8510 +1


c) Neste item ajustamos um controlador PI para obter um tempo de assentamento menor
que 5% e uma ultrapassagem percentual menor que 5%.
Seja U.P a ultrapassagem percentual, sabemos que:
. (%) = 100.

√1−
2



Do critério, obtemos ≅ 0.7.
O tempo de assentamento para um erro de 5% é dado por:
10
-1
10
0
10
1
10
2
10
3
10
4
10
0


G3a(s)
G3b(s)
Garea(s)
Gmomento(s)
Avaliação Parcial 1 - Controle e Automação Industrial
8

=
3

Onde

é a frequência natural e é fator de amortecimento do modelo.
Assim ao analisarmos o diagrama de bode para
3()

obtemos:

Figura 8 - Diagrama de Bode para o G3a/s.

Obtemos uma Margem de fase de -51.1 dB e a Margem de ganho de -9.55.
Portanto teremos que projetar um controlador
() =

( +)
Afim de obter uma margem de ganho de no mínimo 70 graus, que corresponde ao nosso
, sendo Kc é o ganho do PI e Z é o zero.


-50
0
50
M
a
g
n
i
t
u
d
e

(
d
B
)
10
-2
10
-1
10
0
10
1
-1440
-1080
-720
-360
0
P
h
a
s
e

(
d
e
g
)
Bode Diagram
Frequency (rad/s)
Avaliação Parcial 1 - Controle e Automação Industrial
9

Deste modo, solucionamos a equação da fase do diagrama de bode:

0
+
−1
(.
0
) =
Sendo
0
é a nova frequência de corte do diagrama de Bode, é o ângulo de decalagem do
sistema e L é o atraso de transporte.
Vale ressaltar que
0
está em rad/s , sendo necessária a conversão dos ângulos em questão
para radianos.
Para = 31.5

, encontramos
0
=0.33 rad/s.
No nosso caso
0
corresponde também ao nosso zero, podendo portanto calcular o ganho Kc:

=

0
2
∗ √
1 +( ∗
0
)
2

0
2
+
2

Encontrando

= 0.4874.
Portanto:
=
0.4874( +0.33)

A resposta ao degrau da malha fechada é mostrada na figura abaixo:

Figura 9 - Resposta ao degrau da Planta com o Controlador PI
Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
0 2 4 6 8 10 12
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: H
Settling time (seconds): 5
System: H
Peak amplitude: 1.05
Overshoot (%): 5
At time (seconds): 6.85
Avaliação Parcial 1 - Controle e Automação Industrial
10

Destacamos na figura o overshoot de exatamente 5% e o tempo de assentamento de
5%, sendo este uma boa resposta conforme desenvolvimento teórico.
d) De modo análogo procedemos para o PID, porém acrescentamos mais um zero no
controlador C(s), encontrando:
= 0.181 ∗
(1 +0.21)(1 +3.5)

O que nos retorna uma resposta ao degrau em malha fechada conforme a figura abaixo:

Figura 10 - Resposta ao degrau em malha fechada da Planta com o controlador PID

e) Percebemos que o acréscimo do zero no PID aumenta o tempo de resposta do sistema,
como esperado, pois a ação derivativa irá atuar no transitório da resposta, desse modo,
tornamos o sistema mais rápido e diminuímos a ultrapassagem percentual deixando o
nosso sistema mais confiável.

f) O índice de robustez em relação à incerteza multiplicativa do controlador PI é mostrada
na figura abaixo:

Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
0 2 4 6 8 10 12 14 16 18
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: Closed Loop r to y
I/O: r to y
Settling time (seconds): 4.03
System: Closed Loop r to y
I/O: r to y
Peak amplitude: 1.04
Overshoot (%): 4.39
At time (seconds): 5.28
Avaliação Parcial 1 - Controle e Automação Industrial
11


Figura 11 - Indice de robustez do Processo com o Controlador PI

Verificamos que a distância mínima foi de -1.8501 dB, e portanto ajustamos o ganho Kc de
0.4874 para 0.25 estando dentro do critério desejado conforme a figura abaixo:


Figura 12- Indice de Robustez do Processo com o controlador PI ajustado.

Distancia Mínima=2.6593 dB;
10
-4
10
-3
10
-2
10
-1
10
0
10
1
10
2
10
-2
10
-1
10
0
10
1
10
2
10
3


Incerteza Multiplicativa
Indice de Robustez
10
-4
10
-3
10
-2
10
-1
10
0
10
1
10
2
10
-2
10
-1
10
0
10
1
10
2
10
3
10
4


Incerteza Multiplicativa
Indice de Robustez
Avaliação Parcial 1 - Controle e Automação Industrial
12

Verificamos também a influência de uma perturbação no sistema:

Figura 13 - Diagrama de blocos do sistema com pertubação.


Figura 14 - Resposta do sistema a uma entrada degrau e a uma perturbação.



0 5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
1.2
1.4


step
pertubação
sistema
Avaliação Parcial 1 - Controle e Automação Industrial
13

Conclusão Problema 1

Com relação aos modelos estudados, concluímos que o modelo de 3 parâmetros 3a foi
melhor em relação aos outros modelos, satisfazendo as condições de projeto, as quais são:
tempo de assentamento (pelo critério de 5%) mais rápido possível, ultrapassagem percentual
de menor ou igual a 5% . A constatação do mesmo foi verificada atráves do diagrama de Nyquist
e da resposta a uma entrada degrau obtida nas figura 6 e 5 respectivamente.
Com relação ao projeto dos controladores PI e PID, utilizamos o método de resposta em
frequência para o cálculo dos parâmetros. Procuramos satisfazer as condições de margem de
fase de 70
o
e o maior valor para a frequência de corte com o intuito de obtermos o menor tempo
de resposta possível e um overshoot menor ou igual a 5%. Sendo encontrada os valores descritos
em suas respectivas equações. Através das simulações desses controladores verificamos que ele
seguidor de referência, estável e satisfez as condições do projeto conforme as figuras 9 e 10.
Referindo-se à incerteza multiplicativa e ao índice de robustez, o primeiro controlador
não satisfez uma distância mínima requerida de 2 dB conforme a figura 11, sendo alterado o seu
ganho a fim de satisfazer tal condição, obtendo com êxito uma distância mínima de 2.66 dB de
acordo com a figura 12. Sobre a perturbação na entrada da planta verificou-se a robustez do
controlador projetado condizente com a figura 14.




Avaliação Parcial 1 - Controle e Automação Industrial
14

Problema 2

a) Para o novo modelo de planta:

() =
0,5
( +1)
8


Obtemos o seguinte modelo de segunda ordem através do método de três
parâmetros:
() =
0.4943 ∗
−2.88
4.929
2
+


Figura 15 - Resposta ao degrau da planta e do modelo.





0 20 40 60 80 100 120
0
10
20
30
40
50
60


Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
G(s)
Gmodelo(s)
Avaliação Parcial 1 - Controle e Automação Industrial
15

A incerteza multiplicativa é mostrada na figura abaixo:

Figura 16 - Incerteza Multiplicativa da planta.

De mesmo modo analisamos o diagrama de Nyquist:
10
-1
10
0
10
1
10
2
10
3
10
4
10
-5
10
0
10
5
10
10
10
15
10
20
10
25
10
30
Incerteza Multiplicativa
Avaliação Parcial 1 - Controle e Automação Industrial
16


b) Pelo método de resposta e frequência, ajustamos o controlador PID, afim de
atendermos aos mesmos requisitos.Observando o diagrama de Bode para (Gn)
pois observamos que a mesma possui um caráter integrador, temos:












-4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5
-40
-30
-20
-10
0
10
20
30
40


Nyquist Diagram
Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
G(s)
Gmodelo(s)
Figura 17 - Diagrama de Nyquist da planta e do modelo.
Bode Diagram
Frequency (rad/s)
10
-2
10
-1
10
0
10
1
-1800
-1440
-1080
-720
-360
0
System: Gn
Phase Margin (deg): -11.8
Delay Margin (sec): -0.723
At frequency (rad/s): 0.286
Closed loop stable? No
P
h
a
s
e

(
d
e
g
)
-60
-40
-20
0
20
40
System: Gn
Gain Margin (dB): -2.36
At frequency (rad/s): 0.242
Closed loop stable? No
M
a
g
n
i
t
u
d
e

(
d
B
)
Figura 18 - Diagrama de bode para Gn.
Avaliação Parcial 1 - Controle e Automação Industrial
17

A fim de encontrar um controlador de menor tempo de resposta, foi considerada uma
frequencia menor para tal.
Como queríamos uma margem de fase de 70
o
, ajustamos a margem de fase atual para
aproximadamente 64
o
.
Consideramos um Controlador PID de zeros com multiplicidade dois.
Ajustamos o ganho do controlador para que ele não mudasse a frequencia de corte e contribuir
com a diferença que restava para obter a margem de fase pretendida.
Portanto,
() = 1.36( +0.6)
2


A resposta do sistema a uma entrada degrau do processo é representado na figura
abaixo:
Para = 1;












Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
0 10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: H
Peak amplitude: 1.05
Overshoot (%): 4.94
At time (seconds): 25.7
System: H
Settling time (seconds): 16.8
Figura 19 - Resposta do sistema ao degrau para tau=1.
Avaliação Parcial 1 - Controle e Automação Industrial
18

Para = 1.2;

Figura 20 - Resposta do sistema ao degrau com tau=1.02.
Para = 0.8;











Figura 21 - Resposta do sistema ao degrau com tau=0.8.
Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
0 10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: H
Settling time (seconds): 34
System: H
Peak amplitude: 1.08
Overshoot (%): 8.03
At time (seconds): 26.4
Step Response
Time (seconds)
A
m
p
l
i
t
u
d
e
0 5 10 15 20 25 30 35 40 45
0
0.2
0.4
0.6
0.8
1
1.2
1.4
System: H
Settling time (seconds): 17
System: H
Peak amplitude: 1.02
Overshoot (%): 1.88
At time (seconds): 26.4
Avaliação Parcial 1 - Controle e Automação Industrial
19

Conclusão Problema 2

O modelo para processos integratórios mostrou-se bastante eficaz quando observados
a resposta ao degrau e o diagrama de Nyquist. Vale ressaltar que a planta nos deixa livre a
modelar matematicamente uma função de transferência utilizando seu integrador próprio no
PID, ou retirarmos o mesmo e trabalhar como uma função estável.
O PID obtido mostrou-se bastante eficaz para tau=1 e 0,8, conforme as figuras 19 e 21,
poder-se-ia reformular o PID pela análise das frequências de Bode para uma resposta menos
veloz e consequentemente atendendo o critério de U.P menor ou igual a 5%. Entretanto, a
planta mostrou-se estável e seguidor de referência, uma vez em que era completamente
instável originalmente.
Infelizmente não foi possível prosseguir ao longo dos itens da questão 2 devido a
dificuldades encontradas durante a simulação e incoerência nos resultados, sendo estes então
omitidos aqui.
Avaliação Parcial 1 - Controle e Automação Industrial
20

Referências Bibliográficas

[1] ÅSTRÖM, K. J., HÄGGLUND, T. PID Controller: Theory Design and Tuning, Editora Instruments
Society of America, 2003.
[2] OGATA,KUTSUHIKO, Engenharia de Contrôle Moderno 5a Ed. 2011, Editora Pearson.

[3] GENE FRANKLIN, J. DAVID POWELL, ABBAS EAMAMI-NAEINI, Feedback Control of Dynamic
Systems 6ed, Editora Pearson.



Avaliação Parcial 1 - Controle e Automação Industrial
21

Anexos

- Planta da Primeira Questão
clear all; close all; clc
% DADOS
% y = vetor de saida
% u = vetor de entrada (step)
% t = vetor de tempo

load('matlab.mat')

% PLANTA 1 QUESTAO

s=tf('s');
num=2;
den=((s+1)^3)*((0.5*s+1)^2)*(0.2*s+1);
G=num/den;
%deno=[0.05 0.6 2.7 6 7.05 4.2 1];
step(G)
hold on

% Modelo 3 Parametros

l=length(t);
K=y(l); % Ganho estatico

L=1.626;
Tab=2.8510;

G3a=exp(-L*s)*K/(Tab*s+1); % Modelo 3 parametros

step(G3a)
hold on

Tac=4.5844
G3b=exp(-L*s)*K/(Tac*s+1);
step(G3b)

- Método das Áreas
% DADOS

% y = vetor de saida
% u = vetor de entrada (step)
% t = vetor de tempo
% l = tamanho do vetor tempo
% K= ganho estatico

% METODO DAS AREAS

cont=1;
while y(cont)<=0
cont=cont+1;
end
Avaliação Parcial 1 - Controle e Automação Industrial
22


La=t(cont);

area=0;
for i=cont:(l-1)
area = area + (y(i)+y(i+1))*t(2)/2;
end

A0=K*t(l)-area;
Tarea=A0/K-La;
% Tarea=Tarea; % GATO ??
G3area=exp(-La*s)*K/(Tarea*s+1);
step(G3area)
legend('G(s)','G3a(s)','G3b(s)','Garea(s)')

- Método dos Momentos
% METODO DOS MOMENTOS = DERIVADAS

syms x
f1=(2/(((x+1)^3)*((0.5*x+1)^2)*(0.2*x+1)));
f2=diff(2/(((x+1)^3)*((0.5*x+1)^2)*(0.2*x+1)));
f3=diff(f2);

Tar=-subs(f2,x,0)/subs(f1,x,0);

Tm=sqrt(subs(f3,x,0)/subs(f1,x,0)-Tar^2)
Lm=Tar-Tm

Gmomento=K*exp(-Lm*s)/(Tm*s+1)

step(Gmomento)

- Cálculo PI – Primeira Questão
clc;
Wo=10;
Mag=21.1 % dB
Phi=-105;
T=2.851;

C=10^(Mag/20);
a=1/C;
b=Wo*(Wo*T+1)/tan(Phi);

p=[(a^2-b^2) 2*Wo*a^2 +Wo*(a^2-b^2)];

Z=roots(p)

K1=a/(sqrt(Wo^2+Z(1)^2))

K2=a/(sqrt(Wo^2+Z(2)^2))
%%

w0=1.0599;
Z=w0/10;
Avaliação Parcial 1 - Controle e Automação Industrial
23


K=(w0/2)*sqrt((1+(2.851*w0)^2)/(w0^2+Z^2))




%% Ferdinando
hold on
s=tf('s');
%
G3a=2*exp(-1.626*s)/(s*(2.8510*s+1));


% K=0.13;
% Z= 0.6859;

K=0.55;
% Z= 1.5;

PIf=K*(s+Z);
Gf1=PIf*G3a;
Gf2=feedback(Gf1,1);
step(Gf2)

- Incerteza Multiplicativa
clear all
close all
clc
% Incerteza 3a

kp = 2;

tau = 2.8510;

N = 100;
w = logspace(-4,2,N);
jw = w*sqrt(-1);

Pmax = zeros(1,N);
for k = 1:100
L = 1.626;
dkp = 0.1*kp*(rand-0.5)*2;
dtau = 0.1*tau*(rand-0.5)*2;
P = (kp+dkp)*exp(-L*jw)./((tau+dtau)*jw+1);
Pn = kp./(tau*jw+1);
dP = abs((P-Pn)./Pn);
Pmax = max(Pmax,dP);

end

loglog(w,Pmax);

hold on

C = 0.25.*(1+0.33*jw)./jw;
Avaliação Parcial 1 - Controle e Automação Industrial
24


Ir = abs((1+C.*Pn)./(C.*Pn));

loglog(w,Ir,'r')

dist = 20*log10(Ir) -20*log10(Pmax);

minimo = min(dist)

figure
dist = 20*log10(Ir) -20*log10(Pmax);
semilogx(w,dist)

%%

% Ajustando PI
close all

xi = 0.7
ta = 5;
wn = 3/(xi*ta);
ti = kp/(wn^2*tau)
kc = (2*xi*wn*tau-1)/kp;

C = kc+1./(ti*jw);

Ir = abs((1+C.*Pn)./(C.*Pn));

loglog(w,Ir,'r')

dist = 20*log10(Ir) -20*log10(Pmax);

minimo = min(dist)

figure
dist = 20*log10(Ir) -20*log10(Pmax);
semilogx(w,dist)

- Problema 2
% Segunda Questao
%
% DADOS:
%
% y= vetor de saida da planta
% t= tempo da planta

clear all; clc; close all;

load('2da_questao') % Carrega dados da planta

% Planta

s=tf('s');
tau=0.8;

G=0.5/(s*(tau*s+1)^8);
Avaliação Parcial 1 - Controle e Automação Industrial
25

step(G)
hold on

% step(G)
grid
% den=[1 8 28 56 70 56 28 8 1]

L=2.88;
T=7.809-L;
K=3.86/7.809;

Gn=K*exp(-L*s)/(s*(T*tau*s+1))
step(Gn)

- PID segunda questão

clc
clear all
close all

s=tf('s');
Gm=0.4943*exp(-2.88*s)/(s*(4.929*s+1));
mphid=70;
wd=0.1;
wd2=0.3;
Gmfreq=2*exp(-2.88*j*wd)/(j*wd*(4.929*j*wd+1));

angulo = -90 -atan(4.929*wd)*180/pi - wd*2.88*180/pi
mod=abs(Gmfreq);
k=1/mod;

mphi=180+angulo
phi=mphid-mphi

z=wd/tan((phi*pi/180)/2)

z2=wd2/tan((phi*pi/180)/2)
kc=k/sqrt(wd^2+z^2);

Gc = kc*(s+z)*(s+z2)/s

w=logspace(-2,2,1000);
figure(1)
nyquist(Gc*Gm*s,w)

figure(2)
bode(Gm*Gc*s,{0.001 3})

numGc=kc*[1 z];
denGc=[1 0];

numG1=2;
denG1=[0.05 0.6 2.7 6 7.05 4.2 1];



Avaliação Parcial 1 - Controle e Automação Industrial
26

- Incerteza Multiplicativa – Problema 2
% Incerteza


clear all
close all
clc

%INCERTEZA

% MODELO 3a

kp = 0.4943;

tau = 1.2;

N = 1000;
w = logspace(-1,4,N);
jw = w*sqrt(-1);

Pmax = zeros(1,N);
for k = 1:100
L = 1.626;
dkp = 0.1*kp*(rand-0.5)*2;
dtau = 0.1*tau*(rand-0.5)*2;
P = (kp+dkp)*exp(-L*jw)./((tau+dtau).*jw.^2+jw);
Pn = 0.5./(jw.*(tau.*jw+1).^8);
dP = abs((P-Pn)./Pn);
Pmax = max(Pmax,dP);
loglog(w,Pmax)
hold on
end


loglog(w,Pmax,'g','linewidth',2)
hold on

title('Incerteza Multiplicativa')

%%

% Incerteza


clear all
close all
clc

%INCERTEZA

% MODELO 3a

kp = 0.4943;

tau = 1;

Avaliação Parcial 1 - Controle e Automação Industrial
27

N = 1000;
w = logspace(-1,4,N);
jw = w*sqrt(-1);

Pmax = zeros(1,N);
for k = 1:100
L = 1.626;
dkp = 0.1*kp*(rand-0.5)*2;
dtau = 0.1*tau*(rand-0.5)*2;
P = (kp+dkp)*exp(-L*jw)./((tau+dtau).*jw.^2+jw);
Pn = 0.5./(jw.*(tau.*jw+1).^8);
dP = abs((P-Pn)./Pn);
Pmax = max(Pmax,dP);
loglog(w,Pmax)
hold on
end


loglog(w,Pmax,'g','linewidth',2)
hold on

title('Incerteza Multiplicativa')